DS ScriptsNook Download - DS ScriptsNook Source Code Download

DS ScriptsNook

Autre code source

1.0.0

Télécharger

Bienvenue à DS-Scriptsnook?

? Dépôt

DS-Scriptsnook serait une destination à guichet unique pour se familiariser avec la science des données. Ce référentiel entoure la collection unique de scripts basés sur l'algèbre linéaire, le calcul, les statistiques, l'apprentissage automatique, l'apprentissage en profondeur, le traitement du langage naturel, la vision informatique et l'intelligence artificielle, etc., impliquez-vous dans ce voyage d'open source.

L'objectif principal de ce projet est de fournir des ressources efficaces et utiles pour sauter dans la science des données. Cela vous aiderait à acquérir toutes les compétences dont vous avez besoin avant de vous lancer dans des projets en temps réel. Mettez-vous dans le stade de confort en s'arrêtant ici.

? Rejoindre ici

Toute personne liée à la technologie qui cherche à contribuer à la source ouverte est toutes invitées à entrer. Cet endroit a une tâche pour tout le monde et est un projet adapté aux débutants.

Vous pouvez choisir: sélectionnez un sujet. Décidez si vous souhaitez améliorer vos compétences via des algorithmes ou des bibliothèques ou des tutoriels et que vous êtes prêt à commencer.

Si vous aviez travaillé ou que vous vouliez lancer un script unique et que vous souhaitez le partager avec le monde, vous pouvez le faire ici. Suivre les directives contributives pour contribuer? ‍

Lorsque le problème est soulevé de votre fin (ou) a pris l'onglet Problèmes pour ajouter un script, élaborez autant que vous le pouvez, car tout dépend de l'efficacité que vous aviez acquis des connaissances sur les concepts.

Par la suite, passez également par la documentation GitHub sur la création d'une demande de traction.

Regardez dans le garage de scripts utiles

Algèbre linéaire
Calcul
Statistiques
Apprentissage automatique
Apprentissage en profondeur
Traitement du langage naturel
Vision par ordinateur
Intelligence artificielle

Structure du projet

Vos projets devraient contenir ce flux pour maintenir la similitude de tous les autres projets. Assurez-vous de noter ces choses, avant de créer un PR.

Pour les scripts sur les concepts, les tutoriels et les bibliothèques, la structure du projet devrait ressembler à ceci:

Accédez au dossier concerné, que les didacticiels ou les bibliothèques, etc., par exemple, vous souhaitez ajouter un script sur la bibliothèque Numpy. Accédez au dossier "Machine Learning" puis dans le dossier "Libraries". Ici, dans ce cas, nous adoptons une introduction à Numpy. Le titre du dossier devrait donc être une "introduction à Numpy"

Dans ce dossier, créez un "file_name.md" et le nom de fichier doit être écrit "Introduction_to_numpy.md".

Puisqu'il s'agit d'un tutoriel sur la bibliothèque et un fichier .md. Vous devez suivre ce modèle pour préparer ce fichier et additionner les images pertinentes nécessaires pour justifier l'élaboration du concept.

Toutes les images utilisées dans le fichier .md doivent être dans le dossier "Images" dans le dossier "Introduction à Numpy". Vous pouvez prendre un concept et additionner dans les dossiers respectifs. J'avais fourni cet exemple pour vous guider sur une structure de projet.

Pour les scripts des algorithmes sur l'apprentissage automatique, l'apprentissage en profondeur, la vision par ordinateur, l'intelligence artificielle, la structure du projet devrait ressembler à ceci:

Accédez au dossier respectif et au dossier "Algorithms". Non, créez un dossier de votre algorithme. (Exemple: si vous souhaitez ajouter un algorithme du classificateur d'arborescence de décision, le nom du projet doit être "Classificateur d'arbre de décision" et le nom de fichier comme "Decision_Tree_Classifier.Ipynb")

Autre que le fichier d'algorithme, il devrait également avoir un «readme.md» en utilisant ce modèle

Images - Ce dossier aurait toutes les images additionnées dans Readme.md et le fichier de script.

Élaborez brièvement votre lecture sur la façon dont il fonctionne en montrant la procédure étape par étape.

? Modèles à suivre

Demande de fonctionnalité
Rapport de bogue
Projeter
Réadmettre

Remarque : Il faut suivre ces modèles lors de la création d'un nouveau problème ou d'une demande de traction.

? ‍ Flow de travail:

Fourchez le référentiel
Clone votre référentiel fourchu à l'aide de terminal ou de gitbash.
Apporter des modifications au référentiel cloné
Ajouter, engager et pousser
Ensuite, dans GitHub, dans votre référentiel cloné, trouvez l'option pour faire une demande de traction

Print ("Commencez à contribuer pour DS-Scriptsnook")

Choses à noter

Assurez-vous de ne pas copier les codes à partir de sources externes car ce travail ne sera pas pris en compte. Le plagiat n'est strictement pas autorisé.
Vous ne pouvez travailler que sur des problèmes qui vous ont été affectés.
Si vous souhaitez contribuer l'algorithme, il est préférable que vous créiez un nouveau problème avant de faire un RP et de lier votre PR à ce problème.
Si vous avez un travail de code modifié / ajouté, assurez-vous que le code compile avant la soumission.
Utilisez strictement Snake_case (sous-ore_separed) dans votre fichier_name et poussez-le dans le dossier correct.
Ne mettez pas à jour le Readme.md.