Dada la creciente cantidad de decisiones importantes derivadas de grandes conjuntos de datos, ya sea directamente o como entrada de entrenamiento para los modelos de machine learning, es importante comprender las diferencias, errores y posibles inconsistencias en sus datos. El proyecto Facets de Google proporciona dos herramientas útiles en este espacio: Facets Overview y Facets Dive. Facets Overview visualiza la distribución de valores para las características en un conjunto de datos, puede mostrar un sesgo de conjunto de entrenamiento y validación y puede usarse para comparar múltiples conjuntos de datos; Facets Dive es para profundizar y visualizar puntos de datos individuales en grandes conjuntos de datos, utilizando diferentes dimensiones visuales para explorar las relaciones entre los atributos. Ambas son herramientas útiles para llevar a cabo pruebas de sesgo ético.
