Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Um ein ML-Modell verantwortungsvoll zu bewerten, muss mehr getan werden, als nur Verlustmesswerte zu berechnen.
Bevor Sie ein Modell in die Produktion aufnehmen, ist es wichtig, Trainingsdaten zu prüfen und Vorhersagen auf Verzerrungen zu bewerten.
In diesem Modul werden verschiedene Arten von menschlichen Vorurteilen untersucht, die sich in Trainingsdaten auswirken können. Anschließend werden Strategien zur Identifizierung und Bewertung der Auswirkungen vorgestellt.
Fairness
Was sehen Sie?
Was sehen Sie?
Bananen
Was sehen Sie?
Bananen
Sticker
Was sehen Sie?
Bananen
Sticker
Bananen in Regalen
Was sehen Sie?
Grün Bananen
Unreife Bananen
Was sehen Sie?
Überreife Bananen
Gut für Bananenbrot
Was sehen Sie?
Gelb Bananen
Gelb ist typisch für Bananen.
Fairness fördern
Fairness fördern
Problem berücksichtigen
Fairness fördern
Problem berücksichtigen
Experten fragen
Fairness fördern
Problem berücksichtigen
Experten fragen
Modelle zur Berücksichtigung von Verzerrung trainieren
Fairness fördern
Problem berücksichtigen
Experten fragen
Modelle zur Berücksichtigung von Verzerrung trainieren
Ergebnisse interpretieren
Fairness fördern
Problem berücksichtigen
Experten fragen
Modelle zur Berücksichtigung von Verzerrung trainieren