Freigeben über


Verwenden einer Scorecard für verantwortungsvolle KI (Vorschau) in Azure Machine Learning

GILT FÜR:Azure CLI ML-Erweiterung v2 (aktuell)Python SDK azure-ai-ml v2 (aktuell)

Eine Azure Machine Learning Responsible AI-Scorecard ist ein PDF-Bericht, der basierend auf Responsible AI-Dashboardeinblicken und Anpassungen generiert wird, um Ihre Machine Learning-Modelle zu begleiten. Sie können Ihre PDF-Scorecard einfach konfigurieren, herunterladen und mit Ihren technischen und nicht-technischen Stakeholdern teilen, um sie über Ihre Daten und den Zustand und die Konformität Ihres Modells aufzuklären und Vertrauen aufzubauen. Sie können die Scorecard auch in Audit-Reviews verwenden, um die Stakeholder über die Eigenschaften Ihres Modells zu informieren.

Wichtig

Dieses Feature ist zurzeit als öffentliche Preview verfügbar. Diese Vorschauversion wird ohne Vereinbarung zum Servicelevel bereitgestellt und ist nicht für Produktionsworkloads vorgesehen. Manche Features werden möglicherweise nicht unterstützt oder sind nur eingeschränkt verwendbar.

Weitere Informationen finden Sie unter Zusätzliche Nutzungsbestimmungen für Microsoft Azure-Vorschauen.

Wo befindet sich die Scorecard für verantwortungsvolle KI?

Scorecards für verantwortungsbewusste KI sind mit Ihren Dashboards für verantwortungsbewusste KI verknüpft. Um Ihre Scorecard für verantwortungsvolle KI anzuzeigen, wechseln Sie in Ihre Modellregistrierung, indem Sie das Modell in Azure Machine Learning Studio auswählen. Wählen Sie dann das registrierte Modell aus, für das Sie ein Dashboard und eine Scorecard für verantwortungsvolle KI erstellt haben. Nachdem Sie Ihr Modell ausgewählt haben, wählen Sie die Registerkarte Verantwortungsvolle KI (Vorschau) aus, um eine Liste der generierten Dashboards anzuzeigen. Wählen Sie aus, für welches Dashboard Sie eine Scorecard für verantwortungsvolle KI im PDF-Format exportieren möchten, indem Sie Verantwortungsvolle KI-Erkenntnisse und dann „**Alle PDF-Scorecards anzeigen“ auswählen.

Der Screenshot des Bereichs „Responsible AI (Vorschau)“ in Azure Machine Learning Studio mit hervorgehobener Registerkarte „Responsible AI-Scorecard (Vorschau)“.

  1. Wählen Sie Responsible AI-Scorecard (Vorschau) aus, um eine Liste aller Responsible AI-Scorecards anzuzeigen, die für dieses Dashboard generiert werden.

    Der Screenshot des Dropdown-Menüs Responsible AI-Scorecard.

  2. Wählen Sie in der Liste die Scorecard aus, die Sie herunterladen möchten, und wählen Sie dann Herunterladen aus, um die PDF-Datei auf Ihren Computer herunterzuladen.

    Der Screenshot des Bereichs Responsible AI-Scorecards zum Auswählen einer Scorecard zum Herunterladen.

Lesen der Scorecard für verantwortungsbewusste KI

Die Responsible AI-Scorecard ist eine PDF-Zusammenfassung der wichtigsten Erkenntnisse aus Ihrem Responsible AI-Dashboard. Das erste zusammenfassende Segment der Scorecard gibt Ihnen einen Überblick über das Modell für maschinelles Lernen und die wichtigsten Zielwerte, die Sie festgelegt haben, um Ihren Stakeholdern zu helfen, festzustellen, ob das Modell einsatzbereit ist:

Der Screenshot der Modellzusammenfassung auf der Responsible AI-Scorecard PDF.

Im Datenanalysesegment werden Ihnen Merkmale Ihrer Daten angezeigt, denn jede Modellgeschichte ist ohne ein korrektes Verständnis Ihrer Daten unvollständig:

Screenshot der Datenanalyse auf der PDF-Scorecard für verantwortungsvolle KI.

Das Modellleistungssegment zeigt die wichtigsten Metriken und Merkmale Ihres Modells Ihrer Vorhersagen und wie gut sie Ihre gewünschten Zielwerte erfüllen:

Der Screenshot der Modellleistung auf der Responsible AI-Scorecard PDF.

Als Nächstes können Sie auch die leistungsstärksten und leistungsschwächsten Datenkohorten und Untergruppen anzeigen, die automatisch extrahiert werden, damit Sie die blinden Flecken Ihres Modells erkennen können:

Der Screenshot von Datenkohorten und Untergruppen auf der Responsible AI-Scorecard PDF.

Sie können die wichtigsten Faktoren sehen, die sich auf Ihre Modellvorhersagen auswirken, was eine Voraussetzung dafür ist, Vertrauen in die Art und Weise aufzubauen, wie Ihr Modell seine Aufgabe erfüllt:

Der Screenshot der wichtigsten Faktoren auf der Responsible AI-Scorecard PDF.

Außerdem können Sie Ihre Modell-Fairness-Einblicke zusammengefasst sehen und überprüfen, wie gut Ihr Modell die Fairness-Zielwerte erfüllt, die Sie für Ihre gewünschten sensiblen Gruppen festgelegt haben:

Der Screenshot der Fairness-Einblicke auf der Responsible AI-Scorecard PDF.

Schließlich können Sie die kausalen Erkenntnisse Ihres Datensatzes zusammengefasst sehen, was Ihnen helfen kann festzustellen, ob Ihre identifizierten Faktoren oder Behandlungen kausale Auswirkungen auf das Ergebnis in der realen Welt haben:

Der Screenshot der kausalen Einblicke des Datensatzes auf der Responsible AI-Scorecard PDF.

Nächste Schritte