मशीन लर्निंग मॉडल (एमएल) का सही तरीके से आकलन करने के लिए, सिर्फ़ कुल नुकसान की मेट्रिक का हिसाब लगाने से ज़्यादा कुछ करना पड़ता है. किसी मॉडल को प्रोडक्शन में डालने से पहले,
ट्रेनिंग डेटा का ऑडिट करना और बायस के लिए अनुमान का आकलन करना ज़रूरी है.
यह मॉड्यूल, अलग-अलग तरह के मानवीय पूर्वाग्रहों की जांच करता है, जो ट्रेनिंग डेटा में दिख सकते हैं. इसके बाद, यह इन समस्याओं की पहचान करने और उन्हें कम करने के लिए रणनीतियां उपलब्ध कराता है. इसके बाद, मॉडल की परफ़ॉर्मेंस का आकलन निष्पक्ष तरीके से किया जाता है.
[null,null,["आखिरी बार 2025-01-03 (UTC) को अपडेट किया गया."],[[["This module focuses on identifying and mitigating human biases that can negatively impact machine learning models."],["You'll learn how to proactively examine data for potential bias before model training and how to evaluate your model's predictions for fairness."],["The module explores various types of human biases that can unintentionally be replicated by machine learning algorithms, emphasizing responsible AI development."],["It builds upon foundational machine learning knowledge, including linear and logistic regression, classification, and handling numerical and categorical data."]]],[]]
