TensorFlow를 사용하여 책임감 있는 AI 사례를 ML 워크플로에 통합하는 방법을 알아보세요.

AI 개발 프로세스 및 주요 고려 사항에 대해 자세히 알아보세요.

Responsible AI 영역에서 대화형 시각화를 통해 주요 질문과 개념을 탐색합니다.

데이터 품질을 개선하고 공정성 및 편향 문제를 완화하기 위해 데이터 세트를 대화식으로 조사합니다.

데이터를 분석 및 변환하여 문제를 감지하고 보다 효과적인 기능 세트를 엔지니어링합니다.

데이터세트에 대한 투명성 보고서를 만듭니다.

데이터 수집 및 모델 구축 요구 사항을 보다 강력하고 포괄적으로 만들기 위한 보다 포괄적인 피부 톤 척도, 오픈 라이선스.

기계 학습 모델을 교육하여 보다 공평한 결과를 촉진합니다.

개인 정보 보호를 통해 기계 학습 모델을 교육합니다.

연합 학습 기술을 사용하여 기계 학습 모델을 교육합니다.

부등식 제약 문제를 최적화합니다.

유연하고 제어 가능하며 해석 가능한 격자 기반 모델을 구현합니다.

이진 및 다중 클래스 분류기에 대해 일반적으로 식별되는 공정성 메트릭을 평가합니다.

분산 방식으로 모델을 평가하고 다양한 데이터 조각에 대해 계산합니다.

기계 학습 모델을 검사, 평가 및 비교합니다.

NLP 모델을 시각화하고 이해합니다.

해석 가능하고 포괄적인 기계 학습 모델을 개발합니다.

분류 모델의 프라이버시 속성을 평가합니다.

기계 학습 워크플로를 측정하고 시각화합니다.

Model Card 툴킷을 사용하여 모델 카드를 쉽게 생성하십시오.

ML 개발자 및 데이터 과학자 워크플로와 관련된 메타데이터를 기록하고 검색합니다.

기계 학습의 필수 사실을 구조화된 방식으로 구성합니다.