News
GitHub senkt Open-Source-Einstiegshürden: Das steckt hinter Good First Issues
Von Kathrin Stoll
(Foto: Jarretera / Shutterstock)
Ihr wolltet eigentlich schon länger mal an einem Open-Source-Projekt mitarbeiten, wusstet bislang aber nicht, wo ihr anfangen sollt? GitHubs neuestes Feature will das ändern. Good First Issues erlaubt es euch, für Einsteiger geeignete Projekte zu erkunden. So könnt ihr mit einfachen Issues starten und in der Open-Source-Community Fuß fassen. Andere Projekte mit derselben Zielsetzung gibt es bereits, dieser Artikel bietet eine Übersicht. Mit Good First Issues wurde eine solche Funktionalität jetzt bei GitHub selbst implementiert.
Der Einstieg
Wenn euch ein bestimmter Bereich besonders interessiert, könnt ihr über github.com/topics/<topic>, also zum Beispiel für Machine-Learning-Interessierte github.com/topics/machine-learning, nachsehen, ob es passende First Issues gibt. Wer das noch nicht so genau definiert hat, kann github.com/topics besuchen und dort durch die verschiedenen Themenbereiche browsen. Alle, die bereits wissen, an welchem Projekt sie mitarbeiten wollen, finden über github.com/<owner>/<repository>/contribute passende First Issues – wenn es denn welche gibt. An node.js mitarbeiten könnt ihr beispielsweise über https://github.com/nodejs/node/contribute – dort findet ihr einige gute First Issues.
Das Node.js-Repository auf GitHub. (Screenshot: t3n)
Personalisierte Empfehlungen
Wer schon länger auf GitHub aktiv ist, kann außerdem über personalisierte Empfehlungen für Projekte, die vielleicht gefallen könnten – die Vorschläge basieren auf vorherigen Contributions, Sternen, die ihr vergeben habt, und euren sonstigen Aktivitäten auf der Plattform – passende erste Open-Source-Projekte finden. Eure persönliche Liste an Empfehlungen findet ihr unter https://github.com/explore – quasi das Coding-Äquivalent zum Mix der Woche von Spotify.
Der Algorithmus
Wer sich dafür interessiert, wie der Algorithmus im Detail funktioniert, kann sich diesen ausführlichen Blogpost zu Gemüte führen. Der Artikel beschreibt die verwendeten Deep-Learning-Mechanismen, das Finden passender Training-Samples und auch, welche Infrastrukturanforderungen dafür umgesetzt werden mussten.
Stay tuned
Weil sich der Algorithmus weiterentwickelt, lohnt es sich bestimmt, eure persönlichen Empfehlungen und interessante Projekte von jetzt an besonders im Auge zu behalten. GitHub ist natürlich dankbar für Anregungen und Verbesserungsvorschläge zum Good-First-Issues-Feature, Kontakt aufnehmen könnt ihr über die Support-Seiten.
Mehr zu diesem Thema
Bitte beachte unsere Community-Richtlinien
Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.
Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.
Dein t3n-Team