अपने-आप अध्ययन के इस एक घंटे के कोर्स में एमएल फ़ेयरनेस के बुनियादी सिद्धांतों के बारे में जानकारी दी गई है. इसमें मापदंड से बाहर की चीज़ों के सामान्य स्रोतों के साथ-साथ डेटा में पक्षपात की पहचान करने का तरीका और निष्पक्षता के मॉडल के अनुमानों का मूल्यांकन करने के बारे में भी बताया गया है.

एमएल ग्लॉसरी में 30 से ज़्यादा एमएल फ़ेयरनेस एंट्री होती हैं, जो नए उपयोगकर्ताओं के लिए बेहद ज़रूरी परिभाषाएं दिखाती हैं. साथ ही, इसमें सामान्य मापदंडों, निष्पक्षता के आकलन से जुड़ी अहम मेट्रिक वगैरह के उदाहरण भी होते हैं.

फ़ेयरनेस इंडिकेटर एक ऐसा विज़ुअलाइज़ेशन टूल है जो TensorFlow मॉडल विश्लेषण (TFMA) की मदद से बनाया जाता है. यह सबग्रुप में सभी मॉडल की परफ़ॉर्मेंस का आकलन करता है. इसके बाद, यह कई लोकप्रिय मेट्रिक के लिए नतीजों का ग्राफ़ बनाता है. इसमें झूठी पॉज़िटिव दर, गलत नेगेटिव दर, सटीक जानकारी, और प्रॉडक्ट को बाज़ार से हटाना शामिल है.

क्या करें अगर टूल एक इंटरैक्टिव विज़ुअल इंटरफ़ेस है, जिसे आपके मॉडल की बेहतर ढंग से जांच करने में आपकी मदद करने के लिए डिज़ाइन किया गया है. अलग-अलग ऑप्टिमाइज़ेशन रणनीतियों का इस्तेमाल करके, अपने डेटासेट में कई सुविधाओं के मॉडल की परफ़ॉर्मेंस की जांच करें. साथ ही, अलग-अलग डेटापॉइंट वैल्यू में हेर-फेर करने के असर का पता लगाएं.