acmpesuecc/Recommendation-System

Application of model and efficiency

Offen

#5 geöffnet am 14.10.2021

Auf GitHub ansehenContributor Guide
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Jupyter Notebook (3 Forks)auto 404
60-75+hacktoberfesthardhelp wanted

Repository-Metriken

Stars
 (1 Stern)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Describe the feature to be enhanced

The code at the moment is of a basic model and is rather slow when the iterations are run.

Tasks

You need to provide a screenshot showing the efficiency of your model

Expected behaviour post enhancement

The highest efficiency model at the moment will be accepted.

Bounty rules

  • Bounty points -> If you have completed the tasks ( 60-75+ points )
  • Brownie points -> If you have added an extra feature that was not mentioned (10 points)
  • Enthusiasm points -> Added in the end if a PR has gone above and beyond (10 points)

Contributor Guide

Research-Richtung
Untersuchen Sie die aktuelle Modellimplementierung und identifizieren Sie Engpässe. Erforschen Sie Optimierungstechniken wie Vektorisierung, die Verwendung von Bibliotheken wie NumPy oder die Implementierung effizienterer Algorithmen. Verwenden Sie Profiling, um die Leistung vor und nach Änderungen zu messen.
Tech Stack
python
Domain
data
Issue Type
Performance
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.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
Git
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
70