详细内容或原文请订阅后点击阅览
一个异常检测框架任何人都可以使用
博士生Sarah Alnegheimish希望使机器学习系统易于访问。
来源:MIT新闻 - 人工智能Sarah Alnegheimish的研究兴趣位于机器学习与系统工程的交集。她的目标是：使机器学习系统更容易访问，透明和值得信赖。
Alnegheimish是主要研究科学家Kalyan Veeramachaneni在MIT的信息和决策系统实验室（LIDS）中的数据对ai集团的博士生。在这里，她将自己的大部分精力投入开发Orion，这是一个开源，用户友好的机器学习框架和时间序列库，该库能够在大型工业和运营环境中检测无主管的异常。
早期影响
是大学教授的女儿和一名教师教育者，她从很小的时候就了解到知识是可以自由分享的。 “我认为在一个高度重视教育的家庭中长大是我想让机器学习工具访问的部分原因。” Alnegheimish在开源资源中的个人经历只会增加她的动力。 “我学会了将可访问性视为采用的关键。要努力追求影响，需要由需要它的人访问和评估新技术。这是进行开源开发的全部目的。”
Alnegheimish在国王沙特大学（KSU）获得了学士学位。 “我当时是计算机科学专业的第一个队列。在创建该程序之前，唯一的其他可用专业是IT [信息技术]。”成为第一个队列的一部分令人兴奋，但它带来了自己独特的挑战。 “所有的教师都在教授新材料。成功需要独立的学习经验。那是我第一次遇到麻省理工学院的opencourseware：作为自学的资源。”
创建Orion
重新利用异常检测模型
可访问的设计