Comprehensive machine learning skill covering the full ML lifecycle from experimentation to production deployment.
| Problem Type | Primary Metrics | Secondary Metrics |
| Binary Classification | AUC-ROC, F1 | Precision, Recall, PR-AUC | | Multi-class | Macro F1, Accuracy | Per-class metrics | | Regression | RMSE, MAE | R², MAPE | | Ranking | NDCG, MAP | MRR | | Clustering | Silhouette, Calinski-Harabasz | Davies-Bouldin |
Modelli di sviluppo dell'apprendimento automatico, formazione dei modelli, valutazione e distribuzione. Da utilizzare durante la creazione di pipeline ML, modelli di training, progettazione di funzionalità, valutazione di modelli o distribuzione di sistemi ML in produzione. Fonte: 89jobrien/steve.