1시간 동안 진행되는 이 자율 학습 과정에서는 일반적인 편향의 원인, 데이터의 편향을 식별하는 방법, 공정성을 염두에 두고 모델 예측을 평가하는 방법 등 ML 공정성의 기본 개념을 소개합니다.

ML 용어집에는 30개가 넘는 ML 공정성 항목이 포함되어 있으며, 이 항목은 초보자에게 적합한 정의와 일반적인 편향의 예시, 주요 공정성 평가 측정항목 등을 제공합니다.

공정성 지표는 하위 그룹 전반의 모델 성능을 평가한 다음 거짓양성률, 거짓음성률, 정밀도, 재현율 등 다양한 인기 있는 측정항목의 결과를 그래프로 표시하는 TensorFlow Model Analysis (TFMA)에서 제공하는 시각화 도구입니다.

What-If 도구는 모델을 더 효과적으로 프로브하도록 설계된 대화형 시각적 인터페이스입니다. 다양한 최적화 전략을 사용하여 데이터 세트의 다양한 특성에 대한 모델 성능을 조사하고 개별 데이터 포인트 값을 조작할 때의 효과를 살펴보세요.