O mundo do aprendizado de m¨¢quina mudou levemente sua ¨ºnfase de explorar do que os modelos s?o capazes de entender para como eles fazem isso. Preocupa??es sobre introdu??o de vieses ou generalizar demais a aplicabilidade do modelo resultou em novas ferramentas interessantes, tais como (WIT). Essa ferramenta ajuda cientistas de dados a mergulhar no comportamento de um modelo e visualizar o impacto que v¨¢rias funcionalidades e conjuntos de dados t¨ºm no resultado. Introduzida pelo Google e dispon¨ªvel tanto por meio do ou de notebooks Jupyter, WIT simplifica as tarefas de comparar modelos, partir conjuntos de dados, visualizar facetas e editar pontos de dados individuais. Apesar de WIT simplificar a execu??o dessas an¨¢lises, ainda ¨¦ necess¨¢rio um profundo entendimento de matem¨¢tica e teoria por tr¨¢s dos modelos. ? uma ferramenta para cientistas de dados obterem insights mais profundos sobre o comportamento do modelo. Usu¨¢rios ing¨ºnuos n?o devem esperar que qualquer ferramenta remova o risco ou minimize os danos resultantes de um algoritmo mal treinado.
