Sonuç
Adalet tek seferlik bir hedef değildir. Bu, devam eden bir çalışmadır. Jigsaw'ın Perspective API modellerindeki önyargıyı hafifletmek için sürdürdüğü çalışmalar hakkında daha fazla bilgiyi burada bulabilirsiniz.
ML'de Adalet hakkında daha fazla bilgi
makine öğrenimi adalet eğitiminize bu kaynaklarla devam edin
MLCC Adalet Kişisel Çalışma
Bu bir saatlik kendi kendine çalışma kursu, makine öğreniminin adalet kavramlarının yanı sıra yaygın ön yargı kaynakları, verilerdeki ön yargıyı nasıl belirleyeceğiniz ve adalet düşünülerek model tahminlerinin nasıl değerlendirileceği gibi temel kavramları tanıtır.
ML Sözlüğü
ML Sözlüğü, başlangıç için uygun tanımların yanı sıra yaygın ön yargılara dair örnekler, temel adalet değerlendirme metrikleri ve daha fazlasını sağlayan 30'dan fazla ML Adalet girişi içerir.
Makine öğrenimi iş akışlarınıza Adalet'i dahil edin
Makine öğrenimi modellerinde sapmayı tespit edip düzeltmek için aşağıdaki araçları kullanın
Adalet Göstergeleri
Adalet Göstergeleri, TensorFlow Model Analizi (TFMA) tarafından desteklenen ve alt gruplardaki model performansını değerlendiren ve ardından sonuçları yanlış pozitif oranı, yanlış negatif oran, hassasiyet ve geri çağırma gibi çeşitli popüler metriklere göre gösteren bir görselleştirme aracıdır.
What-If Aracı
What-If aracı, modellerinizi daha iyi incelemenize yardımcı olmak için tasarlanmış etkileşimli bir görsel arayüzdür. Farklı optimizasyon stratejileri kullanarak veri kümenizdeki çeşitli özelliklere ait model performansını araştırın ve her bir veri noktası değerini değiştirmenin etkisini keşfedin.