"計算機科學"

ossu/computer-science

computer-science：自學電腦科學教育路徑 — computer-science 項目提供了一條全面且免費的自學電腦科學教育路徑，讓學生可以按照自己的節奏學習。這條路徑涵蓋了各個領域的課程和資源，包括 HTML、電腦科學理論等。通過這個項目，學生可以獲得系統化的電腦科學知識，提升自己的技能和就業競爭力。

HTML★ 206.9k⑂ 25.7kother

☆

joelgrus/data-science-from-scratch

data-science-from-scratch：從零開始的資料科學 — data-science-from-scratch 是一個使用 Python 的資料科學專案，提供了從零開始的資料科學實現，涵蓋了資料分析、機器學習等領域。這個專案的目的是提供一個基礎的資料科學實現，讓開發者可以從中學習。同時，該專案也提供了書籍《Data Science From Scratch》的程式碼實現，方便讀者進行實踐

Python★ 9.7k⑂ 4.7kdata

☆

PKUFlyingPig/cs-self-learning

cs-self-learning：計算機自學指南 — cs-self-learning 是一個專為自學計算機科學而設計的資源指南，提供了豐富的學習材料和資源。這個項目對於希望系統地學習計算機科學基礎知識的人來說非常有用。

HTML★ 74.3k⑂ 7.9kother

+134 ★☆

Developer-Y/cs-video-courses

cs-video-courses：計算機科學視頻課程清單 — cs-video-courses 是一個計算機科學領域的視頻課程清單，涵蓋了算法、生物信息學、計算機架構、計算機視覺、資料庫系統、深度學習、機器學習、量子計算、強化學習、機器人、安全、系統、網頁開發等多個主題。這個清單可以幫助學生和開發者快速找到相關的視頻課程，提升他們的計算機科學知識和技能。同時，這個清單也可以幫助老師和講師找到適合的教學資源，豐富他們的課程內容。

★ 82.5k⑂ 11.4kai-ml

☆

CyC2018/CS-Notes

CS-Notes：技術面試必備知識 — CS-Notes 提供了技術面試必備的基礎知識，包括 Leetcode、計算機操作系統、計算機網絡、系統設計等，幫助開發者們準備面試和提升技術能力。這個項目通過收集和整理相關知識，為開發者們提供了一個便捷的學習資源。同時，CS-Notes 也是一個開源項目，歡迎開發者們參與貢獻

★ 184.8k⑂ 50.8kother

☆

TheAlgorithms/C

C：教育用算法集合 — C集合了各種算法，包括數學、機器學習、計算機科學和物理等領域，使用C語言實現。這個集合對於教育目的非常有用，可以幫助學生了解各種算法的實現細節。同時，C也提供了一個平台，讓開發者可以貢獻自己的算法實現。

C★ 22.3k⑂ 4.8kai-ml

☆

TheAlgorithms/C-Plus-Plus

C-Plus-Plus：教育用算法集合 — C-Plus-Plus 项目提供了一个丰富的算法集合，涵盖了数学、机器学习、计算机科学和物理等领域。这些算法都是用 C++ 实现的，目的是为教育提供一个有价值的资源。通过这个项目，学生和开发者可以更深入地理解这些算法的实现细节和应用场景。

C++★ 34.5k⑂ 7.8kai-ml

☆

keras-team/keras

keras：人性化的深度學習框架 — keras 是一個高層神經網絡 API，能夠在 TensorFlow、PyTorch 和 JAX 等多個後端上運行。它提供了簡單易用的 API，讓用戶可以快速地構建和訓練神經網絡模型。keras 的出現使得深度學習技術更加民主化和易於使用

Python★ 64.2k⑂ 19.7kai-ml

☆

OpenMined/PySyft

PySyft：在不泄露数据的前提下进行数据科学分析 — PySyft是一个开源的Python库，能够让用户在不泄露数据的前提下进行数据科学分析。它通过使用联邦学习、加密和安全计算等技术来保护数据隐私。这样，用户就可以在不将数据传输到本地的情况下进行数据分析和机器学习模型的训练。

Python★ 9.9k⑂ 2kai-ml

☆

pymc-devs/pymc

pymc：Python 中的貝葉斯建模和概率编程 — pymc 提供了一个简单易用的 API 来定义概率模型，并提供了多种算法来进行模型拟合和推断。通过使用 pymc，可以轻松地构建和分析复杂的概率模型，从而更好地理解数据背后的机制。同时，pymc 也提供了与其他流行的 Python 库如 PyTensor 的集成，进一步扩展了其功能

