legend-exp/LegendMachineLearning.jl

Add ML based QC cut generation

Offen

#1 geöffnet am 09.10.2025

Auf GitHub ansehen
 (0 Kommentare) (0 Reaktionen) (2 zugewiesene Personen)Julia (0 Forks)auto 404
documentationenhancementgood first issue

Repository-Metriken

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

Beschreibung

Add machine learning based QC cuts based on Estebans approach including:

  • Affinity Propagation with hyperparameter optimization for clustering
  • Interactive Pluto notebook for manual relabeling of categories
  • SVM evaluation including result plots
  • Serialization of trained ML network to standard JuLeAna ML dataformat
  • Documentation

This includes updating LegendDSP and taking out functionality to make compatible with this package (e.g. via an extension) + adding new recipes to LegendMakie for result plots.

CC @Yuan-Ru-Lin

Contributor Guide

Research-Richtung
Machen Sie sich mit dem LegendDSP Paket und seiner aktuellen QC Schnittgenerierung vertraut. Studieren Sie Estebans Affinitätspropagationsansatz und implementieren Sie ihn in Julia mit dem JuliaML Ökosystem. Erkunden Sie Pluto.jl für interaktive Notebooks und SymPy oder MLJ für die SVM Bewertung. Verstehen Sie das JuLeAna ML Datenformat für die Serialisierung.
Tech Stack
julia
Domain
machine learningbackend
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.
Klar
Voraussetzungen
JuliaGitMachine learning basics
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40