Total Pageviews

Tuesday, 31 December 2024

脚印

 

1983年问世的歌曲

awesome-actions

 A curated list of awesome actions to use on GitHub.

 Awesome GitHub Actions status | sdras/awesome-actions

Actions are triggered by GitHub platform events directly in a repo and run on-demand workflows either on Linux, Windows or macOS virtual machines or inside a container in response. With GitHub Actions you can automate your workflow from idea to production.

Contents

Official Resources

Workflow Examples

Official Actions

Workflow Tool Actions

Tool actions for your workflow.

Actions for GitHub Automation

Automate management for issues, pull requests, and releases.

Setup Actions

Set up your GitHub Actions workflow with a specific version of your programming languages.

Create your Actions

JavaScript and TypeScript Actions

Docker Container Actions

Community Resources

GitHub Tools and Management

Collection of Actions

Utility

Environments

Dependencies

Semantic Versioning

Static Analysis

Testing

Linting

Security

Code Coverage

Dynamic Analysis

Monitoring

Pull Requests

GitHub Pages

Notifications and Messages

Deployment

Docker

Kubernetes

AWS

Terraform

External Services

Frontend Tools

Machine Learning Ops

Build

Database

Networking

Localization

Fun

Cheat Sheet

Tutorials

from https://github.com/sdras/awesome-actions

 

lohost

 Distributed, decentralized and anonymized local website hosting, or something approximating that.

What is lohost?

Simply put, lohost is a way to serve a website to the internet from any local computer where you install the lohost website client.

You keep all the files on your local computer and pick the subdomain where the website lives (https://{yourApp}.lohost.io).

Getting started

Download the website client installer from this page and install it on your computer (currently windows only sorry). IMPORTANT, You will need to unblock the setup.exe once downloaded or it will not run.

Pick a location to install lohost and once installed, run the .exe through a command prompt. This will assign you a random lohost url and run the default website from your computer.

from https://github.com/hirajanwin/lohost

 

AI-System

System for AI Education Resource.

microsoft.github.io/AI-System/

English

本课程的中文名称设定为 人工智能系统,主要讲解支持人工智能的计算机系统设计,对应的英文课程名称为 System for AI。本课程中将交替使用以下词汇:人工智能系统AI-SystemSystem for AI

本课程为微软人工智能教育与共建社区中规划的人工智能相关教程之一,在基础教程模块下,课程编号和名称为 A6-人工智能系统

欢迎访问微软人工智能教育与共建社区A-基础教程模块访问更多相关内容。

人工智能系统课程设立背景

近年来人工智能特别是深度学习技术得到了飞速发展,这背后离不开计算机硬件和软件系统的不断进步。在可见的未来,人工智能技术的发展仍将依赖于计算机系统和人工智能相结合的共同创新模式。需要注意的是,计算机系统现在正以更大的规模和更高的复杂性来赋能于人工智能,这背后不仅需要更多的系统上的创新,更需要系统性的思维和方法论。与此同时,人工智能也反过来为设计复杂系统提供支持。

我们注意到,现在的大部分人工智能相关的课程,特别是深度学习和机器学习相关课程主要集中在相关理论、算法或者应用,与系统相关的课程并不多见。我们希望人工智能系统这门课能让人工智能相关教育变得更加全面和深入,以共同促进人工智能与系统交叉人才的培养。

人工智能系统课程设立目的

本课程主要为本科生高年级和研究生设计,帮助学生:

  1. 完整的了解支持深度学习的计算机系统架构,并通过实际的问题,来学习深度学习完整生命周期下的系统设计。

  2. 介绍前沿的系统和人工智能相结合的研究工作,包括AI for Systems和Systems for AI,以帮助高年级的本科生和研究生更好的寻找和定义有意义的研究问题。

  3. 从系统研究的角度出发设计实验课程。通过操作和应用主流和最新的框架、平台和工具来鼓励学生动手实现和优化系统模块,以提高解决实际问题的能力,而不仅仅是了解工具使用。

先修课程: C/C++/Python, 计算机体系结构,算法导论

人工智能系统课程的设计与特点

课程主要包括以下三大模块:

第一部分,是人工智能的基础知识和人工智能系统的全栈概述;以及深度学习系统的系统性设计和方法学。

第二部分,为高级课程,包括最前沿的系统和人工智能交叉的研究领域。

第三部分,是与之配套的实验课程,包括最主流的框架、平台和工具,以及一系列的实验项目。

第一部分的内容将集中在基础知识,而其他两部分的内容将随着学术界和工业界的技术进步而动态调整。后两部分的内容将以模块化的形式组织,以利于调整或与其他CS的课程(比如编译原理等)相结合,作为高级讲义或者实习项目。

本课程的设计也会借助微软亚洲研究院在人工智能和系统交叉领域的研究成果和经验,其中包括微软及研究院开发的一部分平台和工具。课程也鼓励其他学校和老师根据自己的需求添加和调整更多的高级课题,或者其他的实验。

