Задача и данные
Сначала оцениваются решение и данные. Пропуски, ошибки измерений, баланс классов и временные связи проверяются до модели. Использование при обучении информации, недоступной при прогнозе, даёт вводящие в заблуждение результаты.
Разработка и интеграция
Подготовка, признаки и выбор модели входят в единый процесс оценки. Используется простая базовая модель для сравнения. Интеграция через API или компонент требует версий и контрактов входа/выхода.
Оценка и внедрение
Разделение и метрики выбираются по типу данных. Будущая информация не должна попадать в прошлые тесты временных рядов. После запуска отслеживаются изменение данных и ошибки; критерии приёмки связаны с конкретной задачей.