<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
  "translation_date": "2025-09-03T17:33:11+00:00",
  "source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
  "language_code": "zh"
}
-->
# 探索负责任人工智能（RAI）仪表板

## 说明

在本课程中，您学习了RAI仪表板，这是一个基于“开源”工具构建的组件套件，旨在帮助数据科学家进行错误分析、数据探索、公平性评估、模型可解释性、反事实/假设评估以及人工智能系统的因果分析。作为本次作业的一部分，请探索一些RAI仪表板的示例[笔记本](https://github.com/Azure/RAI-vNext-Preview/tree/main/examples/notebooks)，并在论文或演示文稿中报告您的发现。

## 评分标准

| 标准 | 优秀 | 合格 | 需要改进 |
| -------- | --------- | -------- | ----------------- |
|          | 提交了一份讨论RAI仪表板组件、运行的笔记本以及从中得出的结论的论文或PPT演示文稿 | 提交了一份没有结论的论文 | 未提交论文 |

---

**免责声明**：  
本文档使用AI翻译服务[Co-op Translator](https://github.com/Azure/co-op-translator)进行翻译。尽管我们努力确保准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原始语言的文档作为权威来源。对于关键信息，建议使用专业人工翻译。因使用本翻译而导致的任何误解或误读，我们概不负责。