deeplearningunb / deeplearningunb/PharmacIA
Avaliação
- Dominant language
- Jupyter Notebook
- Stars
- 0
- Forks
- 0
- PR merge metrics
- No merged PRs in 30d
Description
Interessante a proposta, confesso que não consegui entender muito bem o resultado alcançado, mas o que mais chamou a tenção foi que a tecnologia utilizada não incluiu nenhuma rede neural, ou qualquer uma das tecnologias estudadas em aula. Me parece uma boa solução de classificação utilizando processamento de linguagem natural, nesse caso com a lib spacy.
Essa classificação poderia também ser feita com outra abordagem, utilizando Word2Vec e RNNs.
A avaliação é baseada nos 5 seguintes critérios objetivos booleanos:
1. Proposta
A proposta do projeto é relevante para uma comunidade, em sentido que, a aplicação dessas tecnologias podem trazer algum diferencial positivo para a comunidade que serve.
2. Apresentação
Julga o preparo do arquivo README.md para apresentar o problema, o raciocínio e a solução apresentada pelo projeto, assim como possíveis comparações com outras soluções.
3. Organização
Criação das issues para demonstrar as tarefas, bugs e novas features do projeto, de forma a deixar aberto e claro para a comunidade quais são os desafios do projeto e como ela pode contribuir.
4. Roadmap
Demonstrar por meio de milestones de versões do projeto, como está programada a evolução da solução.
5. Tecnica
Aplicação objetiva dos conhecimentos adquiridos em sala de aula.
| Proposta | Apresentação | Organização | Roadmap | Tecnica |
|:-:|:-:|:-:|:-:|:-:|
| 1 | 1 | 0 | 0 | 0 |
| interessante | Tem alguns erros de portugues e de caracteres, precisa observar | não tem issues | não tem milestones | não inclui redes neurais |
Contributor guide
No contributing guide indexed for this repository
Research direction
Start by reviewing README.md against the five evaluation criteria in the issue, especially the Portuguese and character errors and the explanation of the NLP solution. Done would require an agreed scope for the documentation, project issues, milestones, and technical approach; no tests or implementation entry points are named.
Written by the indexing model from the issue text.
Assessment
- Tech stack
- jupyter-notebook
- Domain
- documentation, machine-learning
- Issue type
- Documentation
- Difficulty
- 5/5
- Estimated time
- Over a week
- Activity status
- Stale
- Clarity
- Needs clarification
- Newbie friendliness
- 20/100