Как вы бы протестировали pipeline 'train → deploy' в production, чтобы убедиться, что модель не теряет точность при переходе из dev-среды в production? Опишите подходы к тестированию, инструменты и метрики, которые вы бы использовали, а также как бы вы измеряли 'разницу между dev и prod' на этапе inference.