🤖Одна задача — несколько AI
Одинаковый CSV и одинаковый prompt могут дать разные ответы. Сравниваем не бренды, а глубину, аккуратность, следование задаче и проверяемость результата.
✍️Prompt — это постановка аналитической задачи
Контекст → цель → задача → ограничения → формат. Чем меньше решений фиксирует человек, тем больше решений AI принимает самостоятельно — иногда очень творчески.
🍊AI рядом с Orange, а не вместо Orange
AI помогает подобрать widgets, объяснить связи, спроектировать workflow и разобрать результат. Но screenshot показывает только то, что на нём действительно видно.
🐍Orange → Python → App: переводим смысл, а не кнопки
Одна аналитическая идея может жить в визуальном workflow, коде и приложении. При переводе разрешено добавлять технически необходимые шаги, но нельзя выдавать их за то, что было видно в исходном Orange.
80%Процент чего?
P(+|болезнь) и P(болезнь|+) — разные вопросы. Та же перестановка условия прячется в различии Recall и Precision. Процент без условия — подозреваемый до выяснения обстоятельств.
🔁Cross-validation: несколько честных экзаменов
В K-fold каждый объект один раз становится test, а Learner временно обучается заново на остальных folds. Десять folds — это не одна супермодель и не магическое число.
🚱Leakage: не подглядываем в ответы
Imputation, scaling и feature selection, если они чему-то учатся по данным, должны обучаться только на training-части каждого fold. Cross-validation не исправляет неправильный эксперимент автоматически.
🛑СТОП. ПРОВЕРЯЕМ!
Данные → логика → метрики → здравый смысл. Проверяем не «хороший ли AI», а корректен ли конкретный результат, который собираемся использовать.