Panoramica

Questo lab ti aiuta a scoprire come mitigare i bias utilizzando la tecnica MinDiff sfruttando la libreria TensorFlow Model Remediation.

Obiettivi di apprendimento

1. Esplorare il set di dati relativo al testo sulla tossicità.
2. Creare e addestrare un modello di classificazione della tossicità.
3. Controllare i bias dei modelli tracciando i risultati delle previsioni.
4. Applicare la tecnica MinDiff utilizzando la libreria TensorFlow Model Remediation.
5. Confrontare il risultato tra i modelli di riferimento e MinDiff.

Attività 0: configurazione e requisiti

Per ciascun lab, riceverai un nuovo progetto Google Cloud e un insieme di risorse per un periodo di tempo limitato senza alcun costo aggiuntivo.

1. Accedi a Qwiklabs utilizzando una finestra di navigazione in incognito.

2. Tieni presente la durata dell'accesso al lab (ad esempio, 1:15:00) e assicurati di finire entro quell'intervallo di tempo.
   Non è disponibile una funzionalità di pausa. Se necessario, puoi riavviare il lab ma dovrai ricominciare dall'inizio.

3. Quando è tutto pronto, fai clic su Inizia lab.

4. Annota le tue credenziali del lab (Nome utente e Password). Le userai per accedere a Google Cloud Console.

5. Fai clic su Apri console Google.

6. Fai clic su Utilizza un altro account e copia/incolla le credenziali per questo lab nei prompt.
   Se utilizzi altre credenziali, compariranno errori oppure ti verranno addebitati dei costi.

7. Accetta i termini e salta la pagina di ripristino delle risorse.

Abilita l'API Notebooks

1. Nella console Google Cloud, nel menu di navigazione, fai clic su API e servizi > Libreria.

2. Cerca API Notebooks e premi Invio.

3. Fai clic sul risultato API Notebooks e se l'API non è abilitata, fai clic su Abilita.

Abilita l'API Vertex AI

1. Nella console Google Cloud, nel menu di navigazione, fai clic su Vertex AI > Dashboard.

2. Fai clic su ABILITA TUTTE LE API CONSIGLIATE.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Abilita le API Notebooks e Vertex AI

Attività 1: apri l'istanza di Vertex AI Workbench

1. Nella console Google Cloud, nel menu di navigazione, fai clic su Vertex AI > Workbench.

2. Nella pagina Blocchi note gestiti dall'utente, fai clic su CREA NUOVO e seleziona TensorFlow Enterprise 2.12 (Intel® MKL-DNN/MKL).

3. Utilizza la zona e la regione predefinite: . Lascia tutte le altre impostazioni invariate, quindi fai clic su Crea. L'avvio della nuova VM richiederà 2-3 minuti.

4. Fai clic su Apri JupyterLab. Si aprirà una finestra JupyterLab in una nuova scheda.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Crea un'istanza di Vertex AI Workbench

Attività 2: clona un repository del corso nell'istanza di Vertex AI Workbench

Per clonare il blocco note nella tua istanza di JupyterLab:

1. In JupyterLab, apri una nuova finestra del terminale.

2. Al prompt della riga di comando, esegui questo comando:

3. Per confermare di aver clonato il repository, fai doppio clic sulla directory asl-ml-immersion e assicurati di poterne vedere il contenuto. I file per tutti i lab basati su blocchi note Jupyter di questo corso sono disponibili in questa directory.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Clona un repository del corso nell'istanza di Vertex AI Platform Workbench

Attività 3: utilizza la libreria TensorFlow Model Remediation per mitigare i bias

1. Nell'interfaccia del blocco note, vai a asl-ml-immersion > notebooks > responsible_ai > fairness > solutions e apri min_diff_keras.ipynb.

2. Nell'interfaccia del blocco note, fai clic su Modifica > Cancella tutti gli output.

3. Leggi attentamente le istruzioni ed esamina il blocco note.

Suggerimento: per eseguire la cella corrente, fai clic sulla cella e premi MAIUSC+INVIO. Gli altri comandi delle celle sono elencati nella UI del blocco note sotto la voce Esegui.

Terminare il lab

Una volta completato il lab, fai clic su Termina lab. Qwiklabs rimuove le risorse che hai utilizzato ed esegue la pulizia dell'account.

Avrai la possibilità di inserire una valutazione in merito alla tua esperienza. Seleziona il numero di stelle applicabile, inserisci un commento, quindi fai clic su Invia.

Il numero di stelle corrisponde alle seguenti valutazioni:

• 1 stella = molto insoddisfatto
• 2 stelle = insoddisfatto
• 3 stelle = esperienza neutra
• 4 stelle = soddisfatto
• 5 stelle = molto soddisfatto

Se non vuoi lasciare un feedback, chiudi la finestra di dialogo.

Per feedback, suggerimenti o correzioni, utilizza la scheda Assistenza.

Copyright 2020 Google LLC Tutti i diritti riservati. Google e il logo Google sono marchi di Google LLC. Tutti gli altri nomi di società e prodotti sono marchi delle rispettive società a cui sono associati.