Valutare un modello di machine learning (ML) in modo responsabile richiede molto più di solo con il calcolo delle metriche di perdita complessive. Prima di mettere un modello in produzione, è fondamentale verificare i dati di addestramento e valutare le previsioni bias.
Questo modulo prende in esame i diversi tipi di pregiudizi umani che possono manifestarsi dati di addestramento. Fornisce poi strategie per identificarle e ridurle, e poi valutare le prestazioni del modello tenendo presente l'equità.
.