TensorFlow Model Analysis (TFMA) est une bibliothèque permettant d’effectuer une évaluation de modèle sur différentes tranches de données. TFMA effectue ses calculs de manière distribuée sur de grandes quantités de données à l’aide d’Apache Beam.

Cet exemple de notebook Colab illustre comment TFMA peut être utilisé pour étudier et visualiser les performances d’un modèle en ce qui concerne les caractéristiques de l’ensemble de données. Nous utiliserons un modèle que nous avons formé précédemment, et maintenant vous pourrez jouer avec les résultats ! Le modèle que nous avons formé concernait l’exemple de Chicago Taxi, qui utilise l’ensemble de données Taxi Trips publié par la ville de Chicago. Explorez l’ensemble de données complet dans l’interface utilisateur BigQuery.

En tant que modélisateur et développeur, réfléchissez à la manière dont ces données sont utilisées ainsi qu’aux avantages et inconvénients potentiels que les prédictions d’un modèle peuvent entraîner. Un modèle comme celui-ci pourrait renforcer les préjugés et les disparités sociétales. Une fonctionnalité est-elle pertinente pour le problème que vous souhaitez résoudre ou introduira-t-elle un biais ? Pour plus d’informations, lisez sur l’équité du ML.