Issue Label Bot

️ Бот на лейбл Isssue больше не живет. Вы все еще можете просмотреть код, но мы сняли бот из -за связанных затрат на инфраструктуру

Код для: «Как автоматизировать задачи на GitHub с помощью машинного обучения для удовольствия и прибыли»

Оглавление

• БОТ-БОТ
  • Важные ссылки
  • Файлы
• Запуск этого кода
  • Переменные среды
  • Бежать локально
  • Развернуть как услуга
• Внося
  • Дорожная карта
  • Ссылки
• Отказ от ответственности

Оригинальные авторы: @hamelsmu, @inc0, @jlewi

Выпуск ярлык бот

Установите это приложение с рынка GitHub

Приложение GitHub, основанное на машинном обучении, написанное на Python. Обсуждение мотивации для построения этого приложения описано в этом посте в блоге.

Когда проблема открыта, бот прогнозирует, если этикетка должна быть: feature request , bug или question и применяет метку автоматически, если это необходимо. Вот скриншот бота в действии:

На домашней странице нашего приложения можно посмотреть больше примеров. Следует отметить, что бот не может применять какую -либо метку в обстоятельствах, когда прогноз является неопределенным. Смотрите раздел «Отказ от ответственности» для получения дополнительной информации.

Важные ссылки

• Выпуск лейбла бот домашней страницы. Предоставляет способ просмотреть примеры прогнозов, а также другую информацию, касающуюся этого бота.
• Страница приложения Github для Mabel Bot, где вы можете установить приложение. Смотрите отказ от ответственности ниже перед установкой.

Файлы

• /Записные книжки: содержит записные книжки о том, как тренировать модель и взаимодействовать с API GitHub с помощью клиента Python.
• /flask_app: код для приложения Flask, который слушает события Github выпуска и отвечает прогнозами. Это основное приложение, с которым пользователь будет взаимодействовать.
• /ARGO: Код в этом каталоге относится к строительству трубопроводов Argo ML для обучения и развертывания рабочих процессов ML.
• /Развертывание: этот каталог содержит файлы, которые полезны для развертывания приложения.
  • Dockerfile Это определение контейнера, который используется для запуска приложения Flask. Сборка для этого контейнера размещена на Dockerhub в Hamelsmu/Mlapp.
  • Heroku.yml: Это используется для развертывания в Heroku.
  • *.yaml: Эти файлы относятся к развертыванию Kubernetes.

Запуск этого кода

Предварительные условия

Чтобы использовать код в этом репозитории, вам нужно будет зарегистрировать собственное приложение GitHub и установить это приложение в желаемые репозитории и хранить секреты аутентификации.

Во -первых, пройдите через раздел «Пререквизиты этого руководства по началу работы» , за исключением раздела «Language Programming The Ruby», так как мы будем использовать Python вместо этого в качестве клиента, который взаимодействует с API GitHub.

Во -вторых, установите среду разработки. Убедитесь, что вы создаете секрет веб -хука, хотя этот шаг не является обязательным.

Далее настройте базу данных Postgres. Вы можете сделать это бесплатно на Heroku. Подробные инструкции (украденные беззастенчиво отсюда):

1. Перейдите на https://www.heroku.com/ и создайте учетную запись, если у вас ее еще нет.
2. На приборной панели Heroku нажмите «Новый» и выберите «Создать новое приложение».
3. Дайте вашему приложению имя и нажмите «Создать приложение».
4. На странице «Обзор» вашего приложения нажмите кнопку «Настроить надстройки».
5. В разделе «Дополнительные» страницы введите и выберите «Heroku Postgres».
6. Выберите план «Hobby Dev - Free», который предоставит вам доступ к бесплатной базе данных PostgreSQL, которая будет поддерживать до 10 000 строк данных. Нажмите «Предоставление».
7. Теперь нажмите на ссылку «Heroku Postgres :: Database».
8. Теперь вы должны быть на странице обзора вашей базы данных. Нажмите на 8 «Настройки», а затем «Просмотреть учетные данные». Это информация, которая вам понадобится для входа в свою базу данных.

Наконец, вам необходимо создать переменные среды для всех секретов, которые описаны ниже.

