1. 家们都在用什么：Github上的十大深度学习项目
项目学习就是对一个特殊的将被完成的有限任务，它是在一定时间内，满足一系列特定目标的多项相关工作的学习掌握。
项目学习，对学生来说是参与了一个长期的学习任务。要求他们扮演现实世界中的角色，通过工作，研究问题、得出结论，就象成人工作一样。他们常会遇到社区或真实世界中的问题，使用科技手段研究、分析、协作和通信。他们会在社区与专家或社区成员一起工作。学生接触各个学科领域，使他们更容易理解概念，明白不同学科是如何相互联系和相互支持的。
项目学习的特点：
（1）所有项目都是真实的。
（2）每个项目都是独立的，都由项目确立、实施、结束和结果评估等阶段构成。
（3）项目实施活动所给予同学们的，不仅是将来做事所需要的知识和能力，而且可能就是同学们将来所要做的事情本身。
2. 有哪些程序化交易方面的 GitHub 作者值得关注
程序化交易软件有:文华/博易/倚天等，都是期货软件，但可以看股票。你可以“程序化交易软件”为题网络再找找看还有哪些软件。
3. 如何在 GitHub 看源代码学习
只“看”源码是没办法学习的。你必须将这个项目运行起来，在调试过程中动态分析它的处理流程，才能比较好的弄清楚其中的原理。幸运的是node.js的源码非常容易编译和调试，我就是通过下面的步骤来研究它的实现机制的。
先说明一下，我是在 Windows 7 环境下，采用 Visual Studio 2010 来调试的。（当然你要用其他环境也完全没问题）
第一步，从 GitHub 上把源码 clone 到本地（或者直接下载压缩包也行）
第二步，通过其中自带的 vcbuild.bat 脚本生成完整的 vs 项目解决方案文件
第三步，用 Visual Studio 2010 打开上一步生成的 node.sln 解决方案文件将其中的 node 设为主项目，然后就可以开始编译和调试了
就这么简单。
可以探索的问题很多，但是也应当有所侧重。在这个过程里，你会发现一个崭新的世界。通过学习顶尖的开发人员的作品可以帮助你更快的提升自己的技能。但是很显然，你付出的努力和汗水也是成倍的。
我是在一年半前开始接触 node.js 的。现在我最主要的项目基本都是依赖它来完成的。分析 node.js 的实现机制让我收获颇丰。但是回顾我的学习过程，最初却并没有考虑先从实现机制入手自底向上进行学习。而是站在“快乐傻瓜”的角度自顶向下先学习各项 API 的使用方法，适当的看一点点代码。这样学习起来会比较有方向性，和需求贴合的比较紧密，也容易有成就感，容易坚持。
4. github是什么
gitHub是一个面向开源及私有软件项目的托管平台，因为只支持git 作为唯一的版本库格式进行托管，故名gitHub。
作为开源代码库以及版本控制系统，Github拥有超过900万开发者用户。随着越来越多的应用程序转移到了云上，Github已经成为了管理软件开发以及发现已有代码的首选方法。
如前所述，作为一个分布式的版本控制系统，在Git中并不存在主库这样的概念，每一份复制出的库都可以独立使用，任何两个库之间的不一致之处都可以进行合并。
GitHub可以托管各种git库，并提供一个web界面，但它与外国的SourceForge、Google Code或中国的coding的服务不同，GitHub的独特卖点在于从另外一个项目进行分支的简易性。为一个项目贡献代码非常简单：首先点击项目站点的“fork”的按钮，然后将代码检出并将修改加入到刚才分出的代码库中，最后通过内建的“pull request”机制向项目负责人申请代码合并。已经有人将GitHub称为代码玩家的MySpace。
在GitHub进行分支就像在Myspace（或Facebook…）进行交友一样，在社会关系图的节点中不断的连线。
GitHub项目本身自然而然的也在GitHub上进行托管，只不过在一个私
