# जबाबदार AI (RAI) डॅशबोर्ड एक्सप्लोर करा ## सूचना या धड्यात तुम्ही RAI डॅशबोर्डबद्दल शिकलात, जो "ओपन-सोर्स" साधनांवर आधारित घटकांचा संच आहे. हा डॅशबोर्ड डेटा सायंटिस्टना त्रुटी विश्लेषण, डेटा एक्सप्लोरेशन, न्याय्यता मूल्यांकन, मॉडेल समज, प्रतिकृती/जर-तर मूल्यांकन आणि कारणात्मक विश्लेषण करण्यासाठी मदत करतो. या असाइनमेंटसाठी, RAI डॅशबोर्डच्या काही नमुना [नोटबुक्स](https://github.com/Azure/RAI-vNext-Preview/tree/main/examples/notebooks) एक्सप्लोर करा आणि तुमच्या निरीक्षणांबद्दल एक लेख किंवा सादरीकरण तयार करा. ## मूल्यांकन निकष | निकष | उत्कृष्ट | समाधानकारक | सुधारणा आवश्यक | | -------- | --------- | -------- | ----------------- | | | RAI डॅशबोर्डच्या घटकांवर, चालवलेल्या नोटबुकवर, आणि त्यातून काढलेल्या निष्कर्षांवर चर्चा करणारा लेख किंवा पॉवरपॉइंट सादरीकरण सादर केले आहे | निष्कर्षांशिवाय लेख सादर केला आहे | कोणताही लेख सादर केलेला नाही | --- **अस्वीकरण**: हा दस्तऐवज AI भाषांतर सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) वापरून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात ठेवा की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून उद्भवलेल्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.