هذا تطبيق لينكس يُدعى Fairlearn، ويمكن تنزيل أحدث إصدار منه برقم v0.13.0sourcecode.tar.gz. ويمكن تشغيله عبر الإنترنت من خلال موفر الاستضافة المجاني OnWorks لمحطات العمل.
قم بتنزيل وتشغيل هذا التطبيق المسمى Fairlearn مع OnWorks عبر الإنترنت مجانًا.
اتبع هذه التعليمات لتشغيل هذا التطبيق:
- 1. قم بتنزيل هذا التطبيق على جهاز الكمبيوتر الخاص بك.
- 2. أدخل في مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX باسم المستخدم الذي تريده.
- 3. تحميل هذا التطبيق في هذا الملف.
- 4. ابدأ تشغيل OnWorks Linux عبر الإنترنت أو محاكي Windows عبر الإنترنت أو محاكي MACOS عبر الإنترنت من هذا الموقع.
- 5. من نظام تشغيل OnWorks Linux الذي بدأته للتو ، انتقل إلى مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX مع اسم المستخدم الذي تريده.
- 6. قم بتنزيل التطبيق وتثبيته وتشغيله.
SCREENSHOTS
Ad
فيرليرن
الوصف
Fairlearn هي حزمة بايثون تُمكّن مطوري أنظمة الذكاء الاصطناعي من تقييم عدالة أنظمتهم والتخفيف من أي مشكلات ظلم ملحوظة. تحتوي Fairlearn على خوارزميات تخفيف بالإضافة إلى مقاييس لتقييم النموذج. إلى جانب الكود المصدري، يحتوي هذا المستودع أيضًا على دفاتر Jupyter مع أمثلة على استخدام Fairlearn. يمكن أن يتصرف نظام الذكاء الاصطناعي بشكل غير عادل لمجموعة متنوعة من الأسباب. في Fairlearn، نحدد ما إذا كان نظام الذكاء الاصطناعي يتصرف بشكل غير عادل من حيث تأثيره على الناس - أي من حيث الضرر. إن عدالة أنظمة الذكاء الاصطناعي لا تتعلق بمجرد تشغيل أسطر التعليمات البرمجية. في كل حالة استخدام، تُشكل الجوانب المجتمعية والتقنية من قد يتضرر من أنظمة الذكاء الاصطناعي وكيف. هناك العديد من مصادر الظلم المعقدة ومجموعة متنوعة من العمليات المجتمعية والتقنية للتخفيف، وليس فقط خوارزميات التخفيف في مكتبتنا.
شرح المميزات:
- أضرار جودة الخدمة
- الوثائق المتاحة
- الأمثلة المتاحة
- أضرار التخصيص
- مقاييس لتقييم المجموعات التي تتأثر سلبًا بالنموذج
- خوارزميات للتخفيف من الظلم
لغة البرمجة
Python
التصنيفات
هذا تطبيق يُمكن تنزيله أيضًا من https://sourceforge.net/projects/fairlearn.mirror/. وقد استُضيف في OnWorks لتشغيله عبر الإنترنت بسهولة من أحد أنظمتنا التشغيلية المجانية.
