Über uns#

Historie#

Dieses Projekt wurde 2007 als Google Summer of Code-Projekt von David Cournapeau gestartet. Später im selben Jahr begann Matthieu Brucher im Rahmen seiner Abschlussarbeit mit der Arbeit an diesem Projekt.

Im Jahr 2010 übernahmen Fabian Pedregosa, Gael Varoquaux, Alexandre Gramfort und Vincent Michel vom INRIA die Führung des Projekts und veröffentlichten am 1. Februar 2010 die erste öffentliche Version. Seitdem sind mehrere Versionen im ungefähren Zyklus von 3 Monaten erschienen, und eine lebendige internationale Gemeinschaft hat die Entwicklung vorangetrieben. Infolgedessen hält INRIA das Urheberrecht an den Arbeiten, die von Mitarbeitern des INRIA zum Zeitpunkt des Beitrags geleistet wurden.

Governance#

Der Entscheidungsprozess und die Governance-Struktur von scikit-learn, wie Rollen und Verantwortlichkeiten, sind im Governance-Dokument dargelegt.

Die Leute hinter scikit-learn#

scikit-learn ist ein Gemeinschaftsprojekt, das von einer großen Gruppe von Menschen auf der ganzen Welt entwickelt wird. Einige Kern-Beitragsteams, die unten aufgeführt sind, spielen zentrale Rollen, eine vollständigere Liste der Mitwirkenden finden Sie jedoch auf GitHub.

Aktive Kern-Mitwirkende#

Maintainer-Team#

Die folgenden Personen sind derzeit Maintainer und verantwortlich für die Konsolidierung der Entwicklung und Wartung von scikit-learn.


Jérémie du Boisberranger


Loïc Estève


Thomas J. Fan


Alexandre Gramfort


Olivier Grisel


Tim Head


Adrin Jalali


Julien Jerphanion


Guillaume Lemaitre


Adam Li


Lucy Liu


Christian Lorentzen


Andreas Mueller


Joel Nothman


Omar Salman


Stefanie Senger


Gael Varoquaux


Yao Xiao


Meekail Zain

Hinweis

Bitte senden Sie den Autoren keine E-Mails, um Hilfe zu erhalten oder Probleme zu melden. Lesen Sie stattdessen Wie stelle ich Fragen zu scikit-learn am besten im FAQ.

Siehe auch

Wie Sie zum Projekt beitragen können.

Dokumentations-Team#

Die folgenden Personen helfen bei der Dokumentation des Projekts.


Arturo Amor


Lucy Liu


Maren Westermann


Yao Xiao

Contributor Experience Team#

Die folgenden Personen sind aktive Mitwirkende, die auch bei der Triage von Issues und PRs sowie bei der allgemeinen Wartung helfen.


Virgil Chan


Juan Carlos Alfaro Jiménez


Maxwell Liu


Juan Martin Loyola


Dea María Léon


Sylvain Marié


Norbert Preining


Reshama Shaikh


Albert Thomas


Maren Westermann

Kommunikations-Team#

Die folgenden Personen helfen bei der Kommunikation rund um scikit-learn.


Lauren Burke-McCarthy


François Goupil

Emeritus Kern-Mitwirkende#

Emeritus Maintainer-Team#

Die folgenden Personen waren in der Vergangenheit aktive Mitwirkende, sind aber nicht mehr aktiv im Projekt.

  • Mathieu Blondel

  • Joris Van den Bossche

  • Matthieu Brucher

  • Lars Buitinck

  • David Cournapeau

  • Noel Dawe

  • Vincent Dubourg

  • Edouard Duchesnay

  • Alexander Fabisch

  • Virgile Fritsch

  • Satrajit Ghosh

  • Angel Soler Gollonet

  • Chris Gorgolewski

  • Jaques Grobler

  • Yaroslav Halchenko

  • Brian Holt

  • Nicolas Hug

  • Arnaud Joly

  • Thouis (Ray) Jones

  • Kyle Kastner

  • Manoj Kumar

  • Robert Layton

  • Wei Li

  • Paolo Losi

  • Gilles Louppe

  • Jan Hendrik Metzen

  • Vincent Michel

  • Jarrod Millman

  • Vlad Niculae

  • Alexandre Passos

  • Fabian Pedregosa

  • Peter Prettenhofer

  • Hanmin Qin

  • (Venkat) Raghav, Rajagopalan

  • Jacob Schreiber

  • 杜世橋 Du Shiqiao

  • Bertrand Thirion

  • Tom Dupré la Tour

  • Jake Vanderplas

  • Nelle Varoquaux

  • David Warde-Farley

  • Ron Weiss

  • Roman Yurchak

Emeritus Kommunikations-Team#

Die folgenden Personen waren in der Vergangenheit im Kommunikations-Team aktiv, haben aber keine Kommunikationsverantwortung mehr.

