了解如何使用 TensorFlow 将“负责任的 AI”实践整合到您的机器学习工作流程中

了解更多关于 AI 开发过程和关键注意事项的信息。

通过交互式可视化，探索“负责任的 AI”领域的关键问题和概念。

以交互方式调查您的数据集，以提高数据质量并减轻公平性和偏见问题。

分析和转换数据以检测问题，并设计更有效的特征集。

为您的数据集创建透明度报告。

一种更具包容性的肤色量表，采用开放许可，旨在使您的数据收集和模型构建需求更具鲁棒性和包容性。

训练机器学习模型以促进更公平的结果。

在保护隐私的前提下训练机器学习模型。

使用联邦学习技术训练机器学习模型。

优化具有不平等约束的问题。

实现灵活、可控且可解释的基于晶格（lattice-based）的模型。

评估二分类和多分类模型中常用的公平性指标。

以分布式方式评估模型，并针对不同的数据切片进行计算。

检查、评估和比较机器学习模型。

可视化并理解 NLP 模型。

开发可解释且具有包容性的机器学习模型。

评估分类模型的隐私属性。

衡量并可视化机器学习工作流程。

使用模型卡片 (Model Card) 工具包轻松生成模型卡片。

记录并检索机器学习开发者和数据科学家工作流程中相关的元数据。

以结构化的方式整理机器学习的核心事实。