AI 解决方案的负责任开发，以实现公平性、可靠性、可解释性
AI 解决方案的负责任使用，方法是应用指南以优化性能，同时在部署时最大限度地减少损害
AI 解决方案的负责任治理，以实现透明度和问责，从而达到积极的结果
使用 Azure 机器学习通过负责任 AI 仪表板评估你的机器学习模型。使用可重现和自动化的工作流，评估模型的公平性、可解释性、错误分析、因果分析、模型性能、探索性数据分析。
在负责任 AI 仪表板中使用因果分析进行实际干预和决策。在部署时为 Azure 机器学习工作区中训练的机器学习模型生成负责任 AI 记分卡。
将机器学习模型的负责任 AI 记分卡导出为 PDF，情景化负责任 AI 指标。将它与技术和非技术受众共享，让利益相关者参与进来，简化合规性审查。
相关产品
Azure 机器学习
使用端到端机器学习生命周期的企业级服务
Azure 认知服务
将高质量 AI 模型部署为 API
资源和文档
通过 Azure 培养机器学习技能
了解有关 Azure 上的机器学习的详细信息，并参与为期 30 天的学习旅程的实践教程。结束时，你将准备好应战 Azure 数据科学家助理认证。
客户正在将负责任 AI 付诸实践
Justin Green 博士，英格兰北部健康教育协会领导和管理研究员，骨科外科注册医师"With Azure Machine Learning and the Responsible AI dashboard, we have the tools we need to understand, refine, and explain our outcomes so we can better serve our patients."
EY 加拿大合伙人和咨询数据、分析、AI 负责人 Alex Mohelsky"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."
Scandinavian Airlines (SAS)数据分析和 AI 主管 Daniel Engberg"With model interpretability in Azure Machine Learning, we have a high degree of confidence that our machine learning model is generating meaningful and fair results."
