Descubra projetos open source de qualidade, envie projetos anonimamente e reivindique e edite seu próprio projeto.
Um pouco de curiosidade. Um mundo de código aberto.
THE FIRST COLLECTIONUma biblioteca Java abrangente de implementações de algoritmos e estruturas de dados, cobrindo estruturas de dados, programação dinâmica, teoria dos grafos, geometria, álgebra linear e matemática, com suporte de build Bazel e tutoriais em vídeo no YouTube.
O Tech Interview Handbook oferece materiais gratuitos e curados para preparação de entrevistas técnicas voltadas a engenheiros de software, abrangendo questões de codificação, questões comportamentais, guias de currículo e design de sistemas.
Implementações em JavaScript de algoritmos e estruturas de dados populares, cada uma com seu próprio README explicativo, notas de complexidade e links para leitura adicional. Útil para estudo e preparação para entrevistas.
Notas de algoritmos de labuladong: um conjunto de tutoriais e ferramentas de código aberto para LeetCode. Com mais de 60 artigos originais em chinês, estruturas centrais, painéis visuais e plugins multiplataforma, ajuda a dominar estruturas de dados e algoritmos pelo pensamento, não apenas acumulando código.
SciPy é uma biblioteca de software de código aberto para matemática, ciência e engenharia, oferecendo rotinas numéricas eficientes integradas aos arrays do NumPy.
《Hello Algorithm》 é um tutorial gratuito e de código aberto sobre estrutura de dados e algoritmos, com foco em iniciantes. O material utiliza ilustrações animadas e código executável diretamente, além de oferecer suporte a múltiplos idiomas e 14 linguagens de programação diferentes.
Plataforma de aprendizado visual interativa desenvolvida para facilitar a compreensão de algoritmos e estruturas de dados por meio de animações passo a passo, entradas personalizadas e controles de reprodução.
Implementações de Python limpas e bem documentadas de algoritmos e estruturas de dados comuns para aprendizado e referência.
Coleção educacional de algoritmos em Java, focada no aprendizado. Inclui diretório completo, diretrizes de contribuição e suporte ao Gitpod.
ML.NET é um framework de machine learning de código aberto e multiplataforma para .NET, permitindo que desenvolvedores criem, treinem, implantem e consumam modelos personalizados diretamente em aplicativos .NET sem precisar de Python ou R.
Uma lista selecionada de cursos de ciência da computação com videoaulas, abrangendo algoritmos, IA, bancos de dados, sistemas operacionais e muito mais.
