Spark Mlib support in NNI

Repository-Metriken

Stars

13.504 Stars (13.504 Stars)

PR-Merge-Metriken

Keine gemergten PRs in 30 T (Keine gemergten PRs in 30 T)

Beschreibung

Contributor Guide

Research-Richtung

Erkunden Sie die Spark MLlib APIs und entwerfen Sie eine Integrationsschicht, um die Hyperparameter Optimierungsfunktionen von NNI für Spark ML Pipelines verfügbar zu machen.

Tech Stack

python

Domain

machine learningdatainfrastructure

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.

Meist klar

Voraussetzungen

PythonSparkMachine Learning

EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.

30