קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
כדי להעריך מודל למידת מכונה (ML) בצורה אחראית, צריך לעשות יותר מאשר רק לחשב מדדי אובדן כוללים. לפני שמפעילים מודל בסביבת הייצור, חשוב מאוד לבדוק את נתוני האימון ולהעריך את ההטיות בחיזויים.
במודול הזה נסקור סוגים שונים של הטיות אנושיות שעשויות להתבטא בנתוני האימון. לאחר מכן, הכלי מספק אסטרטגיות לזיהוי ולצמצום שלהן, ולאחר מכן מעריך את ביצועי המודל תוך התמקדות בשוויון.
[[["התוכן קל להבנה","easyToUnderstand","thumb-up"],["התוכן עזר לי לפתור בעיה","solvedMyProblem","thumb-up"],["סיבה אחרת","otherUp","thumb-up"]],[["חסרים לי מידע או פרטים","missingTheInformationINeed","thumb-down"],["התוכן מורכב מדי או עם יותר מדי שלבים","tooComplicatedTooManySteps","thumb-down"],["התוכן לא עדכני","outOfDate","thumb-down"],["בעיה בתרגום","translationIssue","thumb-down"],["בעיה בדוגמאות/בקוד","samplesCodeIssue","thumb-down"],["סיבה אחרת","otherDown","thumb-down"]],["עדכון אחרון: 2025-07-27 (שעון UTC)."],[],[],null,[]]
