Avaliar um modelo de machine learning (ML) com responsabilidade exige mais do que para calcular as métricas gerais de perda. Antes de colocar um modelo em produção, é fundamental auditar os dados de treinamento e avaliar as previsões viés.
Este módulo analisa diferentes tipos de viés humano que podem se manifestar em dados de treinamento. Em seguida, ele apresenta estratégias para identificá-los e mitigá-los, e avaliar o desempenho do modelo com a imparcialidade em mente.