Ali je izvedljivo uporabiti ML za odkrivanje pristranskosti v podatkih iz druge rešitve ML?
Sreda, 08 november 2023
by Anne Marie Corless
Uporaba strojnega učenja (ML) za odkrivanje pristranskosti v podatkih iz druge rešitve ML je res izvedljiva. Algoritmi ML so zasnovani za učenje vzorcev in napovedovanje na podlagi vzorcev, ki jih najdejo v podatkih. Vendar pa se lahko ti algoritmi tudi nenamerno naučijo in ohranjajo pristranskosti, ki so prisotne v podatkih o usposabljanju. Zato postane ključnega pomena za
- Objavljeno v Umetna inteligenca, EITC/AI/GCML Google Cloud Machine Learning, Predstavitev, Kaj je strojno učenje
Označeni pod:
Umetna inteligenca, Odkrivanje pristranskosti, Analiza podatkov, Poštenost, strojno učenje, ML cevovod
Katere so različne faze cevovoda ML v TFX?
Nedelja, 06 avgust 2023
by Akademija EITCA
TensorFlow Extended (TFX) je zmogljiva odprtokodna platforma, zasnovana za olajšanje razvoja in uvajanja modelov strojnega učenja (ML) v proizvodnih okoljih. Zagotavlja obsežen nabor orodij in knjižnic, ki omogočajo gradnjo cevovodov ML od konca do konca. Ti cevovodi so sestavljeni iz več različnih faz, od katerih vsaka služi določenemu namenu in prispeva