Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Determining the unit of analysis for the machine learning models

Aperta
#26 2 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
25/100
Tipo di issue
Funzionalità
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
machine-learning
Ambito
data, machine-learning

Direzione di ricerca

Inizia con le domande dell’issue sulla granularità della selezione, sull’archiviazione del contesto, sulle etichette categoriali rispetto a quelle binarie e sull’input a livello di paragrafo. Esamina l’estensione Chrome collegata per capire come i collaboratori fidati selezionano i contenuti. Il lavoro sarà completato quando ci sarà accordo sull’unità di analisi, sul contesto da conservare e sull’approccio di labeling per addestrare i modelli ML.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

design-thinking documentation Machine Learning question stale

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
Lingua principale
Jupyter Notebook
Stelle
8
Fork
8
Nessuna PR unita negli ultimi 30g

Guida per i contributori

Apri la guida per i contributori

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di Call-for-Code-for-Racial-Justice/TakeTwo-DataScience

Tutte le issue di Call-for-Code-for-Racial-Justice/TakeTwo-DataScience

Issue simili

Altre issue su Data Engineering

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.