Taija 项目
Taija 组织致力于托管面向 Julia 中可信赖人工智能的软件。Taija 目前涵盖了使 AI 系统更值得信赖的各种方法。
模型可解释性 (CounterfactualExplanations.jl)
算法追溯 (CounterfactualExplanations.jl, AlgorithmicRecourseDynamics.jl)
预测不确定性量化 (ConformalPrediction.jl, LaplaceRedux.jl)
轻松贝叶斯深度学习 (LaplaceRedux.jl)
混合学习 (JointEnergyModels.jl)
可以使用各种元包来扩展核心功能
绘图 (TaijaPlotting.jl)
用于测试和基准测试的数据集 (TaijaData.jl)
与其他编程语言的互操作性 (TaijaInteroperability.jl)
与其他组织有高度重叠，您可能也感兴趣：
使用 MLJ.jl 的项目 - 更多传统的机器学习项目
使用 FluxML 的项目 - 关于 Flux.jl 的项目，它是 Julia 深度学习生态系统的基石
项目 1：共形预测遇见贝叶斯（预测不确定性）
项目概述：ConformalPrediction.jl 是一个用于通过共形预测进行机器学习模型预测不确定性量化的包。该项目旨在通过添加对 共形（化）贝叶斯 的支持来增强 ConformalPrediction.jl。
导师：Patrick Altmeyer 和/或 Mojtaba Farmanbar
项目难度：中等
预计时长：175 小时
理想候选人画像
Julia 的基础知识或类似编程语言（R、Python、MATLAB 等）的扎实知识
对贝叶斯方法有良好的理解
共形预测的基础知识
项目目标和交付成果
项目 2：反事实回归（模型可解释性）
项目概述：CounterfactualExplanations.jl 是一个用于 Julia 中反事实解释和算法追溯的包。该项目旨在将包的功能扩展到 回归模型。
项目难度：困难
预计时长：350 小时
理想候选人画像
有 Julia 和多重分派的经验是优势，但不是关键
良好的机器学习和统计学知识
对监督模型（分类和回归）有扎实的理解
项目目标和交付成果
项目 3：大型语言模型的反事实（模型可解释性 和 生成式 AI）
项目概述：该项目旨在将 CounterfactualExplanations.jl 的功能扩展到大型语言模型 (LLM)。作为其基础，还需要实现对 LLM 特征归因的计算支持。该项目将对 Taija 和 JuliaGenAI 都有贡献。
导师：Patrick Altmeyer (Taija) 和 Jan Siml (JuliaGenAI)
项目难度：中等
预计时长：175 小时
理想候选人画像
有 Julia 和多重分派的经验是优势，但不是关键
良好的机器学习和统计学知识
对大型语言模型 (LLM) 有良好的理解
理想情况下，之前有使用 Transformers.jl 的经验
项目目标和交付成果
仔细考虑架构选择：我们如何将对 LLM 的支持融入 CounterfactualExplanations.jl 的现有代码库？
全面测试和记录您的工作
项目 4：从反事实到干预（通过最小因果干预实现追溯）
项目概述：此扩展旨在通过整合一个用于通过最小因果干预生成可操作追溯的模块来增强 CounterfactualExplanations.jl 包。
导师：Patrick Altmeyer (Taija) 和 Moritz Schauer (CausalInference.jl)
项目难度：困难
预计时长：350 小时
理想候选人画像
Julia 经验
因果关系背景和熟悉反事实推理。
最小干预和因果图构建的基本知识。
项目目标和交付成果
仔细考虑架构选择：我们如何将对因果干预的支持融入现有的代码库？
开发可以将因果图构建与其他 Julia 库（如 Graphs.jl、GraphPlot.jl 和 CausalInference.jl）集成的代码。
使用结构化因果模型 (SCM) 实现最小干预的当前最先进方法。
全面测试和记录您的工作。
关于我们
Patrick Altmeyer 是代尔夫特理工大学可信赖人工智能专业的博士候选人，研究计算机科学与金融的交叉领域。他曾在 JuliaCon 2022 和 2023 年发表了与 Taija 相关的研究成果。在过去的一年中，Patrick 指导了代尔夫特理工大学的多个学生团队，他们在 Taija 项目中做出了重大贡献。
如何联系我们
我们很乐意倾听您的想法并与您讨论潜在的项目。
最简单的方法可能是加入我们的 JuliaLang Slack 并加入 #taija 频道。您也可以在我们的组织 repo 上发布 GitHub Issue。
