aai-institute / aai-institute/pyDVL
Implement Complexity Gap Score 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