码迷,mamicode.com
首页 > 其他好文 > 详细

GitHub热点速览,程序员的自我增值

时间:2020-06-16 14:42:39      阅读:60      评论:0      收藏:0      [点我收藏+]

标签:无监督学习   笔试   解法   adb   数据挖掘   基础   节点   数据库   取数   

技术图片

摘要:升职加薪,出任 CTO,迎娶白富美/高帅富,走向人生巅峰是很多人的梦想。在本期的热点速览中你将了解自由作者 Easy 如何优雅赚取零花钱的方法,以及定投改变命运 —— 让时间陪你慢慢变富。说到程序员自我增值,除了优雅赚钱之外,还可以研究下各种生活中小工具的代码实现,例如,收录 20+ Web 小应用的 vanillawebprojects。将技术应用在生活中点滴,展现你的技术辅助日常“肝”口袋妖精,或者偶尔用技术给自己生活添加点小乐趣,用遗传算法制作一个绘制图像过程的小玩具。

以下内容摘录自微博@HelloGitHub 的 GitHub Trending,选项标准:新发布 | 实用 | 有趣,根据项目 release 时间分类,发布时间不超过 7 day 的项目会标注 New,无该标志则说明项目 release 超过一周。由于本文篇幅有限,还有部分项目未能在本文展示,望周知 ??

  • 本文目录
      1. 本周特推
      • 1.1 遗传算法玩具:genetic-drawing
      • 1.2 马斯克火箭:SpaceX-API
      1. GitHub Trending 周榜
      • 2.1 Go 语法书:go-ast-book
      • 2.2 数据库好搭档:xgenecloud
      • 2.3 前端小玩意:vanillawebprojects
      • 2.4 统计代码:lihang-code
      • 2.5 Poke 辅助工具:Pokedex
      • 2.6 高性能框架:Fastapi
      • 2.7 JS 面经:javascript-questions
      1. 本周 GitHub Trending #程序员增值# 主题的主力军
      • 3.1 优雅赚钱:howto-make-more-money
      • 3.2 定投改变命运:regular-investing-in-box
      • 3.3 机器学习课程个人笔记:Coursera-ML-AndrewNg-Notes
      1. 推荐阅读

技术图片

1. 本周特推

1.1 遗传算法玩具:genetic-drawing

本周 star 增长数:1200+

Newgenetic-drawing 作者在 2017 年做的模仿给定目标图像的绘制过程的玩具项目,效果见下图。项目受到互联网上许多基因绘制示例的启发,由于项目深受欢迎,作者便在近日将其开源。

GitHub 地址→https://github.com/anopara/genetic-drawing

技术图片

1.2 马斯克火箭:SpaceX-API

本周 star 增长数:900+

SpaceX-API 是一个用于火箭、核心舱、太空舱、发射台和发射数据的开源 REST API。技术栈

  • 部署在美国中部 Linode 服务器上
  • 使用了 Nodejs 的 Koa 框架
  • 使用了 Redis、Nginx 和 Cloudflare 进行内容缓存
  • 使用了 Jest 和 Supertest 做测试
  • 使用了 Circle CI 进行持续集成/部署
  • 所有的数据存储在 MongoDB Atlas 3 节点的副本集集群中
  • 使用 mongodump 在晚上进行数据备份

GitHub 地址→https://github.com/r-spacex/SpaceX-API

2.1 Go 语法书:go-ast-book

本周 star 增长数:1000+

go-ast-book 是一个 Go 语法树入门项目。让我们语法树这个维度重新审视 Go 语言程序,我们将得到创建Go语言本身的技术。本书简单介绍语法树相关包的使用。

GitHub 地址→https://github.com/chai2010/go-ast-book

技术图片

2.2 数据库好搭档:xgenecloud

本周 star 增长数:800+

New xgenecloud 是一个能即时生成任何数据库上的 REST 和 GraphQL API 工具,它支持 MySQL、PostgreSQL、MsSQL、SQLite、MariaDB。特性:

  • 为现有数据库生成 REST API
  • 提供用于调试的 GUI
  • 生成的 API 均可基于 Serverless 部署在任意云平台

GitHub 地址→https://github.com/xgenecloud/xgenecloud

技术图片

2.3 前端小玩意:vanillawebprojects

本周 star 增长数:1100+

vanillawebprojects 收录了用前端技术(Javascript、CSS、HTML5)开发的 20+ 款小应用,包括:表单验证、汇率计算、打字游戏、语音阅读、新年倒计时等等。

