Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Das Responsible AI-Dashboard ist für Machine Learning-Experten und Data Scientists konzipiert, um Modellerkenntnisse zu untersuchen und auszuwerten und ihre datengesteuerten Entscheidungen zu informieren. Es kann Ihnen zwar helfen, verantwortungsvolle KI praktisch in Ihrem Machine Learning-Lebenszyklus zu implementieren, aber es gibt einige Anforderungen, die nicht adressiert sind:
- Die Lücke zwischen den technischen Responsible AI-Tools (die für Machine-Learning-Experten entwickelt wurden) und den ethischen, regulatorischen und geschäftlichen Anforderungen, die die Produktionsumgebung definieren.
- Die Notwendigkeit einer effektiven Ausrichtung von Multi-Stakeholdern im Lebenszyklus des Maschinellen Lernens, um sicherzustellen, dass technische Experten zeitnah Feedback und Anweisungen von nicht-technischen Stakeholdern erhalten.
- Die Möglichkeit, Modell- und Datenerkenntnisse mit Auditoren und Risikobeauftragten für Auditierbarkeitszwecke zu teilen, wie dies durch KI-Vorschriften erforderlich ist.
Einer der größten Vorteile der Verwendung des Azure Machine Learning Ökosystems ist die Möglichkeit, Modell- und Dateneinblicke in der Azure Machine Learning Run History für eine kurzübersicht in zukunft zu archivieren. Als Element dieser Infrastruktur und als Ergänzung zu maschinellen Lernmodellen und den entsprechenden Responsible AI Dashboards unterstützt die Responsible AI Scorecard maschinelles Lernen dabei, ihre Datensätze und Zustandsdaten einfach zu generieren und zu teilen.
Wichtig
Dieses Feature befindet sich derzeit in der öffentlichen Vorschau. Diese Vorschauversion wird ohne Vereinbarung zum Servicelevel bereitgestellt, und wir empfehlen sie nicht für Produktionsworkloads. Bestimmte Features werden möglicherweise nicht unterstützt oder weisen eingeschränkte Funktionen auf.
Weitere Informationen finden Sie unter Supplementale Nutzungsbedingungen für Microsoft Azure Previews.
Wer sollte eine verantwortungsvolle KI-Scorecard verwenden?
- Data Scientists und Machine Learning Professionals: Nachdem Sie Ihr Modell trainiert und das entsprechende Verantwortliche KI-Dashboard für Bewertungs- und Entscheidungszwecke generiert haben, können Sie diese Erkenntnisse über unsere PDF-Scorecard extrahieren. Auf diese Weise können Sie den Bericht ganz einfach mit Ihren technischen und nicht technischen Projektbeteiligten teilen, vertrauen und ihre Genehmigung für die Bereitstellung gewinnen.
- Produktmanager, Führungskräfte und verantwortliche Projektbeteiligte in einem KI-Produkt: Sie können Ihrem Data Science-Team Ihre gewünschten Zielwerte zur Modellleistung und Fairness bereitstellen, z. B. Zielgenauigkeit und Zielfehlerrate. Anschließend können sie die Scorecard basierend auf diesen Zielwerten generieren, um zu bestimmen, ob das Modell sie erfüllt. Dies hilft Bei der Entscheidung, ob das Modell bereitgestellt oder weiter verbessert werden soll.
Nächste Schritte
- Erfahren Sie, wie Sie das Verantwortungsvolle KI-Dashboard und die Scorecard über die CLI und das SDK oder die Azure Machine Learning Studio-Oberfläche generieren.
- Erfahren Sie mehr über das Responsible AI Dashboard und die Scorecard in Responsible AI Dashboard und Scorecard in Azure Machine Learning.