Огляд

Під час цієї практичної роботи ви дізнаєтесь, як уникати упереджень за допомогою техніки MinDiff і бібліотеки TensorFlow Model Remediation.

Навчальні цілі

1. Ознайомитись із набором текстових даних із прикладами токсичності.
2. Створити й навчити модель класифікації токсичності.
3. Перевірити упередженість моделі, створивши результати прогнозів.
4. Застосувати техніку MinDiff під час використання бібліотеки TensorFlow Model Remediation.
5. Порівняти результати базової моделі й моделі MinDiff.

Завдання 0. Налаштування й вимоги

Для кожної практичної роботи ви безкоштовно отримуєте новий проект Google Cloud і набір інструментів на визначений період часу.

1. Увійдіть у Qwiklabs у вікні в режимі анонімного перегляду.

2. Слідкуйте за тим, скільки часу залишилося для виконання практичної роботи (наприклад: 1:15:00). Постарайтеся завершити її вчасно.
   Завдання не можна призупинити, а лише почати спочатку.

3. Коли будете готові, натисніть Start Lab (Почати практичну роботу).

4. Занотуйте облікові дані для практичної роботи (ім’я користувача й пароль). Вони знадобляться для входу в Google Cloud Console.

5. Натисніть Open Google Console (Відкрити Google Console).

6. Виберіть Use another account (Увійти в інший обліковий запис), потім скопіюйте та вставте облікові дані для доступу до цієї практичної роботи у відповідні поля.
   Якщо ви ввійдете з іншими обліковими даними, станеться помилка або з вас може почати стягуватися плата.

7. Прийміть умови й пропустіть сторінку відновлення ресурсу.

Увімкніть Notebooks API

1. У меню навігації Google Cloud Console натисніть APIs & Services (API і сервіси) > Library (Бібліотека).

2. Знайдіть Notebooks API і натисніть ENTER.

3. Натисніть результат Notebooks API, і якщо API не ввімкнено, натисніть Enable (Увімкнути).

Увімкніть Vertex AI API

1. У меню навігації Google Cloud Console натисніть Vertex AI > Dashboard (Інформаційна панель).

2. Натисніть ENABLE ALL RECOMMENDED APIS (УВІМКНУТИ ВСІ РЕКОМЕНДОВАНІ API).

Щоб підтвердити виконання завдання, натисніть Підтвердити виконання. Увімкніть Notebooks API і Vertex AI API

Завдання 1. Відкрийте екземпляр Vertex AI Workbench

1. У Google Cloud Console у меню навігації натисніть Vertex AI > Workbench.

2. На сторінці User-Managed Notebooks (Керовані користувачами записники) натисніть CREATE NEW (Створити новий) і виберіть TensorFlow Enterprise 2.12 (Intel® MKL-DNN/MKL).

3. Використовуйте зону й регіон за умовчанням: . Залиште інші налаштування без змін і натисніть Create (Створити). Нова віртуальна машина запуститься протягом 2–3 хвилин.

4. Натисніть Open JupyterLab (Відкрити JupyterLab). Вікно JupyterLab відкриється в новій вкладці.

Щоб підтвердити виконання завдання, натисніть Підтвердити виконання. Створіть екземпляр Vertex AI Workbench

Завдання 2. Скопіюйте сховище курсу в екземпляр Vertex AI Workbench

Щоб скопіювати записник в екземпляр JupyterLab, виконайте наведені нижче дії.

1. У JupyterLab відкрийте нове вікно термінала.

2. У командному рядку запустіть наведену нижче команду.

3. Щоб підтвердити копіювання сховища, двічі натисніть каталог asl-ml-immersion і переконайтеся, що бачите його вміст. Файли для всіх практичних робіт на основі записника Jupyter цього курсу мають бути доступними в цьому каталозі.

Щоб підтвердити виконання завдання, натисніть Підтвердити виконання. Скопіюйте сховище курсу в екземпляр записника Vertex AI Platform Notebooks

Завдання 3. Використайте TensorFlow Model Remediation для уникнення упереджень

1. В інтерфейсі записника перейдіть до asl-ml-immersion > notebooks > responsible_ai > fairness > solutions і відкрийте min_diff_keras.ipynb.

2. В інтерфейсі записника натисніть Edit (Редагувати) > Clear All Outputs (Очистити всі результати).

3. Уважно прочитайте вказівки до записника й запустіть його.

Підказка. Щоб запустити поточну клітинку, натисніть її, а потім – комбінацію клавіш SHIFT + ENTER. Інші доступні для клітинок команди наведено в інтерфейсі записника в розділі Run (Виконати).

Завершіть практичну роботу

Закінчивши виконувати практичну роботу, натисніть кнопку End Lab (Завершити практичну роботу). Qwiklabs вилучить використані ресурси й очистить обліковий запис.

Ви зможете оцінити, наскільки вам сподобалося виконувати практичну роботу на платформі. Виберіть потрібну кількість зірочок, введіть коментар і натисніть Submit (Надіслати).

Кількість зірочок відповідає певній оцінці:

• 1 зірочка = зовсім не сподобалося
• 2 зірочки = не сподобалося
• 3 зірочки = не можу сказати напевно
• 4 зірочки = сподобалося
• 5 зірочок = дуже сподобалося

Якщо ви не хочете надсилати відгук, просто закрийте діалогове вікно.

Залишайте свої відгуки, пропозиції або коментарі на вкладці Support (Підтримка).

© Google LLC 2022. Усі права захищено. Назва та логотип Google є торговельними марками Google LLC. Усі інші назви компаній і продуктів можуть бути торговельними марками відповідних компаній, з якими вони пов’язані.