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？
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。
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。
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
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。
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
- 剑指|剑指 Offer 13. 机器人的运动范围（dfs,bfs)
- 【玄幻】倚剑问道（0）
- 【武侠】一剑霜雪寂寒宵（31）
- 圆形菜单
- 第五章|第五章 神剑山庄
- 03_ARMv8指令集介绍加载与存储指令
- 剑指offer60.n个骰子的点数
- 不话别离
- 剑指offer——最小的K个数
- 叮咚～您有一份GitHub2020年度报告待查收