Python★ 9.7k⑂ 2.3kother

☆

JuliaLang/julia

julia：程式設計語言 — julia是一種新的程式設計語言，旨在提供高效能的計算能力和簡單的語法，適用於科學計算、數值分析和機器學習等領域。julia的設計目標是提供比現有語言更快、更簡單、更靈活的計算能力。因此，julia對於科學家、工程師和數據分析師等具有重要意義

Julia★ 48.9k⑂ 5.9kai-ml

☆

MiniMax-AI/skills

skills：人工智慧技能開發 — skills是一個開源項目，提供了一個基於C#的技能開發框架，讓開發者可以輕鬆地創建和集成人工智慧技能。這個項目的目的是提供一個簡單和靈活的方式來開發和應用人工智慧技能。同時，skills也提供了一個強大的API，讓開發者可以輕鬆地擴展和自定義技能

C#★ 13.1k⑂ 1.1kother

☆

K-Dense-AI/scientific-agent-skills

scientific-agent-skills：人工智慧科學家技能 — scientific-agent-skills 是一個強大的庫，能夠將任何人工智慧代理轉換為人工智慧科學家。它提供了140個以上的技能和100個以上的科學數據庫，涵蓋生物學、化學、醫學和藥物發現等領域。這個庫被全球16萬以上的科學家使用，相容於Cursor、Claude Code、Codex、Pi、Antigravity和開放的Agent Skills標準

Python★ 29.7k⑂ 3kai-ml

☆

harvard-edge/cs249r_book

cs249r_book：機器學習系統 — cs249r_book 是一個關於機器學習系統的項目，使用 Python 進行開發。它提供了機器學習系統的相關知識和實踐指南。該項目對於機器學習系統的開發和應用具有重要意義

Python★ 27k⑂ 3.2kother

+329 ★☆

eugeneyan/applied-ml

applied-ml：應用機器學習論文與技術博客 — applied-ml 專案收集和分享各公司在生產環境中應用數據科學和機器學習的論文和技術博客，涵蓋了計算機視覺、深度學習、自然語言處理等領域。這些分享可以幫助開發者和研究者了解如何將機器學習應用於實際問題。同時，這也為開發者提供了一個很好的學習和參考資源。

★ 29.9k⑂ 4kai-ml

☆

jwasham/coding-interview-university

coding-interview-university：軟體工程師學習計畫 — coding-interview-university 是一個全面性的計算機科學學習計畫，涵蓋了演算法、資料結構、軟體工程等領域，旨在幫助學習者成為一名合格的軟體工程師。這個計畫提供了系統性的學習路線和資源，讓學習者可以更有效地準備面試和職業生涯。通過這個計畫，學習者可以提升自己的計算機科學知識和技能，增加在業界的競爭力。

★ 356.6k⑂ 84.3kother

☆

donnemartin/data-science-ipython-notebooks

data-science-ipython-notebooks：數據科學互動筆記本 — data-science-ipython-notebooks 提供了多個數據科學主題的互動式 Python 筆記本，包括深度學習框架（如 TensorFlow 和 Keras）、大數據處理工具（如 Spark）以及機器學習庫（如 scikit-learn）。這些資源對於學習和應用數據科學技術非常有用。

Python★ 29.2k⑂ 8kdata

☆

forthespada/CS-Books

CS-Books：計算機經典書籍與資源 — CS-Books 是一個收集了大量計算機經典書籍和相關資源的項目，涵蓋了 C/C++、Java、Python、Go語言、數據結構與算法、操作系統、後端架構等多個領域。這些資源對於計算機科學的學習和研究具有重要的參考價值。同時，CS-Books 也包含了個人筆記資料和發表文章中的資源，對於想要深入了解計算機科學的學生和從業者來說是一個非常有用的項目

★ 27.1k⑂ 4.1kbackend

☆

drivendataorg/cookiecutter-data-science

cookiecutter-data-science：数据科学项目结构模板 — cookiecutter-data-science 提供了一种合理的项目组织方式，帮助数据科学家们更好地进行数据分析和机器学习等工作。它使用 Python 语言，并提供了灵活的项目结构，以适应不同数据科学项目的需求。通过使用 cookiecutter-data-science，数据科学家们可以更高效地完成数据科学工作，并与他人分享研究成果

