<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
  "translation_date": "2025-09-05T12:34:38+00:00",
  "source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
  "language_code": "my"
}
-->
# တာဝန်ရှိသော AI (RAI) ဒိုင်ဘုတ်ကို လေ့လာပါ

## လမ်းညွှန်ချက်များ

ဒီသင်ခန်းစာမှာ RAI ဒိုင်ဘုတ်အကြောင်းကို သင်လေ့လာခဲ့ပြီး၊ ဒါဟာ "open-source" tools တွေကို အခြေခံပြီး data scientist တွေကို အမှားခွဲခြမ်းစိတ်ဖြာခြင်း၊ ဒေတာလေ့လာခြင်း၊ တရားမျှတမှုအကဲဖြတ်ခြင်း၊ မော်ဒယ်ကိုနားလည်ခြင်း၊ counterfact/what-if အကဲဖြတ်ခြင်းနဲ့ AI စနစ်များအပေါ် causal analysis လုပ်ဆောင်နိုင်ဖို့ အစိတ်အပိုင်းများကို တစ်စုတစ်စည်းတည်းပေးထားတဲ့ suite ဖြစ်ပါတယ်။ ဒီအလုပ်မှာ RAI ဒိုင်ဘုတ်ရဲ့ [notebooks](https://github.com/Azure/RAI-vNext-Preview/tree/main/examples/notebooks) အချို့ကို လေ့လာပြီး သင့်ရဲ့ ရလဒ်တွေကို စာတမ်းတစ်စောင် သို့မဟုတ် တင်ပြချက်တစ်ခုအနေနဲ့ ဖော်ပြပါ။

## အဆင့်သတ်မှတ်ချက်

| အချက်အလက် | ထူးချွန်သော | လုံလောက်သော | တိုးတက်မှုလိုအပ်သော |
| -------- | --------- | -------- | ----------------- |
|          |  RAI ဒိုင်ဘုတ်ရဲ့ အစိတ်အပိုင်းများ၊ run လုပ်ထားတဲ့ notebook နဲ့ run လုပ်ပြီးရရှိတဲ့ အနှိပ်အကြောင်းကို ဆွေးနွေးထားတဲ့ စာတမ်း သို့မဟုတ် powerpoint တင်ပြချက်တစ်ခုကို ဖော်ပြထားသည်        |   အနှိပ်မပါရှိတဲ့ စာတမ်းတစ်စောင်ကို ဖော်ပြထားသည်       |  စာတမ်းမဖော်ပြထားပါ                 |

---

**အကြောင်းကြားချက်**:  
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု [Co-op Translator](https://github.com/Azure/co-op-translator) ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှုအတွက် ကြိုးစားနေသော်လည်း၊ အလိုအလျောက် ဘာသာပြန်မှုများတွင် အမှားများ သို့မဟုတ် မတိကျမှုများ ပါဝင်နိုင်သည်ကို သတိပြုပါ။ မူရင်းစာရွက်စာတမ်းကို ၎င်း၏ မူရင်းဘာသာစကားဖြင့် အာဏာတရားရှိသော အရင်းအမြစ်အဖြစ် ရှုလေ့လာသင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူ့ဘာသာပြန်ပညာရှင်များမှ ပရော်ဖက်ရှင်နယ် ဘာသာပြန်မှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်မှုကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော အလွဲအလွတ်များ သို့မဟုတ် အနားလွဲမှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။