HashSlap-Summer-of-Code/ml-core

Standardize Dataset Handling Across All ML Modules

Offen

#11 geöffnet am 18.06.2025

Auf GitHub ansehenContributor Guide
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Jupyter Notebook (11 Forks)auto 404
Intermediateenhancementgood first issuehacktoberfesthssoc

Repository-Metriken

Stars
 (3 Sterne)
PR-Merge-Metriken
 (PR-Metriken ausstehend)

Beschreibung

Description:
Right now, different subfolders load and process datasets in inconsistent ways. Create a unified, reusable Python module to handle dataset loading and basic preprocessing (e.g., scaling, splitting). This ensures maintainability and reduces repeated code across ML scripts.

Expected Tasks:

  • Create a Python utility (e.g., data_utils.py) with functions like:
    • load_csv(path)
    • train_test_split(X, y, test_size=0.2)
    • standardize(X)
  • Save this file in a utils/ folder.
  • Refactor at least two existing implementations (e.g., KNN and Perceptron) to use this utility.
  • Update documentation in the root README.md and/or affected folders.

Stretch Goal:

  • Add optional support for downloading public datasets (e.g., from UCI or sklearn).

Contributor Guide

Research-Richtung
Überprüfe die Datenverarbeitung in den KNN und Perceptron Modulen, erstelle dann ein Hilfsmodul mit Funktionen wie load csv, train test split und standardize. Speichere es im Ordner utils/ und refaktoriere die vorhandenen Module, um es zu verwenden.
Tech Stack
python
Domain
machine learningdata
Issue Type
Refactoring
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
2
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-3 Stunden
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Frisch
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
Python
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
75