Python★ 10k⑂ 2.6kai-ml

☆

freeCodeCamp/freeCodeCamp

freeCodeCamp：開源編碼和課程 — freeCodeCamp是一個非營利性的開源項目，旨在提供免費的編碼和課程資源，讓學生可以學習數學、程式設計和電腦科學。通過freeCodeCamp，學生可以獲得實用的技能和知識，提升自己的就業競爭力。同時，freeCodeCamp也為開發者提供了一個開源的平臺，讓他們可以貢獻自己的力量，推動項目的發展

TypeScript★ 452.1k⑂ 45.6kweb

☆

academic/awesome-datascience

awesome-datascience：数据科学学习仓库 — awesome-datascience 提供了大量的数据科学资源，包括机器学习、深度学习、数据可视化等方面的内容。它帮助开发者和数据科学家解决现实世界的问题。通过 awesome-datascience，开发者可以快速找到合适的工具和库来解决特定的问题。

★ 29.7k⑂ 6.6kdata

☆

jakevdp/PythonDataScienceHandbook

PythonDataScienceHandbook：資料科學教材 — PythonDataScienceHandbook 提供了一份全面性的資料科學教材，涵蓋了資料分析、視覺化、機器學習等主題，使用 Jupyter Notebook 撰寫，方便讀者學習和實踐。這個教材使用了各種流行的 library，包括 matplotlib、numpy、pandas 和 scikit-learn。透過這個教材，讀者可以學習到資料科學的基礎知識和實踐技能

Jupyter Notebook★ 49.3k⑂ 19.1kdata

☆

chenfei-wu/TaskMatrix

TaskMatrix：任務管理工具 — TaskMatrix 是一個開源的任務管理工具，使用 Python 編寫。它提供了一個簡單易用的介面來管理和追蹤任務，讓用戶可以輕鬆地組織和優先處理任務。透過 TaskMatrix，用戶可以提高工作效率和生產力。

Python★ 34.1k⑂ 3.2kother

☆

iovisor/bcc

bcc：Linux IO 分析和監控工具 — bcc 提供了一系列基於 BPF 的工具，用于 Linux IO 分析、網路監控和其他系統監控任務。這些工具可以幫助開發人員和系統管理員更好地了解系統的行為和性能。bcc 的工具集合包括網路監控、IO 分析和安全監控等功能

C★ 22.6k⑂ 4.1kdevops

☆

rust-ml/linfa

linfa：機器學習框架 — linfa 是一個 Rust 機器學習框架，能夠提供高效的機器學習演算法和工具，幫助開發者快速地構建和訓練機器學習模型。這個框架的目的是為了提供一個簡單易用的機器學習解決方案，讓開發者能夠快速地將機器學習技術應用到實際的項目中。同時，linfa 也提供了一個高度可擴展的架構，能夠讓開發者根據自己的需求進行自定義和擴展

Rust★ 4.7k⑂ 328ai-ml

☆

langchain-ai/open_deep_research

open_deep_research：開源深度研究平台 — open_deep_research 提供了一個強大的開源框架，支持各種深度學習模型的開發和研究。它對於希望在深度學習領域進行創新研究的開發者來說極為重要。

Python★ 12.2k⑂ 1.7kother

+14 ★☆

mattpocock/skills

skills：實用工程技能 — skills 是一套來自 mattpocock 的工程技能工具集，包含了多種實用功能。這個工具集可以幫助工程師提高工作效率和生產力。通過使用 skills，工程師可以更好地管理自己的工作流程和技能樹

Shell★ 177.4k⑂ 15.2kai-ml

☆

togatoga/karukan

karukan：Linux、macOS 的日語輸入法系統 — karukan 是一個開源的日語輸入法系統，適用於 Linux 和 macOS 平台。它使用神經網路技術實現假名漢字轉換，提供高效和準確的輸入體驗。karukan 的開發使用 Rust 語言，保證了系統的穩定性和安全性

Rust★ 623⑂ 38ai-ml

+42 ★☆

Imbad0202/academic-research-skills

academic-research-skills：學術研究技巧 — academic-research-skills 專案提供了一套完整的學術研究工作流程，從研究到完成，涵蓋了寫作、審查、修訂等步驟。這個專案使用 Python 語言開發，整合了 Claude Code 等工具，旨在提高學術研究的效率和質量。通過使用 academic-research-skills，研究人員可以更好地管理自己的研究工作流程，提高研究的可靠性和有效性

Python★ 38.5k⑂ 3.1kother

☆

phillipi/pix2pix

pix2pix：圖像轉換技術 — pix2pix 是一個使用 Lua 語言開發的圖像轉換技術，利用條件對抗網路（conditional adversarial nets）來實現圖像到圖像的轉換。這個項目在計算機視覺和圖像生成領域具有重要意義。pix2pix 的應用包括圖像生成、圖像操控和圖像轉換等

