2024 年 8 月に、機械学習集中講座の改良された新しいバージョンがリリースされます。今後の情報にご注目ください。
公平性
コレクションでコンテンツを整理
必要に応じて、コンテンツの保存と分類を行います。
機械学習モデルを評価するには、損失指標の計算だけではなく、責任を持って行う必要があります。モデルを本番環境に移す前に、トレーニング データを監査し、バイアスに対する予測を評価することが非常に重要です。
このモジュールでは、トレーニング データに現れる可能性がある人間のさまざまなバイアスを取り上げます。次に、ユーザーを識別し、その効果を評価するための戦略を示します。
公平さ
公平性を考慮した設計
公平性を考慮した設計
- 問題を検討する
- エキスパートに質問
公平性を考慮した設計
- 問題を検討する
- エキスパートに質問
- バイアスを考慮してモデルをトレーニングする
公平性を考慮した設計
- 問題を検討する
- エキスパートに質問
- バイアスを考慮してモデルをトレーニングする
- 結果を解釈する
公平性を考慮した設計
- 問題を検討する
- エキスパートに質問
- バイアスを考慮してモデルをトレーニングする
- 結果を解釈する
- コンテキスト付き公開
特に記載のない限り、このページのコンテンツはクリエイティブ・コモンズの表示 4.0 ライセンスにより使用許諾されます。コードサンプルは Apache 2.0 ライセンスにより使用許諾されます。詳しくは、Google Developers サイトのポリシーをご覧ください。Java は Oracle および関連会社の登録商標です。
最終更新日 2022-09-26 UTC。
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"必要な情報がない"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"複雑すぎる / 手順が多すぎる"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"最新ではない"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"翻訳に関する問題"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"サンプル / コードに問題がある"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"その他"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"わかりやすい"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"問題の解決に役立った"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"その他"
}]