  • Reshama Shaikh

Emeritus Contributor Experience Team#

Die folgenden Personen waren in der Vergangenheit im Contributor Experience Team aktiv.

  • Chiara Marmo

scikit-learn zitieren#

Wenn Sie scikit-learn in einer wissenschaftlichen Publikation verwenden, würden wir uns über Zitate des folgenden Papiers freuen:

Scikit-learn: Machine Learning in Python, Pedregosa et al., JMLR 12, S. 2825-2830, 2011.

Bibtex-Eintrag

@article{scikit-learn,
  title={Scikit-learn: Machine Learning in {P}ython},
  author={Pedregosa, F. and Varoquaux, G. and Gramfort, A. and Michel, V.
          and Thirion, B. and Grisel, O. and Blondel, M. and Prettenhofer, P.
          and Weiss, R. and Dubourg, V. and Vanderplas, J. and Passos, A. and
          Cournapeau, D. and Brucher, M. and Perrot, M. and Duchesnay, E.},
  journal={Journal of Machine Learning Research},
  volume={12},
  pages={2825--2830},
  year={2011}
}

Wenn Sie scikit-learn für seine API oder sein Design zitieren möchten, sollten Sie auch das folgende Papier in Betracht ziehen:

API design for machine learning software: experiences from the scikit-learn project, Buitinck et al., 2013.

Bibtex-Eintrag

@inproceedings{sklearn_api,
  author    = {Lars Buitinck and Gilles Louppe and Mathieu Blondel and
                Fabian Pedregosa and Andreas Mueller and Olivier Grisel and
                Vlad Niculae and Peter Prettenhofer and Alexandre Gramfort
                and Jaques Grobler and Robert Layton and Jake VanderPlas and
                Arnaud Joly and Brian Holt and Ga{\"{e}}l Varoquaux},
  title     = {{API} design for machine learning software: experiences from the scikit-learn
                project},
  booktitle = {ECML PKDD Workshop: Languages for Data Mining and Machine Learning},
  year      = {2013},
  pages = {108--122},
}

Branding & Logos#

Hochwertige PNG- und SVG-Logos sind im Verzeichnis doc/logos im Quellcode verfügbar. Die Farbpalette finden Sie im Branding Guide.

_images/scikit-learn-logo-notext.png

Finanzierung#

Scikit-learn ist ein von der Gemeinschaft getragenes Projekt, jedoch helfen institutionelle und private Zuschüsse, seine Nachhaltigkeit zu gewährleisten.

Das Projekt bedankt sich bei den folgenden Geldgebern.

:probabl. verwaltet das gesamte Sponsoring-Programm und beschäftigt die hauptamtlichen Kern-Maintainer Adrin Jalali, Arturo Amor, François Goupil, Guillaume Lemaitre, Jérémie du Boisberranger, Loïc Estève, Olivier Grisel und Stefanie Senger.

_images/probabl.png

Aktuelle Sponsoren#

Gründersponsoren#

Inria unterstützt scikit-learn durch sein Sponsoring.

_images/inria-logo.jpg

Gold-Sponsoren#

Chanel unterstützt scikit-learn durch sein Sponsoring.

_images/chanel.png

Silber-Sponsoren#

BNP Paribas Group unterstützt scikit-learn durch sein Sponsoring.

_images/bnp-paribas.jpg

Bronze-Sponsoren#

NVIDIA unterstützt scikit-learn durch sein Sponsoring und beschäftigt den hauptamtlichen Kern-Maintainer Tim Head.

_images/nvidia.png

Weitere Beiträge#

Frühere Sponsoren#

Quansight Labs finanzierte Meekail Zain in den Jahren 2022 und 2023 und finanzierte Thomas J. Fan von 2021 bis 2023.

Columbia University finanzierte Andreas Müller (2016-2020).

The University of Sydney finanzierte Joel Nothman (2017-2021).

Andreas Müller erhielt einen Zuschuss zur Verbesserung von scikit-learn von der Alfred P. Sloan Foundation. Dieser Zuschuss unterstützte die Positionen von Nicolas Hug und Thomas J. Fan.

INRIA hat Fabian Pedregosa (2010-2012), Jaques Grobler (2012-2013) und Olivier Grisel (2013-2017) finanziert, um hauptamtlich an diesem Projekt zu arbeiten. Es richtet auch Coding Sprints und andere Veranstaltungen aus.