Переменные среды

1. PRIVATE_KEY : Это личный ключ, который вы используете для аутентификации как приложение с API GitHub.
2. WEBHOOK_SECRET : Это используется для проверки того, что полезные нагрузки, полученные вашим приложением, на самом деле от Github. Это описано здесь.
3. DATABASE_URL : Это URL, который содержит информацию о входе в систему для вашей базы данных PostGRESQL, обычно в форме: postgres://<username>:<password>@<url>:5432/<database_name>
4. APP_ID : Это уникальный идентификатор, предоставленный вам GitHub при регистрации вашего приложения.
5. FLASK_ENV : Обычно это установлено для production или development . Вы захотите использовать deployment для локального тестирования.
6. PORT : это порт, на котором будет отбывать ваше приложение. Обратите внимание, что если вы развернете в Heroku, Heroku переопределит эту переменную с их собственной ценностью при создании вашего приложения. Для местной разработки вы захотите, чтобы это соответствовало порту, чтобы служить.
7. APP_URL : Это URL -адрес домашней страницы вашего приложения, которая предоставляется пользователям в качестве ссылки в комментариях. Вы можете установить это на произвольную ценность для локальной разработки.

ПРИМЕЧАНИЕ. Если вы используете ZSH, плагин Dotenv может быть полезен для управления переменными среды.

Бежать локально

1. Установите зависимости : установите требования. Если вы используете Pipenv Установите необходимые зависимости от Pipfile.lock, вводя pipenv install в корне этого репозитория.

2. Запустите приложение Flask : запустите python flask_app/app.py из корня этого репозитория. Чтобы это работало, вы должны правильно установить переменные среды, как описано в разделе переменных среды.

3. Необязательно - запустить приложение в качестве контейнера Docker . Контейнер Docker, который обслуживает бот-проблемы, может быть построен с помощью bash script/bootstrap команды из корня этого репозитория. Этот сценарий создает изображение Docker под названием hamelsmu/mlapp , которое также доступно на Dockerhub. Если вы хотите запустить контейнер Docker локально для тестирования, вы должны передать необходимые переменные среды в контейнер Docker во время выполнения, а также выявить необходимые порты для приложения. См. Раздел ссылок для получения дополнительных ресурсов по использованию Docker.

Развернуть как услуга

Активы в этом репо позволяют вам развернуться в Heroku (проще) или кластер Kubernetes (более продвинутый).

В Heroku секреты могут быть переданы как переменные конфигурации. Кроме того, эта документация описывает, как вы можете установить секреты в Kubernetes. Убедитесь, что вы установите переменную среды FLASK_ENV для production , если вы собираетесь публично развернуть приложение.

Внося

Мы приветствуем все формы вклада. Нас особенно интересует следующее:

• Исправления ошибок
• Улучшения или дополнительные функции
• Улучшения в модели или расширение набора данных, используемого для обучения.

Дорожная карта

Авторы этого проекта заинтересованы в добавлении следующих функций в ближайшем будущем:

• Создание лучших метков и отрицательных образцов элементов, которые не принадлежат к метке, установленной для дальнейших улучшений.
• Использование инструментов от Fastai для изучения:
  • Современные архитектуры искусства, такие как многоуровневое внимание
  • Использование переноса обучения для прогнозирования уникальных ярлыков и/или повышения точности.
• Использование действий GitHub для запуска автоматического развертывания этого кода.
• Модель трубопровода оркестровки на трубопроводах Арго.

Ссылки

• Код в этом репо и связанном учебном пособии предполагает знакомство с Docker. В этом сообщении предлагается мягкое введение в Docker для ученых данных.

• Нужно вдохновение для других продуктов данных, которые вы можете создать, используя машинное обучение и наборы данных общего GitHub? Смотрите эти примеры:

  • Выпуск Github Summarization и рекомендация.
  • Поиск семантического кода естественного языка.

• Отличный курс на колбе: Harvardx CS50 Web.

• MOOC от Fastai для машинного обучения и глубокого обучения.

Отказ от ответственности

БОТ-блока проблем предназначена только для образовательных и демонстрационных целей. Наша цель состояла в том, чтобы дать минимальный рабочий пример для сообщества с наименьшим количеством сложности, насколько это возможно. Поэтому мы считаем, что продемонстрированная модель имеет большое место от улучшения. Кроме того, это приложение работает только на общественных репозиториях и ничего не сделает, если установлено на частном репо.