Dopasuj błędy uczenia maszynowego do ich typów

Bardzo ważne jest, aby dostrzegać sytuacje, w których zespół ds. uczenia maszynowego nadmiernie skupia się na metodologii lub po prostu fascynuje się stroną naukową projektu – podczas gdy uzasadnienie biznesowe jest słabe albo firma nie jest gotowa do wykorzystania wyników modelu. Poniżej znajdziesz kilka takich sytuacji. Twoim zadaniem jest przypisanie każdej z nich do właściwego typu błędu w uczeniu maszynowym.