Découvrez des projets open source de qualité, soumettez des projets anonymement, puis revendiquez et éditez votre propre projet.
Un peu de curiosité. Un monde de code ouvert.
THE FIRST COLLECTIONLe Tech Interview Handbook offre des ressources gratuites et sélectionnées pour la préparation aux entretiens techniques destinées aux ingénieurs logiciel, couvrant les questions de codage, les questions comportementales, les guides de CV et la conception de systèmes.
Implémentations JavaScript d'algorithmes et de structures de données populaires, chacune avec son propre README explicatif, des notes de complexité et des liens pour approfondir. Utile pour l'étude et la préparation aux entretiens.
Notes d'algorithmique de labuladong : un ensemble open source de tutoriels et d'outils pour LeetCode. Plus de 60 articles originaux en chinois, des cadres méthodologiques, des panneaux de visualisation et des extensions multi-plateformes aident à maîtriser les structures de données et les algorithmes par la pensée, plutôt qu'en empilant du code.
SciPy est une bibliothèque open-source pour les mathématiques, la science et l'ingénierie, fournissant des routines numériques efficaces conçues pour fonctionner avec les tableaux NumPy.
« Hello Algorithm » est un tutoriel open source et gratuit sur les structures de données et les algorithmes, conçu pour les débutants. Il utilise des animations explicatives et du code exécutable en un clic, avec un support multilingue (chinois simplifié/traditionnel, anglais, japonais, russe) et 14 langages de programmation.
See Algorithms est une application web open-source et interactive développée sous Next.js qui visualise les algorithmes fondamentaux et structures de données informatiques.
Implémentations Python propres et bien documentées d'algorithmes et de structures de données courants pour l'apprentissage et la référence.
The Algorithms - Java est un dépôt open-source d'implémentations algorithmiques en Java à des fins éducatives. Il inclut des guides de contribution, une couverture de code via Codecov et le support Gitpod pour l'édition en ligne.
ML.NET est un framework d'apprentissage automatique open-source et multiplateforme pour .NET, permettant aux développeurs de créer, entraîner, déployer et utiliser des modèles personnalisés directement dans leurs applications .NET, sans nécessiter Python ni R.
Une liste curatée de cours d'informatique avec des conférences vidéo, couvrant les algorithmes, l'IA, les bases de données, les systèmes d'exploitation, et plus encore.
Une bibliothèque Java complète d'implémentations d'algorithmes et de structures de données couvrant les structures de données, la programmation dynamique, la théorie des graphes, la géométrie, l'algèbre linéaire et les mathématiques, avec support de build Bazel et tutoriels vidéo YouTube associés.
