Conclusión
La equidad no es un objetivo único que se debe alcanzar; es un esfuerzo constante. Obtén más información sobre el trabajo continuo de Jigsaw para mitigar el sesgo en sus modelos de API de Perspective.
Más información sobre la equidad en el AA
Continúa con tu educación sobre la equidad en el AA con estos recursos
Autoestudio de equidad de MLCC
Este curso de autoaprendizaje de una hora presenta los conceptos fundamentales de la equidad en el AA, incluidas las fuentes comunes de sesgo, cómo identificar sesgos en los datos y cómo evaluar las predicciones del modelo teniendo en cuenta la equidad.
Glosario de AA
El Glosario de AA contiene más de 30 entradas de Equidad de AA, que brindan definiciones para principiantes, así como ejemplos de sesgos comunes, métricas clave de evaluación de equidad y mucho más.
Incorpora la equidad en tus flujos de trabajo de AA
Use las siguientes herramientas para identificar y corregir sesgos en los modelos de AA
Indicadores de equidad
Los indicadores de equidad son una herramienta de visualización con la tecnología de modelo de análisis de modelos de TensorFlow (TFMA) que evalúa el rendimiento del modelo en subgrupos y, luego, representa los resultados de una variedad de métricas populares, incluida la tasa de falsos positivos, la tasa de falsos negativos, la precisión y la recuperación.
Herramienta What-If
La Herramienta What-If es una interfaz visual interactiva diseñada para ayudarlo a sondear mejor sus modelos. Investiga el rendimiento del modelo para una variedad de atributos en tu conjunto de datos con diferentes estrategias de optimización y explora el impacto de manipular valores de puntos de datos individuales.