Paris-Saclay Center for Data Science finanzierte ein Jahr lang einen Entwickler, der hauptamtlich am Projekt arbeitete (2014-2015), 50 % der Zeit von Guillaume Lemaitre (2016-2017) und 50 % der Zeit von Joris van den Bossche (2017-2018).

NYU Moore-Sloan Data Science Environment finanzierte Andreas Mueller (2014-2016) für die Arbeit an diesem Projekt. Die Moore-Sloan Data Science Environment finanziert auch mehrere Studenten, die nebenberuflich am Projekt arbeiten.

Télécom Paristech finanzierte Manoj Kumar (2014), Tom Dupré la Tour (2015), Raghav RV (2015-2017), Thierry Guillemot (2016-2017) und Albert Thomas (2017) für die Arbeit an scikit-learn.

The Labex DigiCosme finanzierte Nicolas Goix (2015-2016), Tom Dupré la Tour (2015-2016 und 2017-2018), Mathurin Massias (2018-2019) für die Teilzeitarbeit an scikit-learn während ihrer Promotionen. Es finanzierte auch einen scikit-learn Coding Sprint im Jahr 2015.

The Chan-Zuckerberg Initiative finanzierte Nicolas Hug für die hauptamtliche Arbeit an scikit-learn im Jahr 2020.

Die folgenden Studenten wurden von Google gesponsert, um über das Google Summer of Code Programm an scikit-learn zu arbeiten.

Das Projekt NeuroDebian, das Debian-Pakete und Beiträge bereitstellt, wird von Dr. James V. Haxby (Dartmouth College) unterstützt.

Die folgenden Organisationen finanzierten in der Vergangenheit das scikit-learn-Konsortium am Inria.

msn

bcg

fujitsu

aphp

hf

dataiku

bnp

axa

Sachspenden#

Die folgenden Organisationen leisten nicht-finanzielle Beiträge zum scikit-learn-Projekt.

Unternehmen Beitrag
Anaconda Inc Speicher für unsere Staging- und Nacht-Builds
CircleCI CPU-Zeit auf ihren Continuous Integration-Servern
GitHub Teams-Konto
Microsoft Azure CPU-Zeit auf ihren Continuous Integration-Servern

Coding Sprints#

Das scikit-learn-Projekt hat eine lange Geschichte von Open-Source-Coding-Sprints mit über 50 Sprint-Events von 2010 bis heute. Eine Vielzahl von Sponsoren hat zu Kosten beigetragen, darunter Veranstaltungsort, Verpflegung, Reisekosten, Entwicklerzeit und mehr. Sehen Sie scikit-learn sprints für eine vollständige Liste der Veranstaltungen.

Spenden an das Projekt#

Wenn Sie scikit-learn in Ihrer Arbeit, Forschung oder Ihrem Unternehmen nützlich finden, erwägen Sie bitte, dem Projekt eine Spende in Höhe Ihrer Mittel zukommen zu lassen. Es gibt mehrere Optionen, Spenden zu tätigen:

Spenden über NumFOCUS Spenden über GitHub Sponsors Spenden über Benevity

Spendenoptionen

  • NumFOCUS: Spenden Sie über die NumFOCUS Spenden-Seite, den Finanzierungs-Sponsor von scikit-learn.

  • GitHub Sponsors: Unterstützen Sie das Projekt direkt über GitHub Sponsors.

  • Benevity: Wenn Ihr Unternehmen scikit-learn nutzt, können Sie das Projekt auch über Benevity unterstützen, eine Plattform zur Verwaltung von Mitarbeiterspenden. Sie wird von Hunderten von Fortune-1000-Unternehmen genutzt, um ihre Initiativen für soziale Auswirkungen zu rationalisieren und zu skalieren. Wenn Ihr Unternehmen Benevity nutzt, können Sie eine Spende mit einem Unternehmens-Match von bis zu 100 % leisten. Unsere Projekt-ID lautet 433725.

Alle Spenden werden von NumFOCUS, einer gemeinnützigen Organisation (501(c)(3)) mit Sitz in Austin, Texas, USA, verwaltet. Der NumFOCUS-Vorstand besteht aus Mitgliedern der SciPy-Community. Beiträge sind im gesetzlich zulässigen Umfang steuerlich absetzbar.

Anmerkungen

Spenden unterstützen die Wartung des Projekts, einschließlich Entwicklung, Dokumentation, Infrastruktur und Coding Sprints.

scikit-learn Merchandise#

Offizielles scikit-learn Merchandise ist im NumFOCUS Online-Shop erhältlich. Ein Teil des Erlöses aus jedem Verkauf fließt zur Unterstützung des scikit-learn-Projekts.