DarLiner

Algorithm_Interview_Notes-Chinese

2018/2019/校招/春招/秋招/自然语言处理(NLP)/深度学习(Deep Learning)/机器学习(Machine Learning)/C/C++/Python/面试笔记，此外，还包括创建者看到的所有机器学习/深度学习面经中的问题。 除了其中 DL/ML 相关的，其他与算法岗相关的计算机知识也会记录。 但是不会包括如前端/测试/JAVA/Android等岗位中有关的问题。

vjtools

唯品会Java开发手册，结合唯品会的内部经验，参考《阿里巴巴Java开发手册》《Clean Code》、《Effective Java》等重磅资料进行了大幅定制，包含核心基础类库VJKit ，问题排查工具VJMap 和 VJTop 三部分。

openzaly

openzaly 是 Akaxin 的服务器源代码，用以搭建私有聊天服务器。特性： ● 单聊、群聊（含文字、图片、语音等） ● 端到端的加密消息（服务端不可解密，服务器可通过配置关闭此特性） ● 匿名注册、实名注册，以及注册邀请码机制（只允许特定用户注册） ● 扩展机制

Dragonfly

Dragonfly（蜻蜓）是阿里自研的 P2P 文件分发系统，开源版的 Dragonfly 可用于 P2P 文件分发、容器镜像分发、局部限速、磁盘容量预检等。它支持多种容器技术，对容器本身无需做任何改造，镜像分发比 natvie 方式提速可高达 57 倍，Registry 网络出流量降低99.5%以上。

weixin-java-tools

可能是目前最好最全的微信 Java 开发工具包，支持包括微信支付、开放平台、小程序、企业号和公众号等的开发

Java-Interview

此项目为 Java 面试的汇总，多数是一些 Java 基础知识、底层原理、算法详解。也有上层应用设计，其中不乏一些大厂面试真题。

awesome-python

awesome-python 是 vinta 发起维护的 Python 资源列表，内容包括：Web框架、网络爬虫、网络内容提取、模板引擎、数据库、数据可视化、图片处理、文本处理、自然语言处理、机器学习、日志、代码分析等。十分受Python开发者的青睐。

system-design-primer

该项目是关于如何设计大型系统，以及如何应对系统设计面试。系统设计是一个很宽泛的话题。在互联网上，关于系统设计原则的资源也是多如牛毛。这个仓库就是这些资源的组织收集，它可以帮助你学习如何构建可扩展的系统。

proxyee-down

proxyee-down 是一个开源的下载神器，也可以说是百度云神器，不过，它需要安装证书、设置代理，初次使用会略显繁琐，但带来的速度提升也是显而易见的。

elasticsearch

Elasticsearch 是一个分布式的 RESTful 风格的搜索和数据分析引擎，能够解决越来越多的用例。作为 Elastic Stack 的核心，它集中存储您的数据，帮助您发现意料之中以及意料之外的情况。Elasticsearch 是一个实时的分布式搜索分析引擎， 它能让你以一个之前从未有过的速度和规模，去探索你的数据。 它被用作全文检索、结构化搜索、分析以及这三个功能的组合

java-design-patterns

Design patterns 是程序员在设计应用程序或系统时可用来解决常见问题的最佳实践手册。它可以帮助你加快开发进程，有效防止一些可能导致重大失误的细节问题，不过深入了解 java-design-patterns 之前，你应提前熟悉各种编程/软件设计原则。

Python

该项目用Python实现了所有的排序算法，包括插入排序、冒泡排序、快速排序、选择排序、归并排序等。

spring-boot

从最根本上来讲，Spring Boot 就是一些库的集合，它能够被任意项目的构建系统所使用。简便起见，该框架也提供了命令行界面，它可以用来运行和测试 Boot 应用。框架的发布版本，包括集成的 CLI（命令行界面），可以在 Spring 仓库中手动下载和安装。 具有如下特性： ● 创建独立的Spring应用程序 ● 嵌入的Tomcat，无需部署WAR文件 ● 简化Maven配置 ● 自动配置Spring ● 提供生产就绪型功能，如指标，健康检查和外部配置 ● 绝对没有代码生成和对XML没有要求配置