人工智能系统课程大纲

基础课程




课程编号 讲义名称 备注
1 课程介绍 课程概述和系统/AI基础
2 人工智能系统概述 人工智能系统发展历史,神经网络基础,人工智能系统基础
3 深度神经网络计算框架基础 反向传播和自动求导,张量,有向无环图,执行图
论文和系统:PyTorch, TensorFlow
4 矩阵运算与计算机体系结构 矩阵运算,CPU/SIMD, GPGPU, ASIC/TPU
论文和系统:Blas, TPU
5 分布式训练算法 数据并行,模型并行,分布式SGD
论文和系统:PipeDream
6 分布式训练系统 MPI, parameter servers, all-reduce, RDMA
论文和系统: Horovod
7 异构计算集群调度与资源管理系统 集群上运行DNN任务:容器,资源分配,调度
论文和系统:Kubeflow, OpenPAI, Gandiva
8 深度学习推导系统 效率,延迟,吞吐量,部署
论文和系统:TensorRT, TensorFlowLite, ONNX



高阶课程




课程编号 讲义名称 备注
9 计算图的编译与优化 IR,子图模式匹配,矩阵乘和内存优化
论文和系统:XLA, MLIR, TVM, NNFusion
10 神经网络的压缩与稀疏化优化 模型压缩,稀疏化,剪枝
11 自动机器学习系统 超参调优,神经网络结构搜索(NAS)
论文和系统:Hyperband, SMAC, ENAX, AutoKeras, NNI
12 强化学习系统 RL理论,RL系统
论文和系统:AC3, RLlib, AlphaZero
13 安全与隐私 联邦学习,安全,隐私
论文和系统:DeepFake
14 利用人工智能来优化计算机系统 人工智能应用于传统系统问题,人工智能应用于系统算法
论文和系统:流媒体系统, 数据库索引, 系统参数调优, 芯片设计, 预测性资源调度



基础实验




实验编号 实验名称 备注
实验 1 框架及工具入门示例
实验 2 定制一个新的张量运算
实验 3 CUDA实现和优化
实验 4 AllReduce的实现或优化
实验 5 配置Container来进行云上训练或推理准备



高阶实验




实验 6 学习使用调度管理系统
实验 7 分布式训练任务练习
实验 8 自动机器学习系统练习
实验 9 强化学习系统练习



人工智能系统教材

《人工智能系统》 教材为微软人工智能教育与共建社区中规划的人工智能相关教材之一。我们注意到,现在的大部分人工智能相关的教材,特别是深度学习和机器学习相关课程主要集中在相关理论、算法或者应用,与系统相关的教材并不多见。我们希望人工智能系统教材能让人工智能系统教育变得更加体系化和普适化,以共同促进人工智能与系统交叉人才的培养。

from https://github.com/microsoft/AI-System

 

 

程序员技能图谱 skill-map

Github 开源项目地址:https://github.com/TeamStuQ/skill-map

简介

程序员技能图谱是由极客邦科技 Geekbang(https://www.geekbang.org/)发起的一个技术社区开源项目,志在汇集、整理、共建泛 IT 技术领域(人工智能,前端开发,移动开发,云计算,大数据,架构,运维,安全,后端开发,测试,智能硬件等)及互联网产品、运营等领域学习技能图谱,帮助程序员梳理知识框架结构,并尝试提供路径指导和精华资源,方便技术人学习成长。

除非特别声明,本开源项目所有领域技能图谱内容均只代表所参与贡献的技术人员个人立场,与其公司背景无关。本项目出发点旨在抛砖引玉,有任何不同意见和反馈,请提交 Issue 讨论,或发送邮件至 sean@geekbang.org,编辑会及时跟进或组织讨论,并持续更新内容版本。请理解并支持,感谢!:)

目前技能图谱已有如下领域,点击标题可以预览文本文件(.md),也可以在『图片预览版』以技能树形式预览图片文件(.png):

领域点击预览 核心贡献者 ID 原创链接 学习资源
# 人工智能 AI


- 机器学习 @徐英凯|闪银机器学习工程师 - 推荐脑图
- Apollo 自动驾驶 @Apollo 技术布道师团队 原创链接 推荐脑图
# 大数据 @祝海林 |丁香园大数据技术专家 - 推荐脑图

@高扬|欢聚时代资深大数据技术专家 - 推荐脑图
- Hadoop @张丹|况客创始人 原创链接 推荐脑图
# Web 前端 @jayli(拔赤)|阿里巴巴前端技术专家 原创链接 推荐脑图

@Jackson Tian |阿里巴巴前端技术专家 原创链接 推荐脑图
- 移动性能优化 @刘恒兵(河伯)|腾讯前端技术专家、IvWeb 负责人 原创链接 推荐脑图
- HTML5 开发 @Phodal(黄峰达)|ThoughtWorks 高级咨询师 原创链接 推荐脑图
- Angular 2 @汤桂川|广发证券前端技术专家 - 推荐脑图
# Server 后端


