نبذة عامة
كيف تزيل التحيز من نماذج التعلم الآلي وتضمن أن التوقعات عادلة؟ ما هي المراحل الثلاث التي يمكن من خلالها تطبيق حل تخفيف التحيز؟ يجيب نمط الكود هذا على هذه الأسئلة لمساعدتك على اتخاذ قرار مستنير من خلال استهلاك نتائج النماذج التنبؤية.
إذا كانت لديك أسئلة حول نمط التعليمات البرمجية هذا، فاطرحها أو ابحث عن الإجابات في ما يرتبط بها منتدى.
الوصف
يعد العدل في البيانات وخوارزميات التعلم الآلي أمرًا بالغ الأهمية لبناء أنظمة ذكاء اصطناعي آمنة ومسؤولة. في حين أن الدقة هي أحد المقاييس لتقييم دقة نموذج التعلم الآلي ، فإن الإنصاف يمنحك طريقة لفهم الآثار العملية لنشر النموذج في موقف حقيقي.
في نمط الشفرة هذا ، تستخدم مجموعة بيانات السكري للتنبؤ بما إذا كان الشخص عرضة للإصابة بمرض السكري. ستستخدم IBM Watson® Studio و IBM Cloud Object Storage و AI Fairness 360 Toolkit لإنشاء البيانات وتطبيق خوارزمية تخفيف التحيز ثم تحليل النتائج.
بعد إكمال نمط الشفرة هذا ، ستدرك كيفية:
- قم بإنشاء مشروع باستخدام Watson Studio
- استخدم مجموعة أدوات AI Fairness 360
التدفق
- قم بتسجيل الدخول إلى IBM Watson Studio المدعوم من Spark ، وابدأ IBM Cloud Object Storage ، وأنشئ مشروعًا.
- تحميل ملف بيانات .csv إلى IBM Cloud Object Storage.
- قم بتحميل ملف البيانات في دفتر ملاحظات Watson Studio.
- قم بتثبيت مجموعة أدوات AI Fairness 360 في دفتر Watson Studio المحمول.
- قم بتحليل النتائج بعد تطبيق خوارزمية تخفيف التحيز أثناء مراحل ما قبل المعالجة ، وأثناء المعالجة ، وما بعد المعالجة.
تعليمات
العثور على الخطوات التفصيلية لهذا النمط في التمهيدي ملف. ستوضح لك الخطوات كيفية:
- قم بإنشاء حساب مع IBM Cloud.
- إنشاء مشروع Watson Studio جديد.
- إضافة البيانات.
- قم بإنشاء دفتر الملاحظات.
- أدخل البيانات كـ DataFrame.
- قم بتشغيل دفتر الملاحظات.
- تحليل النتائج.
نمط الرمز هذا جزء من مجموعة أدوات AI 360: شرح نماذج الذكاء الاصطناعي استخدام سلسلة الحالات ، التي تساعد أصحاب المصلحة والمطورين على فهم دورة حياة نموذج الذكاء الاصطناعي بالكامل ومساعدتهم على اتخاذ قرارات مستنيرة.
المصدر: https://developer.ibm.com/patterns/identify-and-remove-bias-from-ai-models/