DS ScriptsNook Download - DS ScriptsNook download de código fonte

DS ScriptsNook

Outro código-fonte

1.0.0

Baixar

Bem-vindo ao ds-scriptsnook?

? Repositório

O DS-Scriptsnook seria um destino único para se familiarizar com a ciência de dados. Este repositório encerra com a coleção exclusiva de scripts baseados em álgebra linear, cálculo, estatística, aprendizado de máquina, aprendizado profundo, processamento de linguagem natural, visão computacional e inteligência artificial etc. Envolva -se nessa jornada de código aberto.

O principal objetivo deste projeto é fornecer recursos eficientes e úteis para entrar na ciência de dados. Isso o ajudaria a adquirir todas as habilidades necessárias antes de entrar em projetos em tempo real. Entre em fase de conforto, parando aqui.

? Junte -se aqui

Qualquer pessoa relacionada à tecnologia que deseje contribuir para a fonte aberta é convidada a entrar. Este lugar tem tarefa para todos e é um projeto para iniciantes.

Você pode escolher: selecione um tópico. Decida se você deseja aprimorar suas habilidades por meio de algoritmos, bibliotecas ou tutoriais e pronto para começar.

Se você trabalhou ou deseja iniciar um script exclusivo e deseja compartilhá -lo com o mundo, pode fazer isso por aqui. Passe pelas diretrizes contribuintes para contribuir? ‍

Quando a emissão é levantada do seu fim (ou) a guia Retirada da Problema para adicionar um script, elabore o máximo que puder, pois é tudo sobre a eficiência que você obteve conhecimento sobre conceitos.

Posteriormente, também analise a documentação do GitHub sobre a criação de uma solicitação de tração.

Olhe através da garagem de scripts úteis

Álgebra linear
Cálculo
Estatística
Aprendizado de máquina
Aprendizado profundo
Processamento de linguagem natural
Visão computacional
Inteligência artificial

Estrutura do projeto

Seus projetos devem conter esse fluxo para manter a semelhança em todos os outros projetos. Certifique -se de observar essas coisas, antes de criar um PR.

Para scripts sobre conceitos, tutoriais e bibliotecas, a estrutura do projeto deve ficar assim:

Vá para a pasta em questão, seja tutoriais ou bibliotecas etc. Por exemplo, você deseja adicionar um script sobre a biblioteca Numpy. Vá para a pasta "aprendizado de máquina" e depois para a pasta "bibliotecas". Aqui neste caso, estamos somando uma introdução ao Numpy. Portanto, o título da pasta deve ser uma "Introdução ao Numpy"

Nesta pasta, crie um "file_name.md" e o nome do arquivo deve ser escrito como "introdução_to_numpy.md".

Como é um tutorial sobre biblioteca e um arquivo .md. Você deve seguir este modelo para preparar este arquivo e adicionar as imagens relevantes necessárias para justificar a elaboração do conceito.

Todas as imagens usadas no arquivo .md devem estar na pasta "Images" dentro da pasta "Introdução à Numpy". Você pode assumir um conceito e adicionar nas respectivas pastas. Eu havia fornecido este exemplo para guiá -lo sobre uma estrutura de projeto.

Para scripts de algoritmos sobre aprendizado de máquina, aprendizado profundo, visão computacional, inteligência artificial, a estrutura do projeto deve ser assim:

Vá para os respectivos e para a pasta "algoritmos". Não, crie uma pasta do seu algoritmo. (Exemplo: se você deseja adicionar um algoritmo do classificador de árvore de decisão, o nome do projeto deve ser "Classificador de Árvore de Decisão" e o nome do arquivo como "Decision_tree_classifier.ipynb")

Além do arquivo de algoritmo, ele também deve ter um 'readme.md' usando este modelo

Imagens - Esta pasta teria todas as imagens adicionadas no Readme.md e no arquivo de script.

Elabore seu readme brevemente sobre como ele funciona mostrando procedimento passo a passo.

? Modelos a seguir

Solicitação de recurso
Relatório de bug
Solicitação de puxar
Readme

Nota : deve -se seguir esses modelos ao criar um novo problema ou solicitação de tração.

? ‍ Fluxo de trabalho:

Fork o repositório
Clone seu repositório bifurcado usando terminal ou gitbash.
Fazer alterações no repositório clonado
Adicionar, cometer e empurrar
Então, no Github, em seu repositório clonado, encontre a opção de fazer uma solicitação de tração

Print ("Comece a contribuir com o ds-scriptsnook")

Coisas a serem observadas

Certifique -se de não copiar códigos de fontes externas, pois esse trabalho não será considerado. O plágio não é estritamente permitido.
Você só pode trabalhar em questões que foram atribuídas a você.
Se você deseja contribuir com o algoritmo, é preferível que você crie um novo problema antes de criar um PR e vincular seu PR a esse problema.
Se você modificou/adicionou o código de código, verifique se o código compila antes de enviar.
Use rigorosamente Snake_Case (sublscore_separated) no seu arquivo_name e pressione -o na pasta correta.
Não atualize o readme.md.