codeforsanjose/city-agenda-scraper

Further build out data analysis steps

Offen

#37 geöffnet am 10.08.2021

Auf GitHub ansehen
 (1 Kommentar) (0 Reaktionen) (0 zugewiesene Personen)Jupyter Notebook (16 Forks)auto 404
data scienceenhancementhelp wanted

Repository-Metriken

Stars
 (8 Sterne)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Currently doing tf-idf.

I have previous code in the Text-analysis folder on Github as well as some code based on Anju's colab code that does some text summarization and text modeling, but needs refinement. A dependency is how we read/cleanup the initial text from the PDF.

Contributor Guide

Research-Richtung
Untersuchen Sie den vorhandenen Textanalyse Code im Ordner Text analysis und im Colab Notizbuch und integrieren Sie ihn mit dem PDF Lese und Bereinigungsprozess.
Tech Stack
pythonpandasscikit learn
Domain
datamachine learning
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
3-5 Tage
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.
Recherche nötig
Voraussetzungen
PythonJupyterscikit learn
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
30