XAI – eXplainableAI 

PRENDRE RENDEZ-VOUS EN XAI est une bibliothèque d’apprentissage automatique conçue avec l’explicabilité de l’IA en son cœur. XAI contient divers outils permettant l’analyse et l’évaluation des données et des modèles. La bibliothèque XAI est gérée par l’Institute for Ethical AI & ML et a été développée sur la base des 8 principes de l’apprentissage automatique …

woe 

PRENDRE RENDEZ-VOUS EN Outils de transformation WoE principalement utilisés dans le modèle ScoreCard pour la notation de crédit Caractéristiques Arbre divisé avec critère IV Méthodes d’évaluation de modèles riches et abondantes Format unifié et facile à produire Stockage de l’arbre IV pour une utilisation ultérieure Site officiel Lien Tutoriel et documentation Cliquez ici pour afficher …

TreeInterpreter 

PRENDRE RENDEZ-VOUS EN Package pour interpréter l’arbre de décision de scikit-learn et les prédictions forestières aléatoires. Permet de décomposer chaque prédiction en composants de biais et de contribution aux fonctionnalités, comme décrit dans http://blog.datadive.net/interpreting-random-forests/. Pour un ensemble de données avec n fonctionnalités, chaque prédiction sur l’ensemble de données est décomposée comme prédiction = biais + …

themis-ml  

PRENDRE RENDEZ-VOUS EN themis-ml définit la discrimination comme la préférence (préjugé) pour ou contre un ensemble de groupes sociaux qui entraîne un traitement injuste de ses membres en ce qui concerne un résultat. Il définit l’équité comme l’inverse de la discrimination et, dans le contexte d’un algorithme d’apprentissage automatique, celle-ci est mesurée par la mesure …

Themis 

PRENDRE RENDEZ-VOUS EN Themis est une bibliothèque de services cryptographiques open source de haut niveau permettant de sécuriser les données lors de l’authentification, du stockage, de la messagerie, de l’échange réseau, etc. Themis résout 90 % des cas d’utilisation typiques de la protection des données, courants pour la plupart des applications. Themis aide à créer …

tensorflow’s Model Analysis 

PRENDRE RENDEZ-VOUS EN TensorFlow Model Analysis (TFMA) est une bibliothèque permettant d’évaluer les modèles TensorFlow. Il permet aux utilisateurs d’évaluer leurs modèles sur de grandes quantités de données de manière distribuée, en utilisant les mêmes métriques définies dans leur entraîneur. Ces métriques peuvent être calculées sur différentes tranches de données et visualisées dans les notebooks …

tensorflow’s lucid 

PRENDRE RENDEZ-VOUS EN Lucid est un ensemble d’infrastructures et d’outils pour la recherche sur l’interprétabilité des réseaux neuronaux. Nous ne prenons actuellement pas en charge Tensorflow 2 ! Si vous souhaitez utiliser lucid dans colab qui est par défaut tensorflow 2, ajoutez cette magie à une cellule avant d’importer tensorflow : %tensorflow_version 1.x Lucid est …

Tensorflow’s cleverhans

PRENDRE RENDEZ-VOUS EN Ce référentiel contient le code source de CleverHans, une bibliothèque Python permettant d’évaluer la vulnérabilité des systèmes d’apprentissage automatique face à des exemples contradictoires. Vous pouvez en savoir plus sur ces vulnérabilités sur le blog ci-joint. La bibliothèque CleverHans est en développement continu, accueillant toujours les contributions des dernières attaques et défenses. …

Tensorboard’s Tensorboard WhatIf

PRENDRE RENDEZ-VOUS EN L’outil What-If (WIT) fournit une interface facile à utiliser pour approfondir la compréhension des modèles ML de classification et de régression par boîte noire. Avec le plugin, vous pouvez effectuer des inférences sur un large éventail d’exemples et visualiser immédiatement les résultats de différentes manières. De plus, les exemples peuvent être modifiés …

Snitch ai

PRENDRE RENDEZ-VOUS EN Validation scientifique automatisée de vos modèles ML en quelques clics. Validation experte de vos modèles pour que vous puissiez les déployer en toute confiance. Maximisez le retour sur investissement de vos investissements en IA. Snitch AI simplifie la validation du modèle ML Caractéristiques Dérive des données Biais des fonctionnalités Sensibilité au bruit …

Enter your contact information to continue reading