Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Interprétabilité sur AWS
Vous pouvez utiliser des instances Jupyter gérées par Amazon SageMaker AI pour installer facilement des modules Python via Conda et. pip Pour plus d'informations sur les packages Python pour SHAP et les méthodes intégrées basées sur les dégradés, consultez la section Ressources. Pour les petites tâches et les tests locaux sur une instance SageMaker AI Jupyter, l'utilisation des méthodes de ces packages Python peut être suffisante. Si vous utilisez un modèle géré par l' SageMaker SageMaker IA, AI Clarify propose des méthodes pratiques pour lancer Kernel SHAP sur une instance dédiée et décharger les calculs pendant qu'un développeur de modèles continue de travailler sur son instance Jupyter. Pour plus d'informations, consultez la section Créer des lignes de base d'attributs d'entités et des rapports d'explicabilité dans la documentation de l' SageMaker IA.
