使用集合让一切井井有条 根据您的偏好保存内容并对其进行分类。 “数据卡片手册：Responsible AI 的文档透明化”测验 返回到课程 以下关于 AI 和数据集透明度的说法中，哪些是正确的？ 选择合适的多项回答。 引入可大规模创造价值的标准化、实用且可持续的透明度机制，在研究和生产环境中往往只能取得有限的成效。 透明度是线性的。 对于团队、产品和组织，透明度似乎都是一样的。 透明度属于主观范畴，针对特定受众群体和情境。 判断正误。借助数据卡片，读者在为产品、政策和研究构建和评估 AI 模型时，可以更加轻松自信地决定数据使用方式。 True False 为了确定利益相关方在数据集生命周期中的角色、职责和需求，我们将其分为三大类别：生产者、代理和用户。以下哪项描述代表的是生产者？ 阅读您的数据集文档、数据卡片以及其他机器学习 (ML) 模型相关文档的利益相关方。 数据集和文档的创建者，负责数据集的收集、所有权、发布和维护。 与产品互动的个人和代表依赖于利用数据集训练的模型。 让代理机构确定自己或他人可能会如何使用所述数据集或 AI 系统的利益相关方。 对于数据卡片，哪类指标可以跟踪通过模板完成和发布数据卡片的生产者比例，以及根据数据卡片对数据集做出决策的读者比例？ 可理解性 可支持性 互动度 转化 仅包含 ___ 个问题的数据卡片可能会过于技术化，无法提供关于上下文、相关性或重要性的任何详细信息。 望远镜 潜望镜 显微镜 内镜 数据卡片的设计应实现以下哪个目标才能让数据卡片被采用？ 选择合适的多项回答。 数据卡片必须相互比较。 数据卡片应作为数据集生命周期的最后一步创建。 数据卡片对于报告数据集中的不确定性非常有用。 数据卡片应该能够向熟练程度最高的读者进行高效沟通。 要在数据卡片推出后衡量其成效，不建议采用以下哪种方法？ 互动度 可理解性 弹性和稳定性 全面性 判断正误。如果您的数据卡片易于被发现、易用且结构完善，读者对您的数据集、组织以及贵组织发布的其他数据集的现有看法不应影响他们与数据卡片的互动方式。 True False 提交回答 error_outline 系统对测验进行评分时出现错误。请重试。