有的，公共视图不可见的库中。开源项目可以免费托管，但私有库则并不如此。Chris Wanstrath，GitHub的开发者之一，肯定了通过付费的私有库来在财务上支持免费库的托管这一计划。
是的，我们正是这么计划的。通过与客户的接洽，开发FamSpam，甚至是开发GitHub本身，GitHub的私有库已经被证明了物有所值。任何希望节省时间并希望和团队其它成员一样远离页面频繁转换之苦的人士都会从GitHub中获得他们真正想要的价值。
在GitHub，用户可以十分轻易地找到海量的开源代码。
5. 如何在github看源代码学习呢
只“看”源码是没办法学习的。你必须将这个项目运行起来，在调试过程中动态分析它的处理流程，才能比较好的弄清楚其中的原理。幸运的是node.js的源码非常容易编译和调试，我就是通过下面的步骤来研究它的实现机制的。 先说明一下，我是在 Windows 7 环境下，采用 Visual Studio 2010 来调试的。（当然你要用其他环境也完全没问题） 第一步，从 GitHub 上把源码 clone 到本地（或者直接下载压缩包也行） 第二步，通过其中自带的 vcbuild.bat 脚本生成完整的 vs 项目解决方案文件 第三步，用 Visual Studio 2010 打开上一步生成的 node.sln 解决方案文件将其中的 node 设为主项目，然后就可以开始编译和调试了 就这么简单。 可以探索的问题很多，但是也应当有所侧重。在这个过程里，你会发现一个崭新的世界。通过学习顶尖的开发人员的作品可以帮助你更快的提升自己的技能。但是很显然，你付出的努力和汗水也是成倍的。 我是在一年半前开始接触 node.js 的。现在我最主要的项目基本都是依赖它来完成的。分析 node.js 的实现机制让我收获颇丰。但是回顾我的学习过程，最初却并没有考虑先从实现机制入手自底向上进行学习。而是站在“快乐傻瓜”的角度自顶向下先学习各项 API 的使用方法，适当的看一点点代码。这样学习起来会比较有方向性，和需求贴合的比较紧密，也容易有成就感，容易坚持。
6. 感觉这里才是github比较全面通俗易懂的讲解，一看就明白怎么回事
发展有前景，那么你就可以根据上升的比率进行分红获利炒股等于你拿钱去买一个公司的前途。当然股票也是可以转让的，经营良好，股价就会上升，前途好，当然亏损的时候就等于割肉卖掉这份权益，转让获利就是等于你把自己的这份收益权益卖给别人
7. 感觉这里才是github比较全面通俗易懂的讲解，一看就明白怎么回事
：炒股等于你拿钱去买一个公司的前途，前途好，发展有前景，经营良好，股价就会上升，那么你就可以根据上升的比率进行分红获利。当然股票也是可以转让的，转让获利就是等于你把自己的这份收益权益卖给别人，当然亏损的时候就等于割肉卖掉这份权益。
8. GitHub 是怎么火起来的
只“看”源码是没办法学习的。你必须将这个项目运行起来，在调试过程中动态分析它的处理流程，才能比较好的弄清楚其中的原理。幸运的是node.js的源码非常容易编译和调试，我就是通过下面的步骤来研究它的实现机制的。 先说明一下，我是在 Windows 7 环境下，采用 Visual Studio 2010 来调试的。(当然你要用其他环境也完全没问题) 第一步，从 GitHub 上把源码 clone 到本地(或者直接下载压缩包也行) 第二步，通过其中自带的 vcbuild.bat 脚本生成完整的 vs 项目解决方案文件 第三步，用 Visual Studio 2010 打开上一步生成的 node.sln 解决方案文件将其中的 node 设为主项目，然后就可以开始编译和调试了 就这么简单。 可以探索的问题很多，但是也应当有所侧重。在这个过程里，你会发现一个崭新的世界。通过学习顶尖的开发人员的作品可以帮助你更快的提升自己的技能。但是很显然，你付出的努力和汗水也是成倍的。 我是在一年半前开始接触 node.js 的。现在我最主要的项目基本都是依赖它来完成的。分析 node.js 的实现机制让我收获颇丰。但是回顾我的学习过程，最初却并没有考虑先从实现机制入手自底向上进行学习。而是站在“快乐傻瓜”的角度自顶向下先学习各项 API 的使用方法，适当的看一点点代码。这样学习起来会比较有方向性，和需求贴合的比较紧密，也容易有成就感，容易坚持。
