Für ML-Praktiker ist die natürliche Erwartung, dass ein neues ML-Modell, das offline vielversprechende Ergebnisse zeigt, auch in der Produktion erfolgreich sein wird. Aber oft ist das nicht der Fall. ML-Modelle, die auf Testdaten übertreffen, können bei realen Produktionsnutzern schlechter abschneiden. Diese Diskrepanz zwischen Offline- und Online-Metriken ist oft eine große Herausforderung in der angewandten […]