Faites correspondre les erreurs de ML à leur type

Il est essentiel de repérer les situations où l'équipe Machine Learning se concentre trop sur la méthodologie ou s'emballe pour la science derrière le projet, alors que le cas d'affaires n'est pas solide ou que l'entreprise n'est pas prête à mettre en œuvre les résultats du modèle de ML. Ci-dessous, vous verrez quelques situations et devrez identifier à quel type d'erreur de ML elles correspondent.