Descripción general

Con este lab aprenderás a mitigar los sesgos con la técnica de MinDiff, que utiliza la biblioteca Model Remediation de TensorFlow.

Objetivos de aprendizaje

1. Explorar el conjunto de datos de toxicidad de texto
2. Compilar y entrenar un modelo de clasificación de toxicidad
3. Comprobar el sesgo del modelo trazando los resultados de la predicción
4. Aplicar la técnica MinDiff con la biblioteca Model Remediation de TensorFlow
5. Comparar el resultado entre los modelos de referencia y MinDiff

Tarea 0. Configuración y requisitos

En cada lab, recibirá un proyecto de Google Cloud y un conjunto de recursos nuevos por tiempo limitado y sin costo adicional.

1. Accede a Qwiklabs desde una ventana de incógnito.

2. Ten en cuenta el tiempo de acceso del lab (por ejemplo, 1:15:00) y asegúrate de finalizarlo en el plazo asignado.
   No existe una función de pausa. Si lo necesita, puede reiniciar el lab, pero deberá hacerlo desde el comienzo.

3. Cuando esté listo, haga clic en Comenzar lab.

4. Anote las credenciales del lab (el nombre de usuario y la contraseña). Las usarás para acceder a la consola de Google Cloud.

5. Haga clic en Abrir Google Console.

6. Haga clic en Usar otra cuenta, copie las credenciales para este lab y péguelas en el mensaje emergente que aparece.
   Si usa otras credenciales, se generarán errores o incurrirá en cargos.

7. Acepta las condiciones y omite la página de recursos de recuperación.

Habilita la API de Notebooks

1. En el menú de navegación de la consola de Google Cloud, haz clic en APIs y servicios > Biblioteca.

2. Busca API de Notebooks y presiona INTRO.

3. Haz clic en el resultado API de Notebooks y, si la API no está habilitada, haz clic en Habilitar.

Habilita la API de Vertex AI

1. En el menú de navegación de la consola de Google Cloud, haz clic en Vertex AI > Panel.

2. Haz clic en HABILITAR TODAS LAS APIS RECOMENDADAS.

Haz clic en Revisar mi progreso para verificar el objetivo. Habilitar las APIs de Notebooks y Vertex AI

Tarea 1. Abre la instancia de Vertex AI Workbench

1. En el menú de navegación de la consola de Google Cloud, haz clic en Vertex AI > Workbench.

2. En la página Notebooks administrados por el usuario, haz clic en CREAR NUEVO y selecciona TensorFlow Enterprise 2.12 (Intel® MKL-DNN/MKL).

3. Usa la región y la zona predeterminadas: . Deja la configuración restante con sus valores predeterminados y, luego, haz clic en Crear. La VM nueva tardará 2 o 3 minutos en iniciarse.

4. Haz clic en Open JupyterLab. Se abrirá en una pestaña nueva.

Haz clic en Revisar mi progreso para verificar el objetivo. Crear una instancia de Vertex AI Workbench

Tarea 2. Clona el repo de un curso en tu instancia de Vertex AI Workbench

Sigue estos pasos para clonar el notebook en tu instancia de JupyterLab:

1. En JupyterLab, abre una nueva ventana de terminal.

2. En la ventana de la línea de comandos, ejecuta el siguiente comando:

3. Para verificar que se haya clonado el repositorio, haz doble clic en el directorio asl-ml-immersion y confirma que puedes ver el contenido. Los archivos de los labs de Jupyter basados en notebooks de este curso se encuentran en este directorio.

Haz clic en Revisar mi progreso para verificar el objetivo. Clonar el repo del curso en tu instancia de Vertex AI Workbench

Tarea 3. Usa Model Remediation de TensorFlow para mitigar los sesgos

1. En la interfaz del notebook, navega a asl-ml-immersion > notebooks > responsible_ai > fairness > solutions y abre min_diff_keras.ipynb.

2. En la interfaz del notebook, haz clic en Editar > Borrar todos los resultados.

3. Lee con atención las instrucciones del notebook y ejecútalo.

Sugerencia: Para ejecutar la celda actual, haz clic en ella y presiona MAYÚSCULAS + INTRO. Podrás encontrar detallados otros comandos de la celda en la IU del notebook, en Ejecutar.

Finalice su lab

Cuando haya completado su lab, haga clic en Finalizar lab. Qwiklabs quitará los recursos que usó y limpiará la cuenta por usted.

Tendrá la oportunidad de calificar su experiencia en el lab. Seleccione la cantidad de estrellas que corresponda, ingrese un comentario y haga clic en Enviar.

La cantidad de estrellas indica lo siguiente:

• 1 estrella = Muy insatisfecho
• 2 estrellas = Insatisfecho
• 3 estrellas = Neutral
• 4 estrellas = Satisfecho
• 5 estrellas = Muy satisfecho

Puede cerrar el cuadro de diálogo si no desea proporcionar comentarios.

Para enviar comentarios, sugerencias o correcciones, use la pestaña Asistencia.

Copyright 2020 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.