Interaktive Erklärungs-Demo für ein Modell in der Bioinformatik
Übersicht
Worum es bei diesem Projekt geht.
Du bekommst ein vortrainiertes XGBoost-Modell für Varianten-Pathogenität, einen Validierungsdatensatz und Feedback aus zwei Voruser-Tests mit Bioinformatiker:innen. Baue eine Streamlit-App mit: (1) Suche nach einer Variante, (2) SHAP-Waterfall-Plot, (3) Slider für jedes interpretierbare Feature, (4) partielle Abhängigkeitsplot für globale Sicht. Liefere die App, ein einminütiges Screencast-Tutorial und einen kurzen Bericht über das Feedback aus 5 frischen User-Tests.
Das Briefing
Was Du tust und was Du zeigst.
Baue eine interaktive Erklärungs-Demo für ein Pathogenitäts-Vorhersagemodell, mit der Bioinformatiker:innen Varianten ad hoc befragen können.
Earning criteria — what you'll demonstrate
- Interaktive Erklärungs-Komponenten für Fachanwender:innen entwerfen
- SHAP und partielle Abhängigkeitsplots verständlich in eine UI integrieren
- Nutzerfeedback strukturiert erheben und in Designentscheidungen einarbeiten
- Eine deploybare Demo bauen, die im Forschungstermin steht
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenKI-Produktdesigner:in
Interaktive Erklärungs-UIs für Fachanwender:innen zu entwerfen und mit User-Tests zu validieren ist Kerntätigkeit von KI-Produktdesignerinnen in Wissenschafts-Tools.
Dieses Projekt schärft
- interactive-ml
- user-research
- explainable-ai
KI-Produktmanager:in
Eine Demo mit klarem Designentscheidungs-Trail zu liefern, die im Forschungspartner-Pitch trägt, entspricht der Arbeit von KI-PMs in Wissenschafts-Spin-offs.
Dieses Projekt schärft
- interactive-ml
- user-research
- shap
Data Scientist
Modell-Output für nicht-technische Stakeholder:innen interaktiv zugänglich zu machen ist eine wiederkehrende Aufgabe für Data Scientists in interdisziplinären Forschungs-Teams.
Dieses Projekt schärft
- streamlit
- python
- shap
Noch eine Sache