# ഉത്തരവാദിത്വമുള്ള AI (RAI) ഡാഷ്ബോർഡ് അന്വേഷിക്കുക ## നിർദ്ദേശങ്ങൾ ഈ പാഠത്തിൽ നിങ്ങൾ RAI ഡാഷ്ബോർഡിനെക്കുറിച്ച് പഠിച്ചു, ഇത് "ഓപ്പൺ-സോഴ്‌സ്" ടൂളുകളിൽ നിർമ്മിച്ച ഘടകങ്ങളുടെ ഒരു സ്യൂട്ട് ആണ്, ഡാറ്റാ സയന്റിസ്റ്റുകൾക്ക് AI സിസ്റ്റങ്ങളിൽ പിശക് വിശകലനം, ഡാറ്റാ അന്വേഷണ, നീതിമാനായ വിലയിരുത്തൽ, മോഡൽ വ്യാഖ്യാനം, കൗണ്ടർഫാക്റ്റ്/എന്തായിരിക്കും വിലയിരുത്തലുകൾ, കാരണപരമായ വിശകലനം എന്നിവ നടത്താൻ സഹായിക്കുന്നു." ഈ അസൈൻമെന്റിനായി, RAI ഡാഷ്ബോർഡിന്റെ ചില സാമ്പിൾ [നോട്ട്ബുക്കുകൾ](https://github.com/Azure/RAI-vNext-Preview/tree/main/examples/notebooks) പരിശോധിച്ച് നിങ്ങളുടെ കണ്ടെത്തലുകൾ ഒരു പേപ്പർ അല്ലെങ്കിൽ പ്രეზന്റേഷനിൽ റിപ്പോർട്ട് ചെയ്യുക. ## റൂബ്രിക് | മാനദണ്ഡം | ഉദാഹരണമായത് | മതിയായത് | മെച്ചപ്പെടുത്തേണ്ടത് | | -------- | --------- | -------- | ----------------- | | | RAI ഡാഷ്ബോർഡിന്റെ ഘടകങ്ങൾ, പ്രവർത്തിപ്പിച്ച നോട്ട്ബുക്ക്, അതിൽ നിന്നുള്ള നിഗമനങ്ങൾ ചർച്ച ചെയ്യുന്ന ഒരു പേപ്പർ അല്ലെങ്കിൽ പവർപോയിന്റ് പ്രეზന്റേഷൻ അവതരിപ്പിക്കുന്നു | നിഗമനങ്ങൾ ഇല്ലാതെ ഒരു പേപ്പർ അവതരിപ്പിക്കുന്നു | ഒരു പേപ്പർ അവതരിപ്പിക്കുന്നില്ല | --- **അസൂയാപത്രം**: ഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, യന്ത്രം ചെയ്ത വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖ അധികാരപരമായ ഉറവിടമായി കണക്കാക്കപ്പെടണം. നിർണായക വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.