Улучшение пользовательской персонализации для платформы Everware-воспроизводимой научной платформы

Современная наука нуждается в более высоком уровне воспроизводимости. Люди тратят много времени на воспроизведение результатов исследования, уже полученных другими. Воспроизводимость особенно важна, когда речь заходит о быстро развивающейся области науки. Примером такой области может быть машинное обучение. Специалисты по анализу данных используют значительное количество инструментов (таких как библиотеки ПО, утилиты и пр.). Для получения тех же результатов, что и автор, исследователь должен использовать тот же набор инструментов. Чтобы сделать исследование полностью воспроизводимым, необходимо позаботиться о таких аспектах как описание протокола исследований, доступ к данным, сохранение окружающей среды, сохранение рабочего процесса и сценария анализа. Существует несколько платформ, но ни одна из них не решает всех проблем. В дополнение к этому все платформы имеют недостаток в персонализации и пользовательском опыте. В данном проекте рассматривается платформа Everware, которая сочетает в себе систему управления версиями (GttHub, GitLab), технологию виртуализации (Docker) и исследовательскую платформу Jupyter, позволяющую проводить легко воспроизводимые исследования. Результатом проекта являются модули для Everware, позволяющие работать с приватными репозиториями и управлять состояниями исследования. Разработанные модули улучшают пользовательский опыт и персонализацию.