DevOps 开发工具:Dev Lake,可将 DevOps 数据以实用、个性化、可扩展的视图呈现,完成数据的收集、分析和可视化。项目团队成员主要来自微软研究员、加州大学伯克利分校和斯坦福大学

工具内置 20+ 效能指标与下钻分析能力,可快速归集 DevOps 全流程效能数据,并支持接入新数据源,完成自定义 SQL 分析及拖拽搭建场景化数据视图等功能
论文可视化检索 #工具Connect Papers,当你搜索 #论文 时,该工具会自动生成直观的可视化图谱,展示多篇论文的关联度、引用度及时间跨度。

其最大特点,在于能帮助你完成以下工作:

- 更加直观地了解新的学术领域;
- 确保你没错过重要论文;
- 为论文创建书目;
- 发现相关性较高的旧作品与衍生作品。

为了创建每个图形,开发人员挑选了约 50000 个论文的相互顺序,几十个与原始论文联系最紧密的论文进行分析,确保各项论文之间的精确度
编程 #速查表42 School CheatSheet,发布于 C 语言诞生 50 年之际。

里面列举了新手开发者的常犯错误、软件编码指南、程序员开发工具配置、计算机编程学习资源(C 语言、算法、网络、黑客与安全)等内容
微软在 GitHub 开源了一个技术教程:《人工智能系统》,主要讲解支持 #人工智能 的计算机系统设计。课程分为三大模块:

模块一:AI基础知识与 #AI 系统的全栈概述,深度学习系统的系统性设计和方法学;
模块二:将介绍前沿系统和AI交叉的研究领域;
模块三:配套的实验课程,包括最主流的框架、平台和工具,以及一系列的实验项目。

课程设立的主要目的,是为了帮助本科生与研究生,更好的学习深度学习完整生命周期下的系统设计,寻找和定义有意义的研究问题。进一步提高解决实际问题的能力,而不仅仅是了解工具使用。
Google 在 GitHub 开源的一份工程实践文档:《Google 工程实践文档》(Google's Engineering Practices documentation)

此文档为 Google 工程师长期累积的最佳实践,希望通过这份文档,能帮助更多开发者完成代码审查工作,为项目代码提供标准参考。
中文版 英文版
尼泊尔一名工程师在 GitHub 上开源的《数据科学学习指南》,帮你每天提升1%的数据科学技能。

#指南 包含电子表格与数据库的数据处理、命令行工具使用、数据分析与可视化技巧、论文阅读方法,各类模型与算法讲解等知识,另外还有商业思维培养、写作与沟通技巧等非技术类内容。
Back to Top