湖中剑|湖中剑 GitHub周刊 #8 | 2021-09-14

1. 推荐 1.1 lifeRestart:假如人生可以重来

本周 Star增长:2200+,累计:7.6k+
最近很火的游戏,让你体验不同的人生开局和结尾。
如果起点不一样了,到底自己能不能成为人生赢家?
湖中剑|湖中剑 GitHub周刊 #8 | 2021-09-14
文章图片

https://github.com/VickScarlet/lifeRestart
2. 周榜 2.1 Real-ESRGAN:强大的AI图片修复工具
本周 Star增长:960+,累计:2.3k+
通过AI加持,可以把模糊的图片变清晰。
湖中剑|湖中剑 GitHub周刊 #8 | 2021-09-14
文章图片

Windows、Linux、MacOS上提供可执行文件直接运行,对于显卡的要求:Intel/AMD/Nvidia GPU,不依赖CUDA、PyTorch环境。
https://github.com/xinntao/Real-ESRGAN
2.2 《设计数据密集型应用》
本周 Star增长:300+,累计:8.8k+
【湖中剑|湖中剑 GitHub周刊 #8 | 2021-09-14】《Designing Data-Intensive Applications》书籍的中文翻译。
湖中剑|湖中剑 GitHub周刊 #8 | 2021-09-14
文章图片

现今,尤其是在互联网领域,大多数应用都属于数据密集型应用。本书从底层数据结构到顶层架构设计,将数据系统设计中的精髓娓娓道来。其中的宝贵经验无论是对架构师,DBA、还是后端工程师、甚至产品经理都会有帮助。
https://github.com/Vonng/ddia
2.3 Lima:macOS上的Linux虚拟机
本周 Star增长:380+,累计:4k+
Lima可以启动具有自动文件共享、端口转发和使用containerd(开源容器)的 Linux 虚拟机。
Lima的设计和WSL2类似,但Lima使用macOS作为其主要的目标主机,目前不支持Windows主机。
https://github.com/lima-vm/lima
2.4 Microsoft Recommenders
本周 Star增长:180+,累计:11.2k+
Microsoft Recommenders包含构建推荐系统的示例和最佳实践,以Jupyter notebook形式提供。
主要有五项关键任务:
  • 准备数据:为每个推荐算法准备和加载数据
  • 模型:使用各种经典和深度学习推荐算法建立模型
  • 评估:使用离线指标评估算法
  • 模型选择和优化:调整和优化推荐模型的超参数
  • 实践:在Azure上的生产环境中操作模型
https://github.com/microsoft/recommenders
2.5 ML-For-Beginners:机器学习初学者教程
本周 Star增长:2500+,累计:20.3k+
来自Microsoft的机器学习教程,历经12周、24节课让你了解到机器学习的魅力。
湖中剑|湖中剑 GitHub周刊 #8 | 2021-09-14
文章图片

https://github.com/microsoft/ML-For-Beginners
周刊首发于GitHub,欢迎订阅:
我的周刊

    推荐阅读