Aide à protéger la Grande barrière de corail avec tensorflow sur Kaggle Rejoignez Défi

IA responsable avec les tutoriels TensorFlow

TensorFlow fournit une variété d'outils que vous pouvez appliquer à votre flux de travail pour développer des modèles de machine learning de manière plus responsable. Consultez les didacticiels ici pour vous familiariser avec les outils d'évaluation et de correction de l'équité des modèles.

Évaluation de l'équité

Une introduction aux indicateurs d'équité exécutés dans un bloc-notes Google Colab. Cliquez sur le bouton Exécuter dans Google Colab pour essayer vous - même.
Appliquer les indicateurs d' équité pour évaluer les mesures d'équité couramment utilisés dans les TF Hub modèles Intégration de texte en utilisant les Commentaires Civil Dataset .
Appliquer les indicateurs d' équité pour examiner les préoccupations d'équité dans le COMPAS Dataset .

Correction et confidentialité

Essayez MinDiff, une technique de correction de modèle qui peut améliorer les performances du modèle à travers les métriques d'équité couramment utilisées.
Utilisez la boîte à outils Carte modèle avec TFX pour générer le modèle cartes .
Évaluez la confidentialité de votre modèle à l'aide du rapport de confidentialité TF.