当前位置:网站首页>开源机器学习数据库OpenMLDB贡献者计划全面启动
开源机器学习数据库OpenMLDB贡献者计划全面启动
2022-08-11 05:25:00 【第四范式开发者社区】
「无开源 不AI」
开源精神为人工智能在近十年的快速发展提供了重要的源动力,伴随着计算框架、算法等AI技术的相继开源,AI模型构建的门槛得以降低。但AI的产业化落地,需要针对数据处理、特征工程、模型构建、应用上线等机器学习全流程各个环节进行优化,市场上罕有此类开源AI基础技术。
机器学习数据库OpenMLDB的开源,为机器学习应用高效供给正确的数据,加速了AI应用的工程化落地,填补了开源AI基础技术领域的空白。而OpenMLDB的全面发展离不开广大开发者的支持。随着OpenMLDB 0.3.0版本的发布,OpenMLDB社区发起「OpenMLDB贡献者计划」(OpenMLDB Contributor Program,简称OCP),希望更多开发者参与社区建设,一同构建包容、友好、完善的开源生态,加速AI工程化落地进程。
「OCP | OpenMLDB贡献者计划」
面向对象:
所有对OpenMLDB项目感兴趣的开发者
开源社区:
贡献者任务(第一期):
贡献者任务列表详见GitHub链接(Contributor Challenges - Collection 1)
具体参与方式:
- Step 1:在贡献者计划任务列表中,选取感兴趣的issue,并留言“I would like to help”,留言则视为任务认领成功
- Step 2:基于issue进行开发,并且提交pull request。注意,在 PR 提交以后,请在相关 issue 页面的
“Linked pull requests” 里链接到你所提交的 PR 上 - Step 3:PR提交后,OpenMLDB PMC将进行review,达到任务标准的PR将被merge,merge后即视为任务完成
- 期间遇到任何问题,均可在OpenMLDB技术交流群中交流(可扫描下方二维码加入)
详细规则:
- 贡献者任务:可关注置顶issue——“Contributor Challenges - Collection 1”
- 认领方式:在该项目issue下留言“ I would like to help”将视为认领成功
- 完成标准:最先提交PR并被合并视为任务完成
- 沟通方式:GitHub issue、Slack及OpenMLDB技术交流群
贡献奖励:
本期任务均为简单任务,任务完成后将获得社区定制周边礼包**(数据线+鼠标垫+IP玩偶)**
奖励发放方式:
- 任务完成后通过邮件形式确认:邮件需发送至社区官方邮箱
- OpenMLDB社区官方邮箱地址:[email protected]
- 邮件命名:OCP第一期 + 任务代码(如826)
- 邮件正文需包含如下有效信息:GitHub任务链接 + GitHub ID + 有效快递收件信息(收件人姓名/手机号/收件地址)
- 核实任务完成情况后,贡献者奖励(开发者社区定制周边礼包)将通过快递形式发送
任务说明:
- 提交形式:所有贡献者任务均在GitHub平台并以 Pull Request 形式提交
- 奖励标准:提交时间和任务完成质量,评选规则由 OpenMLDB 社区决定
- 首期贡献者任务截止时间:2022年2月6日
- 兑换期限:任务完成后请主动提供相关信息至官方邮箱[email protected],逾期将视为自动放弃
(* OpenMLDB 社区保留活动最终解释权)
任务参考链接:
OpenMLDB SQL 内置函数开发指南
OpenMLDB contribution guide
「OpenMLDB Developer Group及权利义务」
一起成为OpenMLDB贡献者,期待大家的加入!
边栏推荐
- CMT2380F32模块开发7-reset例程
- Solutions to the 7th Jimei University Programming Contest (Individual Contest)
- Mei cole studios - sixth DjangoWeb application framework + MySQL database training
- 哥德巴赫猜想与整数环
- 从概念认识AI
- 音乐竞品分析:酷狗、QQ音乐、网易云、酷我、汽水音乐
- 蓝牙技术-简介
- Typescript学习日记,typescript从基础到进阶(第一章)
- scanf函数在混合接受数据(%d和%c相连接)时候的方式
- IIC 和 SPI
猜你喜欢
Mei cole studios - fifth training DjangoWeb application framework + MySQL database
咕咚vs悦跑圈的竞品分析
目标检测——Faster R-CNN 之 Fast R-CNN
ARM 汇编指令 ADR 与 LDR 使用
目标检测——Faster-RCNN 之 RCNN
产品经理与演员有着天然的相似
pip安装报错:is not a supported wheel on this platform
关于openlayer中swipe位置偏移的问题
HTTP缓存机制详解
Maykle Studio - HarmonyOS Application Development Third Training
随机推荐
Hard hat identification
vim 编辑解决中文乱码问题
AI-based intelligent image recognition: 4 different industry applications
mount命令--挂载出现只读,解决方案
解决jupyter中import torch出错问题
STM32学习总结(一)——时钟RCC
Maykel Studio - Django Web Application Framework + MySQL Database Third Training
SWOT分析法
目标检测——LeNet
跨应用间调用: URL Scheme
Maykle Studio - HarmonyOS Application Development Fourth Training
weex入门踩坑
CMT2380F32模块开发5-CLK例程
C语言的编译
MSP430学习总结(二)——GPIO
CMT2380F32模块开发11-RTC例程
Diagnostic Log and Trace——开发人员如何使用 DLT
微文案也能提升用户体验
The selection points you need to know about the helmet identification system
ARM 汇编指令 ADR 与 LDR 使用