<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
  "translation_date": "2025-09-05T21:37:03+00:00",
  "source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
  "language_code": "th"
}
-->
# สำรวจแดชบอร์ด Responsible AI (RAI)

## คำแนะนำ

ในบทเรียนนี้ คุณได้เรียนรู้เกี่ยวกับแดชบอร์ด RAI ซึ่งเป็นชุดของส่วนประกอบที่สร้างขึ้นจากเครื่องมือ "โอเพ่นซอร์ส" เพื่อช่วยนักวิทยาศาสตร์ข้อมูลในการวิเคราะห์ข้อผิดพลาด สำรวจข้อมูล ประเมินความเป็นธรรม ทำความเข้าใจโมเดล วิเคราะห์สถานการณ์สมมติ/การประเมินแบบ "ถ้าเป็นอย่างนี้จะเป็นอย่างไร" และการวิเคราะห์เชิงสาเหตุในระบบ AI สำหรับงานนี้ ให้คุณสำรวจตัวอย่าง [notebooks](https://github.com/Azure/RAI-vNext-Preview/tree/main/examples/notebooks) ของแดชบอร์ด RAI และรายงานผลการค้นพบในรูปแบบเอกสารหรือการนำเสนอ

## เกณฑ์การประเมิน

| เกณฑ์ | ดีเยี่ยม | พอใช้ | ต้องปรับปรุง |
| -------- | --------- | -------- | ----------------- |
|          | มีการนำเสนอเอกสารหรือสไลด์ที่พูดถึงส่วนประกอบของแดชบอร์ด RAI, notebook ที่ได้ทดลองใช้งาน และข้อสรุปที่ได้จากการทดลองใช้งาน        | มีการนำเสนอเอกสารแต่ไม่มีข้อสรุป       | ไม่มีการนำเสนอเอกสาร                 |

---

**ข้อจำกัดความรับผิดชอบ**:  
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI [Co-op Translator](https://github.com/Azure/co-op-translator) แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่แม่นยำ เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้บริการแปลภาษาจากผู้เชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดซึ่งเกิดจากการใช้การแปลนี้