<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
  "translation_date": "2025-09-03T23:25:23+00:00",
  "source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
  "language_code": "ko"
}
-->
# 책임 있는 AI(RAI) 대시보드 탐색

## 지침

이 강의에서는 데이터 과학자가 AI 시스템에서 오류 분석, 데이터 탐색, 공정성 평가, 모델 해석, 반사실/가정 평가 및 인과 분석을 수행할 수 있도록 돕는 "오픈 소스" 도구를 기반으로 구축된 구성 요소 모음인 RAI 대시보드에 대해 배웠습니다. 이번 과제에서는 RAI 대시보드의 샘플 [노트북](https://github.com/Azure/RAI-vNext-Preview/tree/main/examples/notebooks)을 탐색하고, 결과를 보고서나 프레젠테이션 형태로 제출하세요.

## 평가 기준

| 기준 | 우수 | 적절 | 개선 필요 |
| -------- | --------- | -------- | ----------------- |
|          | RAI 대시보드의 구성 요소, 실행한 노트북, 실행 결과로 도출된 결론을 논의하는 보고서 또는 파워포인트 프레젠테이션이 제출됨 | 결론 없이 보고서만 제출됨 | 보고서가 제출되지 않음 |

---

**면책 조항**:  
이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서의 원어 버전을 권위 있는 출처로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 책임을 지지 않습니다.