Việc đánh giá một mô hình học máy (ML) một cách có trách nhiệm đòi hỏi nhiều việc hơn là chỉ tính toán các chỉ số tổn thất tổng thể. Trước khi đưa mô hình vào hoạt động sản xuất, bạn cần kiểm tra dữ liệu huấn luyện và đánh giá các dự đoán về sai số.
Mô-đun này xem xét các loại thiên kiến của con người có thể xuất hiện trong dữ liệu huấn luyện. Sau đó, công cụ này cung cấp các chiến lược để xác định và giảm thiểu các vấn đề đó, rồi đánh giá hiệu suất của mô hình một cách công bằng.