Представьте, что Вам необходимо внедрить ML в систему, однако, для этого требуется большая доработка и Вы не уверены, что результат будет оправдан. Можно потратить много времени на дизайн и добавление нового функционала, чтобы потом узнать, что использование ML не оправдано. Или можно сделать быстрое, но не масштабируемое решение, и столкнуться с техническими сложностями при выкатке ML в продакшен.

Мы рассмотрим решение данной проблемы на примере внедрения ML в алгоритмы прогнозирования времени экспресс-доставки, спроектируем целевую архитектуру, а также поймем на какие вещи важно посмотреть:
1. как ее поэтапно внедрить минимизировав риски
2. как вовремя замечать узкие места и ускорить time to market
3. когда начинать оптимизировать и как потом остановиться