How to contribute

我们希望将AutoX打造成为一款性能、效果和稳定性均达到国际领先水平的自动机器学习解决方案。为了实现这一愿景，我们非常欢迎开发者们贡献一份力量，也将相应地给于贡献者激励以表认可和感谢。

在贡献代码、文档或Issue之前，请阅读以下指引。

联系方式

AutoX贡献者意向成员群
Email: [email protected]

AutoX可贡献内容

内容完善

发现代码bug 提交Issue
修复bug, 提交补丁代码
撰写和改进项目文档(中英文wiki)
AutoX网页优化(sphinx编写)
添加使用案例Demo 参考
添加AutoX在Benchmark数据集的测试性能效果(与h2o和autogluon对比)参考
对目前AutoX的代码中的效率、格式、注释等进行优化
参与Issue的讨论，如答疑解惑、提供想法或报告无法解决的错误

功能开发

功能性api贡献

可选贡献方向包括：数据预处理方法、拼表技术或副表特征、特征工程、特征选择方法、自动调参方法、模型融合技术、metric设计

功能性api代码要求说明:

api的接口建议仿照sklearn的接口设计, 例如类需要实现一个fit和transform函数;
给出该api的简要说明;
在一个公开数据集上执行该功能的案例，给出案例公开链接.建议使用kaggle数据集以及kernel，并将kernel public.

功能性api贡献参考示例: gbdt特征代码, gbdt特征案例

automl pipeline贡献

给出端到端完整的pipeline代码;
给出pipeline设计逻辑架构图;
给出在不同数据场景下和autogluon和h2o的效果对比.

automl pipeline贡献参考示例:参考

其它规划方向的开发

多分类任务
时空预测任务
多模态任务
分布式版本AutoX

社区运营

issues解答
社区宣传
数据竞赛baseline编写

你将获得

参与开源社区，你将获得技术能力提升、自身声望积累、人际关系拓展以及个人综合素质提升, 包括沟通协作、解决问题的能力等。除此之外，

优秀的贡献者有机会获得

科研合作机会: 依托autox项目，和第四范式研究员以及高校顾问合作开展科研项目
第四范式正式员工/实习面试直通车

贡献方式

建议通过pull request的方式提交修改，对git不熟悉的朋友可以参考这个链接。

我们的代码团队会监控pull request, 进行相应的代码测试和检查，通过的pr会被合并至Master分支。