Federico Raimondo
Teamleiter am Institut für Neurowissenschaften und Medizin: Gehirn und Verhalten (INM-7), und Research Software Engineer in zahlreichen Softwareprojekten, unter anderem julearn.
julearn: Machine learning for everyone
julearn ist eine nutzerfreundliche Bibliothek für maschinelles Lernen. Die frei verfügbare open source Software erleichtert typische Workflows aus dem Bereich des machinellen Lernens, inklusive Modellevaluation und -vergleich. Mit dieser Python-Bibliothek können Nutzer mühelos selbst komplexe Modelle des maschinellen Lernens erstellen und testen, und gleichzeitig die volle Flexibilität der zugrundeliegenden scikit-learn Bibliothek ausnutzen.
ML-Modelle zu erstellen, auszuwerten, zu reproduzieren und zu interpretieren ist nicht einfach. julearn ermöglicht es Domänenexperten auch ohne gehobene Programmierkenntnisse, komplexe ML-Pipelines für Neuroimaging Daten zu erstellen. Dabei verhindert es typische Nutzerfehler, insbesondere Verzerrungen (bias) durch data leakage. ML- und Neuroimaging Experten können die Bibliothek nichtsdestotrotz leicht erweitern.
Die Vorteile im Überblick:
- Minimales Programmieren: Leichtes Erstellen & Auswerten von Modellen
- Komplexes einfach gemacht: Modellevaluation durch Kreuz-validierung, leichtes Hyperparameter-Tuning
- Robust: Verhindert Nutzerfehler wie Verzerrungen durch data-leakage
- Offen und etabliert: Baut auf modernsten Bibliotheken auf (z.B. scikit-learn)
Eine Übersicht über julearn gibt es auch als übersichtlichen Flyer: Flyer Download