<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
  "translation_date": "2025-09-03T17:33:17+00:00",
  "source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
  "language_code": "hk"
}
-->
# 探索負責任人工智能 (RAI) 儀表板

## 指引

在這節課中，你學習了關於 RAI 儀表板的內容。RAI 儀表板是一套基於「開源」工具的組件，幫助數據科學家進行錯誤分析、數據探索、公平性評估、模型可解釋性、反事實/假設情境評估以及人工智能系統的因果分析。作為這次作業的一部分，請探索一些 RAI 儀表板的示例[筆記本](https://github.com/Azure/RAI-vNext-Preview/tree/main/examples/notebooks)，並在報告或演示中分享你的發現。

## 評分標準

| 評分標準 | 優秀 | 合格 | 需要改進 |
| -------- | --------- | -------- | ----------------- |
|          | 提交了一份報告或 PowerPoint 演示，詳細討論了 RAI 儀表板的組件、運行的筆記本以及從中得出的結論 | 提交了一份報告，但未包含結論 | 未提交報告 |

---

**免責聲明**：  
此文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。