סיכום

יושרה אינה מטרה חד-פעמית להשגת יעד. זהו מאמץ מתמשך. הנה כמה הצעות נוספות ב-Jigsawכדי לצמצם את ההטיות במודלים של ה-API מנקודת המבט שלנו.

מידע נוסף על הגינות בלמידת מכונה

מקורות המידע הבאים יעזרו לך להמשיך את תהליך הלמידה ההוגנת ללמידת מכונה (ML)
קורס לימודי זה של שעה אחת כולל את העקרונות הבסיסיים של הגינות בלמידת מכונה, כולל מקורות נפוצים של הטיה, איך לזהות הטיה בנתונים ואיך להעריך חיזויים של מודלים תוך התחשבות בהגינות.
מילון המונחים של ML כולל יותר מ-30 ערכים של למידת מכונה ב-ML, שמספקים הגדרות ידידותיות למתחילים וגם דוגמאות להטיות נפוצות, מדדים מרכזיים להערכה של הוגנות ועוד.

שילוב הוגנות בתהליכי העבודה של למידה חישובית

הכלים הבאים יעזרו לכם לזהות ולתקן הטיה במודלים של למידת מכונה
אינדיקטורים הוגנים הם כלי להצגה חזותית באמצעות TensorFlow Model Analysis (TFMA). כלי זה מאפשר לכם להעריך את ביצועי המודלים בקבוצות משנה שונות, ולאחר מכן להציג תרשימים עם תוצאות על מגוון מדדים פופולריים, כולל שיעור חיובי שקרי, שיעור שלילי שגוי, דיוק וזכירה.
הכלי מה-אם הוא ממשק ויזואלי אינטראקטיבי שנועד לעזור לך לבדוק את המודלים שלך טוב יותר. בודקים את ביצועי המודל עבור מגוון תכונות במערך הנתונים באמצעות שיטות אופטימיזציה שונות, ובוחנים את ההשפעה של מניפולציה על ערכים ספציפיים של נקודות נתונים.