Publicado: Dec 8, 2020
Hoje, estamos apresentando o Amazon SageMaker Clarify para ajudar os desenvolvedores de machine learning a obterem maior visibilidade dos seus dados e modelos de treinamento para poderem identificar de limitar os desvios e explicar as previsões.
Desvios são desequilíbrios na precisão das previsões em diferentes grupos, como idade ou faixa de renda. Os desvios podem ser resultantes dos dados ou do algoritmo usado para treinar seu modelo. Por exemplo, se um modelo de ML for treinado principalmente em dados de indivíduos de meia idade, ele poderá ser menos preciso quando forem feitas previsões envolvendo pessoas mais jovens e mais velhas. O campo de machine learning oferece uma oportunidade para a abordagem de desvios ao detectá-los e medi-los nos seus dados e no seu modelo. Você também pode examinar a importância das entradas de modelos para explicar por que os modelos fazem as previsões que fazem.
O Amazon SageMaker Clarify detecta possíveis desvios durante a preparação dos dados, após o treinamento e no seu modelo implantado ao examinar os atributos que você especifica. Por exemplo, você pode verificar os desvios relativos à idade no seu conjunto de dados inicial ou no seu modelo treinado e receber um relatório detalhado que quantifica diferentes tipos de possíveis desvios. O SageMaker Clarify também inclui gráficos de importância de recursos que ajudam você a explicar as previsões dos modelos e produz relatórios que podem ser usados para dar suporte às apresentações internas ou para identificar problemas com seu modelo que você pode corrigir.
O Amazon SageMaker Clarify está disponível em todas as regiões em que o Amazon SageMaker está disponível e é fornecido sem custo adicional. Acesse a página de produto do SageMaker Clarify ou a documentação para saber mais.