Publié le: Dec 8, 2020
Aujourd'hui, nous présentons Amazon SageMaker Clarify qui aide les développeurs de Machine Learning à obtenir une plus grande visibilité de leurs données et modèles d'entraînement, afin qu'ils puissent identifier et limiter les biais et expliquer les prédictions.
Les biais sont des déséquilibres dans la précision des prévisions entre différents groupes, tels que l'âge ou la tranche de revenu. Les biais peuvent résulter de données ou d'algorithmes utilisés pour entraîner votre modèle. Par exemple, si un modèle de ML est entraîné principalement sur des données provenant de personnes d'âge moyen, il peut s'avérer moins précis lors de prédictions impliquant des personnes plus jeunes ou plus âgées. Le domaine du Machine Learning offre la possibilité d'aborder les biais en les détectant et en les mesurant dans vos données et votre modèle. Vous pouvez également vous pencher sur l'importance des entrées des modèles pour expliquer pourquoi les modèles font les prévisions qu'ils font.
Amazon SageMaker Clarify détecte les biais potentiels pendant la préparation des données, après l'entraînement, et dans votre modèle déployé, en examinant les attributs que vous spécifiez. Par exemple, vous pouvez vérifier s'il existe un biais lié à l'âge dans l'ensemble de données de départ, ou dans le modèle entraîné, et recevoir un rapport détaillé qui quantifie les différents types de biais possibles. SageMaker Clarify comprend également des graphiques d'importance des caractéristiques qui vous aident à expliquer les prédictions du modèle et génère des rapports qui peuvent être utilisés pour supporter des présentations internes ou pour identifier les problèmes de votre modèle, pour que vous puissiez prendre des mesures pour les corriger.
Amazon SageMaker Clarify est disponible dans toutes les régions où Amazon SageMaker est disponible, sans coût supplémentaire. Pour en savoir plus, visitez la page produit ou consultez la documentation.