무엇입니까? 알고리즘 투명성?

왜곡된 데이터, 가정 또는 모델링 선택으로 인해 발생하는 모델 출력의 체계적 불공평성입니다.

훈련 세트 외부에서 볼 수 없는 새로운 데이터에 대해 모델이 얼마나 잘 수행되는지입니다.

모델 크기, 데이터 또는 컴퓨팅에 따라 성능이 어떻게 향상되는지 보여주는 경험적 관계입니다.

벤치마크 테스트 예시나 유사 변형이 학습 데이터에 있으면 보고된 성능이 부풀려집니다.

데이터가 어디서 왔는지, 어떻게 변환되었는지, 어디에 사용되었는지에 대한 기록입니다.

데이터 세트 또는 모델 아티팩트의 문서화된 출처, 소유권 및 기록입니다.