jiangnanfu Goto Github PK

ant

Ant game engine

cplusplusthings

C++那些事

cs-notes

:books: 技术面试必备基础知识、Leetcode、计算机操作系统、计算机网络、系统设计、Java、Python、C++

design-patterns

java设计模式示例代码，《设计模式从入门到精通》

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）

esl-cn

The Elements of Statistical Learning (ESL)的中文翻译、代码实现及其习题解答。

gitignore

A collection of useful .gitignore templates

gulimall

gulimall-learning

2020谷粒商城代码+笔记

halfrost-field

✍🏻 这里是写博客的地方 —— Halfrost-Field 冰霜之地

interview_internal_reference

2021年最新总结，阿里，腾讯，百度，美团，头条等技术面试题目，以及答案，专家出题人分析汇总。

introrl

Intro to Reinforcement Learning (强化学习纲要）

it_book

本项目收藏这些年来看过或者听过的一些不错的常用的上千本书籍，没准你想找的书就在这里呢，包含了互联网行业大多数书籍和面试经验题目等等。有人工智能系列（常用深度学习框架TensorFlow、pytorch、keras。NLP、机器学习，深度学习等等），大数据系列(Spark,Hadoop,Scala,kafka等)，程序员必修系列（C、C++、java、数据结构、linux，设计模式、数据库等等）

java

java学习内容

java-interview

「Java面试指南」一份通向理想互联网公司的面试指南，包括 Java基础、Java并发、JVM、MySQL、Redis、Spring、MyBatis、Kafka、计算机操作系统、计算机网络、系统设计、分布式、Java 项目实战等

javabooks

Java 程序员常读书单整理，附下载地址，助力构建最强知识体系。但不限于 Java，包括设计模式、计算机网络、操作系统、数据库、数据结构与算法、大数据、架构、面试等等。

javaguide

「Java学习+面试指南」一份涵盖大部分 Java 程序员所需要掌握的核心知识。准备 Java 面试，首选 JavaGuide！

kedditbysteps

Small Reddit Android client developed with Kotlin

leetcode

LeetCode刷题

leetcodetop

汇总各大互联网公司容易考察的高频leetcode题🔥

lihang

Statistical learning methods, 统计学习方法(第2版)[李航] [笔记, 代码, notebook, 参考文献, Errata, lihang]

logicstack-leetcode

公众号「宫水三叶的刷题日记」刷穿 LeetCode 系列文章源码

machine-learning-learning-notes

周志华《机器学习》又称西瓜书是一本较为全面的书籍，书中详细介绍了机器学习领域不同类型的算法(例如：监督学习、无监督学习、半监督学习、强化学习、集成降维、特征选择等)，记录了本人在学习过程中的理解思路与扩展知识点，希望对新人阅读西瓜书有所帮助！

mall

mall项目是一套电商系统，包括前台商城系统及后台管理系统，基于SpringBoot+MyBatis实现，采用Docker容器化部署。 前台商城系统包含首页门户、商品推荐、商品搜索、商品展示、购物车、订单流程、会员中心、客户服务、帮助中心等模块。 后台管理系统包含商品管理、订单管理、会员管理、促销管理、运营管理、内容管理、统计报表、财务管理、权限管理、设置等模块。

memory-based-collaborative-filtering

高效的协同过滤算法实现——推荐系统

mlapp-cn

A Chinese Notes of MLAPP，MLAPP 中文笔记项目 https://zhuanlan.zhihu.com/python-kivy

movie-recommendationsystem

电影推荐系统，包含离线推荐、实时推荐、Web 展示等模块。 Spring + Spark + SparkStreaming + Kafka + Flume 简单的电影推荐系统案例。

movie_recommend

基于Spark的电影推荐系统，包含爬虫项目、web网站、后台管理系统以及spark推荐系统

movielens-recsys

基于MovieLens-1M数据集实现的协同过滤算法demo

movies_recommend

movie recommender system in use Collaborative Filtering / 基于协同过滤的电影推荐系统