Estos ejercicios mezclan la unidad de aprendizaje automático con productos nuevos. Una buena respuesta mantiene separados los dos mundos: el trabajo fuera de línea (historial de features, entrenamiento, evaluación) puede ser lento y minucioso, mientras que el trabajo en línea (consulta de features, inferencia, monitorización) tiene que ser rápido y seguro.
En cada decisión, di qué se rompe si eliges la otra opción: las features con fugas inflan las puntuaciones fuera de línea, las features recalculadas se separan del entrenamiento, los embudos sin límite revientan el presupuesto de latencia y la falta de monitores deja que la calidad caiga en silencio. Los productos y los números son nuevos, así que resuelve cada uno en lugar de recordar una respuesta anterior.
Aplica decisiones de features, servicio, ranking y monitorización a productos nuevos.