«Алгоритмы и структуры машинного обучения являются одним из основных развивающихся направлений в современном мире. Каждый год публикуются новые структуры и подходы к решению задач на их основе, а количество разнообразных Фреймворков и библиотек стремительно растет. Но создание алгоритма способного разрешить высокоуровневую задачу зачастую не гарантирует успех при попытке внедрения его в промышленный цикл. На данном семинаре/мастер-классе мы погорим от том что отличает обобщенно успешный алгоритм, от практически применимого, поговорим о лайфхаках и способах улучшить производительность системы без использования сложных методах, а так же обсудим одну из главных проблем в рамках промышленной разработки — общение с заказчиками и подбор методов решения задач в соответствии с их пожеланиями в рамках цикла разработки CRISP, который является основным инструментов работы в блоке Data Science.»