Estes exercícios misturam a unidade de aprendizado de máquina com produtos novos. Uma boa resposta mantém os dois mundos separados: o trabalho offline (histórico de features, treinamento, avaliação) pode ser lento e minucioso, enquanto o trabalho online (consulta de features, inferência, monitoramento) precisa ser rápido e seguro.
Em cada decisão, diga o que quebra se você escolher a outra opção: features com vazamento inflam as pontuações offline, features recalculadas se afastam do treinamento, funis sem limite estouram os orçamentos de latência e a falta de monitores deixa a qualidade cair em silêncio. Os produtos e os números são novos, então resolva cada um em vez de lembrar uma resposta anterior.
Aplique decisões sobre features, serving, ranking e monitoramento a produtos novos.