探索 算法 项目
筛选并发现收录的、配有高质量中文文档或教程的 GitHub 项目。
构建最佳面试图谱，涵盖 JS、网络、浏览器、性能优化、安全、框架、Git、数据结构与算法等核心知识。提供在线版本与进阶小册，助力高效备战面试。
精选 LeetCode 资源合集，涵盖数据结构与算法核心概念及 15 种解题模式，助力编程面试准备。主要语言为 Java。
金融强化学习开源框架，提供完整的自动交易管道。包含市场环境、智能体和应用三层架构，支持多种数据源，适用于量化交易研究与开发。
开源 AutoML 工具包，自动化机器学习生命周期，涵盖特征工程、神经架构搜索、模型压缩与超参数调优。支持 Python，提供丰富的算法与可视化界面。
下一代全文搜索库，适用于浏览器和 Node.js。支持多字段搜索、语音转换、部分匹配、标签搜索和结果高亮。性能卓越，查询速度比其他库快 100 万倍。支持多种数据库和字符集。
基于模式的 LeetCode 面试题学习方法，按子主题分组，聚焦重复应用通用模式。包含 Java 解决方案和数据结构/算法基础知识。
《Python Machine Learning》第一版代码仓库，包含 400 页丰富内容，涵盖从理论到实践的机器学习知识，使用 NumPy、scikit-learn 和 Theano 实现。
全面的 FAANG 备考资源库，涵盖数据结构、算法、450 DSA、Striver DSA 表、Apna College DSA 表及 FAANG 题目。包含操作系统、DBMS、SQL、计算机网络和面向对象编程等技术科目，使用 Jupyter Notebook 编写。
手写实现李航《统计学习方法》全部算法，代码注释详尽，公式来源清晰。包含监督与无监督学习，如感知机、SVM、K-means、PCA 等。
整理计算机类常用开源电子书，涵盖 Java、Python、Linux、Go、C、C++、数据结构与算法、人工智能、计算机基础、面试、设计模式、数据库、前端等。提供下载链接，更多优质书籍请关注公众号「帅地玩编程」回复「开源电子书」。
《Cracking the Coding Interview》第6版题解仓库，主要包含 Java 解决方案，并通过 Git 子模块支持多语言社区贡献，欢迎提交代码。
提供机器学习算法的简洁、干净实现示例，涵盖深度学习、线性模型、随机森林、SVM、K-Means、GMM、KNN、朴素贝叶斯、PCA、因子分解机、RBM、t-SNE、GBDT 和强化学习。代码基于 Python、NumPy、SciPy 和 Autograd，便于学习算法内部原理和从头实现。
免费在线 Jupyter 笔记本教材，涵盖计算线性代数核心内容。使用 Python、Scikit-Learn、Numpy 和 PyTorch 等库，重点讲解矩阵计算的速度与精度。包含配套视频教程和讨论论坛。
由 OpenDataScience 社区开发的开源机器学习课程，由 Yury Kashnitsky 领导。课程平衡理论与实践，包含数学公式、作业和 Kaggle Inclass 竞赛。提供自定进度学习路径和付费的高级作业包。
基于 e-maxx.ru 的算法与数据结构文章翻译项目，专注于竞赛编程。提供 C++ 实现，网站无广告且由志愿者维护，支持社区贡献与赞助。
类似 awk、sed、cut、join 和 sort，专为 CSV、TSV、JSON 等命名索引数据设计。支持动态添加/删除字段、统计聚合、格式转换，是命令行数据处理的瑞士军刀。
Python 量化交易策略库，涵盖技术指标、期权策略与量化分析。包含 MACD、布林带、配对交易、蒙特卡洛模拟等自动化脚本，支持历史数据回测，适用于各类市场策略研究。
开源跨平台 .NET 机器学习框架。无需 Python/R 经验，即可在 .NET 应用中构建、训练和部署自定义模型。支持分类、预测、异常检测等多种场景，并可集成 TensorFlow 和 ONNX 模型。
Java 语言实现的 LeetCode 算法题解集合，按难度和题号排序，包含源代码与解题笔记。附 Facebook 面试题列表，适合学习数据结构与算法。