nanyangyeren's repositories
DeepLearning-500-questions
深度学习500问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书分为18个章节，50余万字。由于水平有限，书中不妥之处恳请广大读者批评指正。 未完待续............ 如有意合作，联系scutjy2015@163.com 版权所有，违权必究 Tan 2018.06
Coursera-ML-AndrewNg-Notes
吴恩达老师的机器学习课程个人笔记
learnopencv
Learn OpenCV : C++ and Python Examples
awesome-go
A curated list of awesome Go frameworks, libraries and software
awesome-cmake
A curated list of awesome CMake resources, scripts, modules and examples.
PyTorch_Practice
This repository is for my practice of PyTorch
OpenCV-Python-Tutorial
📖 OpenCV-Python image processing tutorial for beginners
ImageProcessing100Wen
「画像処理100本ノック」中文版本！为图像处理初学者设计的 100 个问题。
awesome-image-classification
A curated list of deep learning image classification papers and codes
Go42
《Go语言四十二章经》详细讲述Go语言规范与语法细节及开发中常见的误区，通过研读标准库等经典代码设计模式，启发读者深刻理解Go语言的核心思维，进入Go语言开发的更高阶段。
pumpkin-book
《机器学习》（西瓜书）公式推导解析，在线阅读地址：https://datawhalechina.github.io/pumpkin-book
JavaFamily
【Java面试+Java学习指南】 一份涵盖大部分Java程序员所需要掌握的核心知识。
DeepLearningNotes
《深度学习》花书手推笔记
ai-learning-roadmap
Ai Learning Roadmap based on lots of open course sources and book materials. 我总结的 AI 学习路径。
springcloud_oauth2.0
一个基于Spring Cloud+OAuth2.0+Spring Security+Redis的统一认证脚手架
recommended-books
计算机经典书籍推荐 部分书籍提供PDF下载
zengbiaobiao
Personal project
architect-awesome
后端架构师技术图谱
DeepLearning
Python for《Deep Learning》，该书为《深度学习》(花书) 数学推导、原理剖析与源码级别代码实现
system-design-primer
Learn how to design large-scale systems. Prep for the system design interview. Includes Anki flashcards.
logback
💡 SpringBoot+Spring Security基本配置
effective-java-3e-source-code
The source code from the third edition of Effective Java, with minor additions as necessary to make it runnable.
Image-processing-algorithm
paper implement
Java-Enterprise-IT-Architect-s-Dream
8年的Java开发经验。一天，老婆问我：“你是不是都可以做架构师了？”。我一下子，犹豫了，突然觉得自己对Java一无所有。从大学开始接触学习Java开始，从小白到带团队，从做功能到设计项目，带团队做项目，一路走来，发现没留下些什么。时候对Java工作做下总结了，这也是我的架构梦，一个总结。
Effective-Java-3rd-edition-Chinese-English-bilingual
Effective Java（第3版）各章节的中英文学习参考（已完成）
InterpretableMLBook
《可解释的机器学习--黑盒模型可解释性理解指南》，该书为《Interpretable Machine Learning》中文版
ML-NLP
此项目是机器学习(Machine Learning)、深度学习(Deep Learning)、NLP面试中常考到的知识点和代码实现，也是作为一个算法工程师必会的理论基础知识。