Para los practicantes de ML, la expectativa natural es que un nuevo modelo de ML que muestra resultados prometedores fuera de línea también tenga éxito en producción. Pero a menudo, no es el caso. Los modelos de ML que superan los datos de prueba pueden rendir peor para los usuarios reales de producción. Esta discrepancia entre las métricas fuera de línea y en línea es a menudo un gran desafío en la aplicación de [...]