Тестирование «черного ящика» или опыт десятка machine learning проектов

Чем для тестировщика ML-проект отличается от любого другого? Как тестировать то, что не поддаётся классическому представлению ожидаемый / фактический результат? Что именно из себя представляет грамотное разделение зон ответственности или, другими словами, как тестировщику не скатиться в Data Science? Данный доклад посвящен этим и многим другим вопросам. Через призму практического опыта десятка machine learning проектов автор анализирует проблемы, с которыми ему пришлось столкнуться на этапах формирования подхода к тестированию. Тестирование «черного ящика» или опыт десятка machine learning проектов from Агальцов Сергей Александрович Тестирование «черного ящика» или опыт десятка machine learning проектов from Vlad Orlikov Blackbox testing or a dozen machine learning projects experience from Vlad Orlikov