Какие метрики KPI вы отслеживаете и за что отвечаете?

В области машинного обучения и искусственного интеллекта ключевые KPI зависят от конкретной задачи, но обычно включают:

• Точность (Accuracy) — доля правильных предсказаний.
• Precision и Recall — важны при несбалансированных классах.
• F1-score — гармоническое среднее precision и recall.
• ROC-AUC — качество классификации.
• Время обучения модели — влияет на скорость разработки.
• Время инференса (предсказания) — критично для систем реального времени.
• Использование ресурсов (CPU, GPU, память) — для оптимизации инфраструктуры.
• Метрики бизнес-эффекта — например, увеличение конверсии, снижение затрат.

Отвечая за ML/AI, важно не только отслеживать технические метрики, но и понимать, как модель влияет на бизнес-цели, и обеспечивать стабильность и интерпретируемость результатов.