Soft & Share 開源報報 - 007 機器學習系統設計

Contents

這是 Soft & Share 為訂閱會員所推出的服務，小編週一到週五會每天整理一篇開源專案的摘要說明整理（早上 8 點前會發佈在 Soft & Share 網站 ) ，讓你可以利用上班前快速掌握目前開源專案的焦點。( 之前出版的開源報報 )

為什麼需要 Soft & Share 開源報報？

每天快速瀏覽開源報報具備有什麼效益？

增加自己的學習動力，提升自己的視野
從開源專案中獲得 side project 靈感與想法
利用開源專案提升自己的生產力

每天使用 NT8.3 元，你可以使用 Soft & Share 開源報報省下掌握每天開源資訊焦點的時間，這是一個很划算的時間槓桿投資

訂閱網址

今日內容摘要

✅ 機器學習系統設計
✅ 系統設計與架構
✅ 學習 OpenGL
✅ 線性代數互動電子書
✅ 演算法第四版的程式碼
✅ 用於建構快速和可擴充 React 資料表格的 Hooks
✅ 一個使用 Swift 編寫快速靈活的 Markdown 解析器
✅ 一個讓你的臉跟著指標移動的 Javascript 程式庫
✅ 一個可擴展的、搜尋引擎增強平台，用於部署 transformer 模型，以提高不同✅ 平台上搜索結果的相關性
✅ 網頁應用程式強化控制
✅ 執行端到端的功能性網路測試，測試可達性、延遲和資料包丟失
✅ 從配置到部署，用來建立一個完整的基礎設施程式碼(IaC)儲存庫的樣板
✅ 週期性地殺死 Kubernetes 叢集中的隨機 pods
✅ 可用來簡化 Android 的 Activities, Fragments, Threads, Services,等之間的通訊程式庫
✅ Rust 的跨平台 GUI 程式庫，靈感來自 Elm
✅ 在地圖上顯示熱度圖 ( Heatmap )
✅ 透過 GitHub Gist 來做跨多台電腦的 VS Code 的設定同步
✅ 比較人性化的 Git 指令
✅ 使用一個命令中將資料移轉到 PostgreSQL
✅ 使用 Python 實現機器人演算法的範例程式碼 ( 特別用於自動導航 )

學習資源

機器學習系統設計

https://github.com/chiphuyen/machine-learning-systems-design

這個專案主要教你設計機器學習系統的四個主要步驟

專案設置
資料管線
建模: 選擇、模型訓練和偵錯
服務: 測試、部署和維護

這個專案的開發者非常有名，她叫 Chip Huyen，目前在 Nvidia 人工智慧應用團隊工作，想知道她目前多有名，列一下之前有關於她的報導

今天介紹的專案出現在 github trend 中沒多久，中國的機械之心就出了一篇報導

一日千星的「机器学习系统设计指南」，这个英伟达小姐姐的项目火了

Chip Huyen 無疑是 Nvidia 的最佳佈道師，在 Nvidia 用 GPU 不用花錢學機器學習真棒！

系統設計與架構

https://github.com/puncsky/system-design-and-architecture

學習如何設計大規模的系統，並準備系統設計面試

這個 github 收集了許多知名公司( Facebook/Instagram/Netflix/Uber/Airbnb … ) 的系統設計案例，有些是來自這些公司的官方部落格 ( 例如 Netflix ) ，有些是學校課程的教學簡報 ( 例如 How Facebook Scale its Social Graph Store? TAO ) ，裡面也有昨天提到的 Kafka ( What is Apache Kafka )

對於這些大型系統背後的架構設計原理有興趣，這是一份很棒的學習資源

學習 OpenGL

https://github.com/JoeyDeVries/LearnOpenGL

這個專案主要是 OpenGL 線上教學指南 https://learnopengl.com 的範例程式碼，想要學習 OpenGL 程式設計是一個不錯的參考，專案最後還提到

Polytonic 建立了一個名為 Glitter 的專案，這是一個非常簡單的 OpenGL 樣板檔案。執行一個 LearnOpenGL 專案(包括所有程式庫)所需的一切。如果你想跟隨教學，沒有麻煩的手動編譯並且連結所有第三方程式庫！

這個線上教學網站是免費，還有簡體中文的翻譯

線性代數互動電子書

https://github.com/QBobWatson/gt-linalg

線性代數無疑是機器學習中很重要的數學技能，這個專案是一本線性代數互動電子書的原始碼，它的互動性做的真的很炫，你可以調整參數，數學方程式的結果會馬上顯示在畫面上，這可以幫助你理解抽象的數學方程式背後代表的意義

演算法第四版的程式碼

https://github.com/kevin-wayne/algs4

這是這本知名的演算法書籍 Algorithms, 4th Edition 的程式碼範例，這本書涵蓋每個程式設計師都應該知道的50種演算法。

Web 應用程式開發

用於建構快速和可擴充 React 資料表格的 Hooks

https://github.com/tannerlinsley/react-table

這邊有許多範例，範例使用線上開發環境，可以看到程式碼和結果

一個使用 Swift 編寫快速靈活的 Markdown 解析器

https://github.com/JohnSundell/Ink

它可以用於將 markdown 格式的字串轉換為 HTML，還支援 metadata 解析，以及用於細粒度後處理的強大客製化選項。它的重點是基於 swift 的 web 開發和其它以 html 為中心的工作流程。

一個讓你的臉跟著指標移動的 Javascript 程式庫

https://github.com/4lejandrito/creepyface

專案中有一個蠻有趣的範例，你事先必須先收集許多圖片來製作這個互動效果

一個可擴展的、搜尋引擎增強平台，用於部署 transformer 模型，以提高不同平台上搜索結果的相關性

https://github.com/koursaros-ai/nboost

Nboost 利用精化模型( finetuned models ) 生成特定領域的神經搜尋引擎。該平臺還可以改進其他需要排序輸入的下游任務，例如問題回答。

在傳統的搜尋請求中，使用者要求 Elasticsearch 提供10個結果，然後從伺服器返回10個結果。

在 NBoost 搜尋請求中，使用者要求 Proxy 提供10個結果。然後，Proxy 要求 Elasticsearch 提供100個結果。當伺服器返回100個結果時，模型選擇最好的10個結果並返回給使用者。

網頁應用程式強化控制

https://github.com/sveltejs/svelte

Svelte 是一種建構 web 應用程式的新方法。它是一個編譯器( 使用 TypeScript 開發) ，它接受你的宣告性元件，並將它們轉換成有效率的 JavaScript，像外科手術一樣更新 DOM。

雲端和網路管理

執行端到端的功能性網路測試，測試可達性、延遲和資料包丟失

https://github.com/uber/arachne

這是 uber 貢獻的開放原始碼，Arachne 是一種網路封包丟失檢測系統，也是一種效能不佳的路徑檢測系統。它提供了對資料中心和雲端基礎架構中的所有元件進行快速、簡單的主動端到端功能測試。 Arachne 能夠通過產生最小流量來檢測 intra-DC, inter-DC, DC-to-Cloud, and DC-to-External-Services 的問題：