Lua★ 10.6k⑂ 1.7kai-ml

☆

GokuMohandas/Made-With-ML

Made-With-ML：機器學習應用開發指南 — Made-With-ML 專案是一個全面性的機器學習開發指南，涵蓋了從資料工程到自然語言處理等多個領域，使用者可以學習如何使用 Python、PyTorch 和 Ray 來開發和部署機器學習模型。這個專案對於想要將機器學習應用於實際生產環境的開發者具有重要意義。通過這個專案，開發者可以學習如何提高機器學習模型的質量和效率，同時也可以學習如何使用 MLOps 來管理和維護機器學習模型

Jupyter Notebook★ 48.8k⑂ 7.7kai-ml

☆

opencv/opencv

opencv：電腦視覺函式庫 — opencv是一個強大的開源電腦視覺函式庫，提供了許多電腦視覺和圖像處理的功能，包括影像處理、特徵提取、物體偵測等。它廣泛應用於各個領域，包括機器人、自動駕駛、醫學影像分析等。opencv的開源性和高效性使其成為電腦視覺領域的一個重要工具

C++★ 90k⑂ 56.9kai-ml

☆

anthropics/cwc-workshops

cwc-workshops：人機互動工作坊 — cwc-workshops 是一個提供多種人機互動主題的工作坊集合，旨在幫助開發者和設計師學習最新的技術和方法。這些工作坊涵蓋了從基礎到進階的內容，對於希望在該領域有所發展的人來說非常有價值。

TypeScript★ 1.7k⑂ 491web

+45 ★☆

visenger/awesome-mlops

awesome-mlops：機器學習運維資源列表 — awesome-mlops 提供了豐富的 MLOps 相關資源，包括 AI、Data Science、DevOps 等領域的工具和技術，幫助開發者和工程師更好地理解和實踐 MLOps。這個列表對於想要提升機器學習模型部署和運維效率的開發者來說非常有用。同時，awesome-mlops 也是一個開源項目，歡迎開發者們貢獻和參與

★ 14k⑂ 2.1kai-ml

☆

pjreddie/darknet

darknet：神經網路框架 — darknet 提供了一個簡單且高效的方式來實現 CNN 模型，支援多種神經網路架構和訓練算法。這個框架廣泛應用於圖像識別、物體偵測等領域。darknet 的優點在於其高性能和低資源占用，使其成為嵌入式系統和移動設備的理想選擇。

C★ 26.5k⑂ 21kai-ml

☆

mtdvio/every-programmer-should-know

every-programmer-should-know：軟體開發者應該知道的技術事項 — every-programmer-should-know 是一個收集了軟體開發者應該知道的技術事項的集合，涵蓋了計算機科學和教育等領域。這個項目旨在幫助軟體開發者了解業界的最佳實踐和技術知識。通過這個項目，軟體開發者可以提高自己的技術能力和知識水平

★ 100k⑂ 8.8kother

☆

nilbuild/design-patterns-for-humans

design-patterns-for-humans：簡單的設計模式解釋 — design-patterns-for-humans 這個專案提供了對設計模式的簡單解釋，讓開發人員能夠輕鬆理解和應用設計模式。這個專案的目的是讓設計模式更容易被理解和使用，從而提高軟體開發的效率和質量。通過這個專案，開發人員可以學習到設計模式的基本概念和應用場景

★ 48k⑂ 5.5kother

☆

ashishps1/awesome-system-design-resources

awesome-system-design-resources：系統設計學習資源 — awesome-system-design-resources 提供了豐富的系統設計學習資源，包括 Java 等語言，幫助開發者學習系統設計概念和準備面試。這個資源對於想要提升系統設計技能和面試技巧的開發者來說非常重要。同時，它也涵蓋了後端、計算機科學、分佈式系統、可擴展性等多個領域。

Java★ 39.7k⑂ 8.5kbackend

☆

hackerkid/Mind-Expanding-Books

Mind-Expanding-Books：擴展您視野的書籍 — Mind-Expanding-Books 專案提供了一份多元化的書籍清單，涵蓋了計算機科學、經濟學、哲學、政治等多個領域，幫助用戶找到感興趣的書籍。該專案使用 JavaScript 開發，旨在為用戶提供一個方便的書籍搜索平台。通過 Mind-Expanding-Books，用戶可以拓寬視野，獲取新知識

JavaScript★ 14k⑂ 1.2kweb

☆