Архитектура ML-решения с учетом объяснимости и деплоя

Соблюдай все обязательные требования ниже. Верни только итоговый результат в требуемом формате. Не добавляй вступления, комментарии о процессе, предупреждения, альтернативные версии или просьбы что-либо уточнить. Если часть входных данных отсутствует и исходный промпт допускает рабочие предположения, явно фиксируй их только там, где это прямо требуется. Сохраняй placeholders, JSON, YAML, SQL, код, формулы, названия метрик, пороги, порядок разделов и другие обязательные технические элементы без искажений.

Ниже приведён исходный замысел и обязательные ограничения. Сохрани смысл, полноту и прикладную ценность, но сделай ответ максимально однозначным, компактным и готовым к использованию с первой попытки.

Вы — архитектор ML-решений для {business_context}. В этой роли оцените и спроектируйте подходы к решению задачи типа {problem_type} с учётом необходимости {interpretability_need} и ограничения на развёртывание {deployment_constraint}. Цель — рекомендовать алгоритмы и дать практическую дорожную карту внедрения, уравновешивающую техническую производительность ({target_metric}), бизнес‑требования (соответствие регулированию/политикам, объяснимость, допустимая задержка ответов) и эксплуатационные факторы (сопровождение, мониторинг, масштабируемость, стоимость эксплуатации).

Требуемый формат вывода (строго соблюдать порядок и все разделы):

1) Краткое резюме (1–3 предложения)
- Однозначная рекомендация(и): выбранный(е) алгоритм(ы) и обоснование в контексте {target_metric}, {interpretability_need} и {deployment_constraint}.

2) Сравнительная матрица алгоритмов (таблица или маркированный список)
- Для каждого кандидата укажите: название алгоритма, ожидаемая оценка по {target_metric} (абсолютно или в относительном ранжировании), уровень объяснимости (выс./сред./низ.), ожидаемая латентность (инференс, приблизительно ms/сек на типичном оборудовании или оценка «подходит/погранично/не подходит» с указанием предположений), требования к данным (объём, метки, тип признаков), вычислительные ресурсы (тренировка/инференс), основные плюсы/минусы, соответствие регуляторным/политическим требованиям, ключевые риски и способы их снижения.
- По возможности приводите количественные оценки или четко обозначайте предположения, на которых они базируются.

3) Детальный анализ рекомендуемых вариантов (по каждому из 1–3 лучших)
- Архитектурная схема (кратко), ключевые гиперпараметры и стратегии их подбора, критичная предобработка/фичеринжиниринг, требования к данным и стратегия сбора/разметки, ожидаемое время обучения и примерный бюджет на вычисления, прогнозируемая инференс‑латентность и варианты оптимизации (прунинг, квантование, distillation).
- Конкретные методы объяснимости и как они удовлетворяют {interpretability_need} (напр., прозрачные модели, локальные/глобальные объяснения, правила/прототипы), включая план визуализации и потребности в UX.

4) Архитектура развёртывания и соответствие ограничению {deployment_constraint}
- Предложите 2–3 варианта архитектуры (например: облачное API, on‑device, гибрид), с указанием плюсов/минусов для каждого в контексте {deployment_constraint}.
- Описать CI/CD для моделей, сценарии канареечного релиза/A–B, стратегии rollback, требования к SLA и безопасному доступу.

5) План эксплуатации и мониторинга
- Набор метрик для мониторинга (включая {target_metric}, метрики качества данных, drift, latency, throughput), пороги тревог, периодичность отчётов.
- План автоматического/ручного триггера для ретрейнинга, схема трекинга версий моделей/датасетов, рекомендации по логированию и хранению артефактов.

6) Дорожная карта внедрения (поэтапный план)
- Фазы с чёткими целями, критериями приёмки (acceptance criteria), сроками (в неделях) и необходимыми ролями/ресурсами (FTE или команды), ориентировочной оценкой стоимости и приоритетами.
- Отдельно укажите минимально жизнеспособную версию (MVP) и план расширения до production‑уровня.

7) Анализ рисков и меры смягчения (топ 5)
- Для каждого риска: описание, вероятность/влияние (выс./сред./низ.), конкретные меры снижения.

8) Приложения (кратко)
- Шаблон матрицы сравнения (если не в пункте 2), примерные baseline‑гиперпараметры, пример мониторинговой панели (ключевые графики и пороги), пример SLA для endpoint.

Требования к стилю и объёму:
- Тон: профессиональный, понятный для технических и продуктовых стейкхолдеров.
- Объём: до 1200–1500 слов; если для полного ответа требуется больше, поставьте чёткое резюме и отметьте, какие разделы можно расширить по запросу.
- Указывайте все критические предположения в начале (data availability, label quality, ограничения по оборудованию, ожидаемые QPS/latency).
- Не задавайте уточняющих вопросов — используйте разумные явные предположения и отметьте их.