Présentation

Dans cet atelier, vous allez apprendre à limiter le biais à l'aide de la technique MinDiff en vous appuyant sur la bibliothèque TensorFlow Model Remediation.

Objectifs de la formation

1. Explorer l'ensemble de données textuelles sur la toxicité
2. Créer et entraîner un modèle de classification de la toxicité
3. Vérifier si le modèle comporte un biais en représentant les résultats de prédiction sous forme graphique
4. Appliquer la technique MinDiff à l'aide de la bibliothèque TensorFlow Model Remediation
5. Comparer le résultat obtenu avec les modèles de référence et MinDiff

Tâche 0 : Préparation

Pour chaque atelier, nous vous attribuons un nouveau projet Google Cloud et un nouvel ensemble de ressources pour une durée déterminée, sans frais.

1. Connectez-vous à Qwiklabs dans une fenêtre de navigation privée.

2. Vérifiez le temps imparti pour l'atelier (par exemple : 01:15:00) : vous devez pouvoir le terminer dans ce délai.
   Une fois l'atelier lancé, vous ne pouvez pas le mettre en pause. Si nécessaire, vous pourrez le redémarrer, mais vous devrez tout reprendre depuis le début.

3. Lorsque vous êtes prêt, cliquez sur Démarrer l'atelier.

4. Notez vos identifiants pour l'atelier (Nom d'utilisateur et Mot de passe). Ils vous serviront à vous connecter à Google Cloud Console.

5. Cliquez sur Ouvrir la console Google.

6. Cliquez sur Utiliser un autre compte, puis copiez-collez les identifiants de cet atelier lorsque vous y êtes invité.
   Si vous utilisez d'autres identifiants, des messages d'erreur s'afficheront ou des frais seront appliqués.

7. Acceptez les conditions d'utilisation et ignorez la page concernant les ressources de récupération des données.

Activer l'API Notebooks

1. Dans la console Google Cloud, accédez au menu de navigation, puis cliquez sur API et services > Bibliothèque.

2. Recherchez API Notebooks et appuyez sur ENTRÉE.

3. Cliquez sur le résultat API Notebooks, puis sur Activer si l'API n'est pas activée.

Activer l'API Vertex AI

1. Dans la console Google Cloud, accédez au menu de navigation, puis cliquez sur Vertex AI > Tableau de bord.

2. Cliquez sur ACTIVER TOUTES LES API RECOMMANDÉES.

Cliquez sur Vérifier ma progression pour valider l'objectif. Activer les API Notebooks et Vertex AI

Tâche 1 : Ouvrir une instance Vertex AI Workbench

1. Dans la console Google Cloud, accédez au menu de navigation et cliquez sur Vertex AI > Workbench.

2. Sur la page Notebooks gérés par l'utilisateur, cliquez sur CRÉER et sélectionnez TensorFlow Enterprise 2.12 (Intel® MKL-DNN/MKL).

3. Utilisez la zone et la région par défaut : . Laissez les autres paramètres tels quels, puis cliquez sur Créer. Le démarrage de la nouvelle VM prend deux à trois minutes.

4. Cliquez sur Ouvrir JupyterLab. Une fenêtre JupyterLab s'ouvre dans un nouvel onglet.

Cliquez sur Vérifier ma progression pour valider l'objectif. Créer une instance Vertex AI Workbench

Tâche 2 : Cloner un dépôt du cours dans votre instance Vertex AI Workbench

Pour cloner le notebook dans votre instance JupyterLab :

1. Dans JupyterLab, ouvrez une nouvelle fenêtre de terminal.

2. À l'invite, exécutez la commande suivante :

3. Pour vérifier que vous avez bien cloné le dépôt, double-cliquez sur le répertoire asl-ml-immersion et assurez-vous que vous pouvez voir son contenu. Vous y trouverez les fichiers de tous les ateliers de ce cours basés sur des notebooks Jupyter.

Cliquez sur Vérifier ma progression pour valider l'objectif. Cloner le dépôt du cours dans votre instance de notebook Vertex AI Platform

Tâche 3 : Limiter le biais à l'aide de la bibliothèque TensorFlow Model Remediation

1. Dans l'interface du notebook, accédez à asl-ml-immersion > notebooks > responsible_ai > fairness > solutions et ouvrez min_diff_keras.ipynb.

2. Dans l'interface du notebook, cliquez sur Modifier > Supprimer tous les résultats.

3. Parcourez le notebook et lisez attentivement les instructions qu'il contient.

Remarque : Pour exécuter la cellule actuellement sélectionnée, cliquez dessus et appuyez sur MAJ+ENTRÉE. Vous trouverez les autres commandes de cellule dans l'interface du notebook, sous Exécuter.

Terminer l'atelier

Une fois l'atelier terminé, cliquez sur End Lab (Terminer l'atelier). Qwiklabs supprime les ressources que vous avez utilisées, puis efface le compte.

Si vous le souhaitez, vous pouvez noter l'atelier. Sélectionnez le nombre d'étoiles correspondant à votre note, saisissez un commentaire, puis cliquez sur Submit (Envoyer).

Le nombre d'étoiles que vous pouvez attribuer à un atelier correspond à votre degré de satisfaction :

• 1 étoile = très mécontent(e)
• 2 étoiles = insatisfait(e)
• 3 étoiles = ni insatisfait(e), ni satisfait(e)
• 4 étoiles = satisfait(e)
• 5 étoiles = très satisfait(e)

Si vous ne souhaitez pas donner votre avis, vous pouvez fermer la boîte de dialogue.

Pour soumettre des commentaires, suggestions ou corrections, veuillez utiliser l'onglet Support (Assistance).

Copyright 2020 Google LLC Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.