Determining the unit of analysis for the machine learning models
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- machine-learning
- Área
- data, machine-learning
Línea de trabajo
Empieza por las preguntas del issue sobre la granularidad de la selección, el almacenamiento del contexto, las etiquetas categóricas frente a las binarias y la entrada a nivel de párrafo. Revisa la extensión de Chrome enlazada para entender cómo seleccionan contenido los colaboradores de confianza. La tarea estará terminada cuando haya acuerdo sobre la unidad de análisis, el contexto que se conservará y el enfoque de etiquetado para entrenar los modelos de ML.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
For the chrome extension, we need to decide what is the unit or type of selections trusted contributors can select when identifying racially biased content. This will be used to train the ML models and is important to help users understand why content is potentially racially biased and to offer up alternatives.
Considerations
- If content is considered racially biased, context will be a factor. How can we store more data around the selected word / phrase to provide more context for the ML models?
- At what granularity should the trusted contributors be expected to flag content? (Categorically vs binary?)
- Consider the input as a paragraph/group of text and all kind of tokenizations can be used to finally preprocess
- Lenguaje dominante
- Jupyter Notebook
- Estrellas
- 8
- Forks
- 8
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de Call-for-Code-for-Racial-Justice/TakeTwo-DataScience
-
Kaggle data cleaning AbiertoMachine Learning
Call-for-Code-for-Racial-Justice/TakeTwo-DataScience#40 · 1 asignado ·
-
Machine Learning
Call-for-Code-for-Racial-Justice/TakeTwo-DataScience#39 · 1 comentario · 1 asignado ·
-
GPU computation Estimate AbiertoMachine Learning
Call-for-Code-for-Racial-Justice/TakeTwo-DataScience#38 · 3 comentarios · 1 asignado ·
-
Create Bug Report Template Abiertohacktoberfest Machine Learning stale
Dificultad 1/5 Menos de una hora Aptitud para principiantes 55/100
Call-for-Code-for-Racial-Justice/TakeTwo-DataScience#30 · 3 comentarios ·
-
good first issue hacktoberfest Machine Learning stale
Dificultad 2/5 1-3 horas Aptitud para principiantes 55/100
Call-for-Code-for-Racial-Justice/TakeTwo-DataScience#27 · 3 comentarios ·
Todos los issues de Call-for-Code-for-Racial-Justice/TakeTwo-DataScience
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
CorrelAid/formtransform#44 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
-
Add: Arena Sport Premium M3 Abiertochannels:add check:passed
Dificultad 1/5 Menos de una hora Aptitud para principiantes 90/100