Какие практические нюансы и подводные камни возникают в AI/ML-проектах?

Нюансы AI/ML — это набор грабель, на которые попадают между «модель обучилась» и «модель работает в проде». Главные: data leakage (target просочился в фичи или в test), некорректный train/val/test split, обманчивая accuracy при несбалансированных классах, нормализация до сплита, плавающий random seed, отсутствие фиксации версий данных и библиотек, забытый bias в выборке. Лечится дисциплиной: Pipeline, model card, reproducibility-чеклист, метрика под задачу, а не «по умолчанию».