Разработка системы для выполнения citizen science исследований с использованием подходов машинного обучения

Для современной науки характерно растущее число <<гражданских>> исследований. Такие исследования могут проводиться большим количеством людей, поэтому гражданская наука требует лучшего уровня взаимодействия и коллаборации между участниками. Еще одним важным аспектом для гражданской науки является воспроизводимость исследований, которая позволяет одному ученому точно воспроизвести результаты, полученные другим специалистом. Идея воспроизводимости особенно важна, когда речь идет о бурно развивающейся области науки. В качестве примера такой области можно привести машинное обучение. Специалисты по машинному обучению (или, в более широком смысле, по анализу данных) используют значительное число инструментов (таких как программные библиотеки, утилиты и т.д.), и для получения тех же результатов исследователь должен использовать тот же набор инструментов, что и автор работы, которую нужно воспроизвести. В этой работе представлен проект Everware, который совмещает в себе систему контроля версий (GttHub, GitLab), технику виртуализации (Docker) и платформу для ведения исследований (Jupyter), давая возможность проводить легко воспроизводимые исследования в коллаборативной манере.