Die Arbeit von #ABCD_J zum Thema vertrauenswürdiges #Machine_Learning, darunter auch #JuLearn, steht in engem Zusammenhang mit der ethischen Forschung zu medizinischer #KI am @fzj. Dieser Zusammenhang ist ein Schwerpunkt der Gruppe #Neuroethik und Ethik in der KI und ihrer Vortragsreihe Phil.Tech.Talks.

Erfahren Sie mehr über die Zusammenhänge zwischen ⚖️ #Ethik, 🤖 KI, und 🧠 #Neurowissenschaftenhttps://abcd-j.de/de/news/2026-philtechtalks/

#ML #AI

Übrigens: Wenn auch Sie mit den technischen Lösungen des #ABCD_J Projekts arbeiten wollen, gibt es keine Hindernisse: Unsere #Software steht zur freien Verfügung. Außerdem gibt es regelmäßige virtuelle #Sprechstunden zum Austausch mit Interessierten: https://www.fz-juelich.de/de/inm/inm-7/leistungen/tools/virtuelle-sprechstunden

#Open_Source_Software #JuLearn @datalad #JTrack

Virtuelle Sprechstunden

Unterschiedliche Arbeitsgruppen bieten regelmäßige virtuelle Sprechstunden an, die zum Austausch einladen und auch Außenstehenden offen stehen.

🏆 #JuLearn – eine #ML #Python Bibliothek im #ABCD_J #Open_Source_Software Stack – wird als @fzj #JuRSE (Jülich Research Software Engineering) #Code of the Month für Mai 2025 vorgestellt! Lesen Sie mehr auf der JuRSE-Website: https://www.fz-juelich.de/en/rse/community-initiatives/jurse-code-of-the-month/may-2025.

#Machine_Learning #Software #RSE

JuRSE Code of the Month - May 2025

Gibt es eine Rolle für #AI in dem #ABCD_J Projekt? Ja! Und #JuLearn (https://juaml.github.io/julearn/main/index.html) -- eine #Open_Source_Software, die auf @sklearn aufbaut -- ist die Art und Weise, wie wir sie implementieren. Die JuLearn #Python Bibliothek ermöglicht es Nutzern, #ML Modelle aus @pandas_dev DataFrames zu testen, indem sie die Menge des notwendigen Codes minimiert und Datenlecks vermeidet. Sie fördert verzerrungsfreie Methoden und Ergebnisse, die konsequent auf Verallgemeinerbarkeit getestet werden.
julearn documentation