Esta es la aplicación para Linux llamada Fairlearn, cuya última versión se puede descargar como v0.13.0sourcecode.tar.gz. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada Fairlearn con OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie el emulador en línea OnWorks Linux o Windows en línea o el emulador en línea MACOS desde este sitio web.
- 5. Desde el SO OnWorks Linux que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación, instálala y ejecútala.
SCREENSHOTS
Ad
Aprendizaje justo
DESCRIPCIÓN
Fairlearn es un paquete de Python que permite a los desarrolladores de sistemas de inteligencia artificial (IA) evaluar la imparcialidad de sus sistemas y mitigar cualquier problema de injusticia observado. Fairlearn contiene algoritmos de mitigación, así como métricas para la evaluación de modelos. Además del código fuente, este repositorio también contiene cuadernos Jupyter con ejemplos de uso de Fairlearn. Un sistema de IA puede comportarse de forma injusta por diversas razones. En Fairlearn, definimos si un sistema de IA se comporta de forma injusta en términos de su impacto en las personas, es decir, en términos de daño. La imparcialidad de los sistemas de IA va más allá de simplemente ejecutar líneas de código. En cada caso de uso, tanto los aspectos sociales como los técnicos determinan quién podría verse perjudicado por los sistemas de IA y cómo. Existen muchas fuentes complejas de injusticia y una variedad de procesos sociales y técnicos para la mitigación, no solo los algoritmos de mitigación de nuestra biblioteca.
Caracteristicas
- Perjuicios en la calidad del servicio
- Documentación disponible
- Ejemplos disponibles
- Daños en la asignación
- Métricas para evaluar qué grupos se ven afectados negativamente por un modelo
- Algoritmos para mitigar la injusticia
Lenguaje de programación
Python
Categorías
Esta aplicación también se puede descargar desde https://sourceforge.net/projects/fairlearn.mirror/. Está alojada en OnWorks para facilitar su ejecución en línea desde uno de nuestros sistemas operativos gratuitos.
