Přiřaď chyby v ML podle jejich typu

Je důležité rozpoznat situace, kdy je ML tým příliš zaměřený na metodologii nebo ho jednoduše baví věda za projektem, ale byznysový přínos není dostatečný, nebo firma není připravená pracovat s výstupy ML modelu. Níže uvidíš několik situací a budeš muset určit, ke kterému typu chyby v ML každá z nich patří.