- 架构师 @沈剑|58到家技术委员会主席/技术总监 - 推荐脑图
- OpenResty @温铭|OpenResty Inc. 合伙人 - 推荐脑图
- 直播技术 @李雨来|SpeedyCloud 迅达云技术 VP - 推荐脑图
- CDN 技术 @李孟|SpeedyCloud 迅达云首席架构师 - 推荐脑图
- DNS 排查 @李孟|SpeedyCloud 迅达云首席架构师 - 推荐脑图
# 云计算 @费良宏|AWS 首席云计算技术顾问 - 推荐脑图
- OpenStack @夏艳|UnitedStack 公共关系总监 - 推荐|脑图
- 容器 Container @林帆 |阿里巴巴研发效能部技术专家 - 推荐脑图
- Serverless @林帆 |阿里巴巴研发效能部技术专家 - 推荐|脑图
- 微服务 MicroService @王磊 |西安尚度元科技技术总监 - 推荐脑图
# 安全 @余弦 |知道创宇技术 VP 原创链接 推荐脑图
# 智能运维 @Tanky Woo |知道创宇资深运维工程师 原创链接 推荐脑图
- DBA @杨一 |杭州有赞科技有限公司 DBA 专家 - 推荐脑图
- DevOps @林帆 |阿里巴巴研发效能部技术专家 - 推荐脑图
- Kubernetes @张磊|阿里巴巴高级技术专家 & CNCF 官方大使 - 推荐脑图

@李响|阿里巴巴资深技术专家 & CNCF 技术监督委员会成员 - 推荐脑图
# 测试 @TesterHome 社区 - 推荐
- 移动无线测试 @陈晔 Monkey - 推荐脑图
# 移动开发


- iOS 开发 @唐巧 |猿题库小猿搜题产品技术负责人 原创链接 推荐脑图
- Android App 开发 @anly_jun 原创链接 推荐|脑图
- Android ROM 开发 @anly_jun 原创链接 推荐|脑图
- Android 架构师 @顾浩鑫(ASCE1885)| 平安金融科技移动研发工程师 - 推荐脑图
# 智能硬件


- 嵌入式开发 @Phodal(黄峰达) |ThoughtWorks 高级咨询师 原创链接 推荐脑图
# 开发语言 @吴坚 |南航软件工程师 原创链接 推荐脑图
- Golang @谢孟军 |Apple 资深技术专家 原创链接 推荐|脑图
- Clojure @Loretta |SwiftKey 软件工程师 - 推荐|脑图
- Python @ZoomQuiet(大妈) |猎豹移动技术专家 原创链接 推荐|脑图
- Haskell @张淞 |网易杭州研究院高级开发工程师 - 推荐|脑图
- Node.js @桑世龙(i5ting) |阿里巴巴前端技术专家 原创链接 推荐|脑图
- Ruby @张汉东(Alex) - 推荐|脑图
- Java @Zhang Wei - 推荐|脑图
# 开发工具


- Git @吴坚 |南航软件工程师 - 推荐|脑图
# 技术管理


- CTO 技能 @黄勇|特赞科技 CTO、EGO 会员 - 推荐脑图

以及正在建设中的领域:

  • 服务端开发
  • 分布式数据库开发
  • IoT 物联网
  • PHP 语言
  • Swift 语言
  • Objective-C 语言
  • C++ 语言
  • C# 语言

欢迎贡献新领域技能图谱,或推荐学习路径与资源,有任何改进意见和建议,也可以建立 issue 讨论或发送邮件至 sean@geekbang.org。所有参与该项目的社区朋友均有机会获赠礼品/技能图谱纸质印刷 A1 版。

改进目标

  1. 继续细化各领域的技能节点
  2. 提供各领域的参考学习路径
  3. 推荐各知识点相关优质资源

图谱 MarkDown 分级规范

为了便于编辑和纠错更新,现统一图谱 MarkDown 文件分级规范如下:

  1. 根据内容考虑用" #,##,### "依次表示高级别主干分级
  2. 次级别分支用" -,*,+ "三种符号区分
  3. 所有“-”的优先级高于“*”
  4. 所有“*”的优先级高于“+”

加入我们

  • 提交图谱:直接提交 Pull Request,或者联系项目负责人 Sean,可发邮件至 sean@geekbang.org

版本信息

V 1.0

  • 更新稳定版本,新增 IT 职业技术重要领域

v 0.2.0

  • IT 技术各主要领域基本覆盖

v 0.1.2

  • 云计算领域新增:OpenStack,容器技术
  • 移动开发领域新增:iOS 开发
  • 测试领域新增:移动无线测试
  • 智能硬件领域新增:嵌入式开发

v 0.1.1

  • 程序员技能图谱第一版发布

本技能图谱遵循 CC-BY-NC-SA 4.0 协议。商业转载必须征求极客邦科技 Geekbang 授权同意,转载请务必注明出处 极客邦科技 Geekbang 保留最终解释权及法律追究权力。

欢迎关注极客邦科技 Geekbang 推出的「极客时间」App,获取更多技术干货。

from https://github.com/TeamStuQ/skill-map/

https://github.com/TeamStuQ/skill-map/blob/master/img/GeekTime-QRCode-200X200.png