Odpowiednia ocena modelu systemów uczących się (ML) wymaga czegoś więcej niż tylko obliczenia ogólnych danych o utracie. Przed wdrożeniem modelu w produkcji należy sprawdzić dane treningowe i ocenić prognozy pod kątem uprzedzeń.
W tym module omawiamy różne rodzaje ludzkich uprzedzeń, które mogą się przejawiać w danych treningowych. Następnie przedstawia strategie ich identyfikowania i minimalizowania, a następnie ocenia wydajność modelu z uwzględnieniem obiektywności.