<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
  "translation_date": "2025-08-29T13:35:04+00:00",
  "source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
  "language_code": "ar"
}
-->
# استكشاف لوحة تحكم الذكاء الاصطناعي المسؤول (RAI)

## التعليمات

في هذا الدرس، تعلمت عن لوحة تحكم RAI، وهي مجموعة من المكونات المبنية على أدوات "مفتوحة المصدر" لمساعدة علماء البيانات في تحليل الأخطاء، واستكشاف البيانات، وتقييم الإنصاف، وفهم نماذج الذكاء الاصطناعي، وتقييم السيناريوهات الافتراضية/ماذا لو، وتحليل الأسباب في أنظمة الذكاء الاصطناعي. في هذه المهمة، قم باستكشاف بعض [دفاتر الملاحظات](https://github.com/Azure/RAI-vNext-Preview/tree/main/examples/notebooks) الخاصة بلوحة تحكم RAI وقدم نتائجك في ورقة أو عرض تقديمي.

## معايير التقييم

| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
| -------- | ------ | ------ | --------------- |
|          | يتم تقديم ورقة أو عرض تقديمي يناقش مكونات لوحة تحكم RAI، والدفتر الذي تم تشغيله، والاستنتاجات المستخلصة من تشغيله | يتم تقديم ورقة بدون استنتاجات | لم يتم تقديم أي ورقة |

---

**إخلاء المسؤولية**:  
تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.