Как ставилась задача в рабочем ML-проекте

Обычно задача ставится через проблему бизнеса, которую нужно решить. Например: "Уменьшить количество фродовых транзакций на 20%". Затем она переводится в ML-термины: бинарная классификация (фрод/не фрод) с метрикой precision@90% recall (чтобы минимизировать ложные срабатывания).

Пример постановки:

{
    "business_problem": "Reduce fraudulent transactions",
    "ml_task": "binary classification",
    "target_metric": "precision@90% recall",
    "constraints": "prediction latency < 100ms"
}

Ключевые этапы:

1. Согласование метрик (что считать успехом)
2. Определение constraints (latency, interpretability)
3. Уточнение edge cases (например, как обрабатывать новые типы транзакций)
4. Определение baseline (правила или простая модель)