aai-institute / aai-institute/pyDVL

Implement Complexity Gap Score method

Ouverte
#496 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub
new-method
Langage dominant
Python
Étoiles
146
Forks
10
Métriques de merge des PR
Aucune PR mergée en 30 j

Description

Implement Ki, Nohyun, Hoyong Choi, and Hye Won Chung. [Data Valuation Without Training of a Model.](https://openreview.net/pdf?id=XIzO8zr-WbM) arXiv preprint arXiv:2301.00930 (2023).

The paper's code can be found in [this repository](https://github.com/JJchy/CG_score).

Guide de contribution

Ouvrir le guide de contribution

Piste de recherche

Lisez l’article et le dépôt liés pour comprendre la méthode Complexity Gap Score. Recherchez les implémentations existantes de valorisation des données dans pyDVL afin d’identifier le modèle à suivre. Commencez par ajouter un nouveau module, probablement dans un sous-répertoire comme pydvl/valuation/. Implémentez l’algorithme en veillant à ce qu’il s’intègre à l’API de pyDVL. Écrivez des tests pour vérifier sa correction.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
python
Domaine
ai, machine-learning
Type d'issue
Fonctionnalité
Difficulté
4/5
Temps estimé
3-5 jours
Activité
À l'abandon
Clarté
Plutôt claire
Accessibilité débutants
35/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.