責任を持って ML モデル(ML)を評価するには、 全体的な損失指標を計算するだけで済みます。モデルを本番環境に投入する前に トレーニング データを監査し、さまざまなリソースの バイアス。
このモジュールでは、責任ある AI に関するさまざまな人間のバイアスについて 生成します。次に、その問題を特定して軽減するための戦略を示します。 公平性を念頭に置いてモデルのパフォーマンスを評価します。
責任を持って ML モデル(ML)を評価するには、 全体的な損失指標を計算するだけで済みます。モデルを本番環境に投入する前に トレーニング データを監査し、さまざまなリソースの バイアス。
このモジュールでは、責任ある AI に関するさまざまな人間のバイアスについて 生成します。次に、その問題を特定して軽減するための戦略を示します。 公平性を念頭に置いてモデルのパフォーマンスを評価します。
特に記載のない限り、このページのコンテンツはクリエイティブ・コモンズの表示 4.0 ライセンスにより使用許諾されます。コードサンプルは Apache 2.0 ライセンスにより使用許諾されます。詳しくは、Google Developers サイトのポリシーをご覧ください。Java は Oracle および関連会社の登録商標です。
最終更新日 2024-08-16 UTC。