این دوره یک ساعته خودآموز مفاهیم اساسی ML Fairness، از جمله منابع رایج سوگیری، نحوه شناسایی سوگیری در داده ها، و نحوه ارزیابی پیش بینی های مدل با رعایت انصاف را معرفی می کند.

واژه نامه ML شامل بیش از 30 مدخل ML Fairness است که تعاریف مبتدی پسند و همچنین نمونه هایی از تعصبات رایج، معیارهای کلیدی ارزیابی انصاف و موارد دیگر را ارائه می دهد.

Fairness Indicators یک ابزار تجسم‌سازی است که توسط تجزیه و تحلیل مدل TensorFlow (TFMA) ارائه می‌شود که عملکرد مدل را در زیرگروه‌ها ارزیابی می‌کند و سپس نتایج را برای انواع معیارهای محبوب، از جمله نرخ مثبت کاذب، نرخ منفی کاذب، دقت و یادآوری نمودار می‌کند.

ابزار What-If یک رابط بصری تعاملی است که به شما کمک می کند مدل های خود را بهتر بررسی کنید. عملکرد مدل را برای طیف وسیعی از ویژگی‌ها در مجموعه داده خود با استفاده از استراتژی‌های بهینه‌سازی مختلف بررسی کنید و تأثیر دستکاری مقادیر نقطه داده را بررسی کنید.