# Erkunden Sie das Responsible AI (RAI) Dashboard ## Anweisungen In dieser Lektion haben Sie das RAI-Dashboard kennengelernt, eine Suite von Komponenten, die auf "Open-Source"-Tools basiert, um Datenwissenschaftlern bei der Fehleranalyse, Datenexploration, Fairnessbewertung, Modellinterpretierbarkeit, Gegenfakt-/Was-wäre-wenn-Bewertungen und Kausalanalysen von KI-Systemen zu helfen. Für diese Aufgabe erkunden Sie einige der Beispiel-[Notebooks](https://github.com/Azure/RAI-vNext-Preview/tree/main/examples/notebooks) des RAI-Dashboards und berichten Ihre Ergebnisse in einem Aufsatz oder einer Präsentation. ## Bewertungsrichtlinien | Kriterien | Vorbildlich | Angemessen | Verbesserungswürdig | | --------- | ----------- | ---------- | -------------------- | | | Ein Aufsatz oder eine PowerPoint-Präsentation wird vorgelegt, die die Komponenten des RAI-Dashboards, das ausgeführte Notebook und die daraus gezogenen Schlussfolgerungen diskutiert. | Ein Aufsatz wird vorgelegt, jedoch ohne Schlussfolgerungen. | Es wird kein Aufsatz vorgelegt. | --- **Haftungsausschluss**: Dieses Dokument wurde mit dem KI-Übersetzungsdienst [Co-op Translator](https://github.com/Azure/co-op-translator) übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.