GitHub 地址→https://github.com/bradtraversy/vanillawebprojects

技术图片

2.4 统计代码:lihang-code

本周 star 增长数:10900+

《统计学习方法》可以说是机器学习的入门宝典,许多机器学习培训班、互联网企业的面试、笔试题目,很多都参考这本书。本项目收录了该书的所有代码实现,特别是监督学习方法,包括感知机、k 近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与支持向量机、提升方法、em 算法、隐马尔可夫模型和条件随机场等。

GitHub 地址→https://github.com/fengdu78/lihang-code

技术图片

2.5 Poke 辅助工具:Pokedex

本周 star 增长数:500+

NewPokedex 使用基于 MVVM 架构的 Dagger Hilt、Motion、Coroutines、Jetpack 开发的 Poke(口袋妖精)辅助工具。这个项目专注实现依赖注入的新库,支持从网络获取数据,并通过存储库模式集成数据库中的持久化数据。

GitHub 地址→https://github.com/skydoves/Pokedex

技术图片

2.6 高性能框架:Fastapi

本周 star 增长数:1300+

Fastapi 是一个基于 python 的框架,该框架鼓励使用 Pydantic 和 OpenAPI 进行文档编制,使用 Docker 进行快速开发和部署以及基于 Starlette 框架进行的简单测试。特性:

  • 高性能
  • 快速编写代码:将功能开发的速度提高大约 200% 至 300%
  • 错误更少:减少约40%的人为错误(开发人员)
  • 直观:强大的编辑器支持。完成无处不在。调试时间更少
  • 简易:旨在易于使用和学习。减少阅读文档的时间
  • 短:最小化代码重复。每个参数声明中的多个功能,更少的错误
  • 健壮:获取可用于生产的代码,具有自动交互式文档。
  • 基于标准:基于(并完全兼容)API的开放标准

GitHub 地址→https://github.com/tiangolo/fastapi

技术图片

2.7 JS 面经:javascript-questions

本周 star 增长数:800+

从基础到高级,JavaScript Questions 收录了 JS 相关的面试题及解法。

GitHub 地址→https://github.com/lydiahallie/javascript-questions

在本期主题模块,小鱼干这里选取了 3 个和增值相关的小工具,希望能提高你生活、工作的幸福值。

3.1 优雅赚钱:howto-make-more-money

howto-make-more-money 是一个程序员@Easy 现身讲述优雅的挣零花钱的项目,虽然是一个教你如何赚零花钱的项目,但是通过阅读本赚零花钱小书你可理清自己的核心资源,以及如何创造资产。

GitHub 地址→https://github.com/easychen/howto-make-more-money

技术图片

3.2 定投改变命运:regular-investing-in-box

定投改变命运 —— 让时间陪你慢慢变富。regular-investing-in-box 这本书要讲的是普通人摆脱阶层固化的路径 —— 绝对可行,毫无水分,并且全靠你自己。这里所说的普通人,不分国界、不分地域、不分种族、不分性别、不分年龄、不分高矮胖瘦美丑、不分何种性取向…… 关键在于,甚至压根不分智商和学历!换言之,这个解决方案,甚至对在北京跑腿送外卖的小哥都适用……

GitHub 地址→https://github.com/xiaolai/regular-investing-in-box

3.3 机器学习课程个人笔记:Coursera-ML-AndrewNg-Notes

Coursera-ML-AndrewNg-Notes 是吴恩达老师的机器学习课程个人笔记,旨在提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括:

  • 监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。
  • 无监督学习(聚类,降维,推荐系统,深入学习推荐)。
  • 在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。

项目还将使用大量的案例研究,你可学习到如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web 搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。

GitHub 地址→https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

推荐阅读

以上为 2020 年第 23 个工作周的 GitHub Trending ??如果你 Pick 其他好玩、实用的 GitHub 项目,记得来 HelloGitHub issue 区和我们分享下哟 ??

HelloGitHub 交流群现已全面开放,添加微信号:HelloGitHub 为好友入群,可同前端、Java、Go 等各界大佬谈笑风生、切磋技术~

技术图片

GitHub热点速览,程序员的自我增值

标签:无监督学习   笔试   解法   adb   数据挖掘   基础   节点   数据库   取数   

原文地址:https://www.cnblogs.com/mqhpy/p/13140602.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!