Расскажи про жизненный цикл модели машинного обучения: из каких этапов он состоит и чем отличается от жизненного цикла обычного продукта?

Жизненный цикл ML включает постановку задачи, сбор и проверку данных, обучение, оценку, выкладку, мониторинг и переобучение. Помимо кода меняются данные, признаки и поведение целевой среды.

Нужно определить бизнес-метрику и baseline, предотвратить leakage, версионировать датасеты и артефакты. После offline-оценки модель проверяют в безопасном онлайн-режиме и наблюдают качество, drift, задержки и стоимость. Ground truth может приходить с задержкой, поэтому метрики ответа сервиса не заменяют оценку предсказаний. В обычном продукте тоже меняются требования, но у ML качество способно ухудшаться без изменения кода из-за распределения данных. Переобучение требует проверки и rollback, а не автоматического доверия новой версии.