awesome-algorithm

Leetcode 题解 (跟随思路一步一步撸出代码) 及经典算法实现，该项目的当前定位是用不同的编程语言实现基本算法，创建者欢迎广大开发者帮助完善。

maskrcnn-benchmark

PyTorch中的实例分段和对象检测算法的快速模块化参考实现，可以使用每个GPU每批次多个图像处理。

material-dashboard

Material Dashboard是一个免费的 Material Bootstrap 后台。新的设计灵感来自谷歌的Material设计。Material Dashboard附带了一些第三方插件重新设计，以适应其余的元素。

responder

一个Python HTTP服务框架，它将为你提供一个ASGI应用程序，预安装静态文件服务器，jinja2模板（无需额外导入），以及基于uvloop的生产网络服务器，自动为gzip压缩服务请求。

RxJava

.Net响应式编程框架 Rx 的Java版本开源实现，有Groovy, Clojure, Scala and JRuby版本的实现。它扩展了观察者模式以支持数据/事件序列，并添加了运算符，因此可以声明性地组合序列，同步抽象的低级线程，线程安全性和并发数据结构等问题。

modelDemo

基于Spring+SpringMVC+Mybatis分布式敏捷开发系统架构，提供整套公共微服务服务模块：集中权限管理（单点登录）、内容管理、支付中心、用户管理（支持第三方登录）、微信平台、存储系统、配置中心、日志分析、任务和通知等，支持服务治理、监控和追踪，努力为中小型企业打造全方位J2EE企业级开发解决方案

pollyjs

Polly.JS 是 Netflix 开源的一个独立、框架无关的 JavaScript 库，可记录，重放和存根 HTTP 交互。Polly 利用本地浏览器 API 轻松调试请求和响应，同时让你能够使用简单、功能强大且直观的 API 全面控制每个请求，这将便于后期模拟不同的应用状态（例如加载、报错等）。

taro

多端统一开发框架，支持用 React 的开发方式编写一次代码，生成能运行在微信小程序、H5、React Native 等的应用。

TensorFlow-Course

该存储库旨在为TensorFlow提供简单且易于使用的教程。该项目的目标是通过结构化教程和简单优化的代码实现帮助社区开发者可以更快地有效地了解如何使用TensorFlow 。

trfl

TRFL是DeepMind开源的一个内部强化学习库，用于在TensorFlow中编写强化学习智能体，这个库包含DeepMind开发的大量成功的agent的关键算法组件，对于强化学习智能体的再现研究很有用。

apollo

Apollo（阿波罗）是携程框架部门研发的分布式配置中心，能够集中化管理应用不同环境、不同集群的配置，配置修改后能够实时推送到应用端，并且具备规范的权限、流程治理等特性，适用于微服务配置管理场景。

flutter

Flutter 是一种新型的方式，用于创建高性能、跨平台的移动应用。由 Google 的工程师团队打造。Flutter 针对当下以及未来的移动设备进行优化，专注于 Android and iOS 低延迟的输入和高帧率。Flutter 可以给开发者提供简单、高效的方式来构建和部署跨平台、高性能移动应用；给用户提供漂亮、快速、jitter-free 的 app 体验。

graph_nets

Graph Nets是DeepMind的库，用于在Tensorflow和Sonnet中构建图形网络。该库将与TensorFlow的CPU和GPU版本一起使用，但为了允许它不会将Tensorflow列为要求，因此如果您尚未单独安装Tensorflow，则需要单独安装。

incubator-dubbo

Dubbo 是阿里巴巴公司开源的一个高性能优秀的服务框架，使得应用可通过高性能的 RPC 实现服务的输出和输入功能，可以和 Spring 框架无缝集成。

models

一个Tensorflow库，里面包含 使用TensorFlow 构建的模型和示例的教程，旨在更好的维护，测试，并与最新的TensorFlow API保持同步最新。

rap

xxl-job