Chi si è occupato del deployment in produzione e quali sono state le metriche di successo del progetto?

La distribuzione in produzione è generalmente gestita dal team DevOps o dagli ingegneri di rilascio, ma nei progetti ML spesso partecipano anche data scientist o ingegneri ML.

Le metriche di successo del progetto dipendono dagli obiettivi, ma possono includere:

• Qualità del modello: precisione, completezza, punteggio F1 sui dati reali.
• Tempo di risposta del servizio.
• Stabilità e affidabilità del funzionamento (uptime).
• Impatto sugli indicatori di business: aumento della conversione, riduzione dei costi, miglioramento dell'esperienza utente.
• Monitoraggio del drift del modello e aggiornamento tempestivo.

Ad esempio, nel lancio di un modello di raccomandazioni, il successo sarà un aumento del CTR e della fidelizzazione degli utenti, ed è importante monitorare che il modello non peggiori le prestazioni del sistema.