9. Github上把源代码下来以后怎么使用
GitHub上Star已经超过7300，Fork数已经超过1800，在开发者社区中获得的反响远超预期。应开发者要求，7月28日在北京进行了一次线下交流，现场互动十分热烈。
线下活动现场
很多人好奇，为什么一个从没研发过大数据，也没研发过数据库软件的人，能研发物联网大数据平台软件？
而且你怎么想到要开发这样软件的？你三次创业，每次都在跨界，怎么能做到的？
7月28日，我把创业过程中的思考和分析分享出来，供在创业路上的朋友特别是技术型创业者参考。
2016年初，我上家创业公司快乐妈咪被收购，一下就轻松下来。但总有很多朋友拉我去看项目，有想让我投资的，有想让我加入团队的。
因为我在智能硬件圈子里有一定名气，因此看的最多的还是智能硬件、物联网相关的项目。花了自己不少时间仔细琢磨的有好几个项目。
第一个就是菜市场的智能秤，希望通过智能秤将菜市场的信息流完全打通，打造一个不亚于美团的平台出来；
第二个就是养殖物联网，希望对投料机进行自动控制，对养殖的鱼塘的环境进行监测，通过物联网将饲料、养殖、水产销售打通，形成平台；
第三个是电梯物联网，系统通过监测，由按期保修变成按需保修，而且建立全国性的电梯维保平台。
还有智能家居等好几个，但最终没有一个打动我，让我投入进去。因为我分析这些项目之后，发现他们成功的关键因素，都不是我或者现有团队具备的。
但这些项目让我看到了物联网的前景，看到万物互联是不可阻挡的潮流，一定要抓住。我一个强技术背景，没有多少行业资源的人，能在这股潮流里找到什么样的机会？
我的第一反应就是研发一个物联网平台，但仔细一看，从IT巨头如微软、IBM、 Oracle、亚马逊，到工业巨头如GE、Siemens等等，无不有自己的物联网平台，特别是仔细看完GE的Predix，发现自己能想到的东西都被它做了。
再看国内，做物联网平台的公司就更多了，海尔、三一、徐工、阿里、网络等等，就更不用提无数Startup了。心一下就凉了，这个物联网平台是绝不能做了，要做就是瞎折腾，唯一的可能性是紧靠一行业资源，靠行业特性和市场资源取胜，但我偏偏没有多少行业背景和资源。
但在仔细看完很多物联网平台的资料后，终于发现了一丝曙光，那就是数据处理。物联网平台里模块很多，但其中很重要的一块就是数据处理，包括采集、存储、查询、分析和计算，是整个物联网行业里面比较共性的部分，个性化程度不高。
再仔细一看，大部分物联网平台，尤其是国内的，几乎无一例外的用的是Hadoop生态搭建的，用的是互联网行业流行的大数据架构，采集进来的数据先进Kafka, 然后分流进HBase/Cassandra/MongoDB等做持久化存储，进Redis做缓存，进Spark/Flink等做流式计算，后面再接应用、大屏展示等等。
虽然我没有真正接触过大数据的处理，但了解这些通用的大数据框架后，我的第一反应就是，Hadoop这套体系太重，至少对于物联网大数据而言如此。
搭建一个平台，居然要好多款开源软件拼接在一起，研发、运维效率会很低，
10. 如何追踪GitHub项目的流行度
GitHub 是世界上最大的开源软件托管平台，因此追踪 GitHub 流行度对于软件开发者和用户都非常重要。本篇文章是介绍一个 GitHub 流行度追踪框架，使用他们的 Stars 数目来评估 GitHub 的流行软件。本文使用的数据是 GitHub 5 月 1 日的数据。
度量流行度
这里我们考虑 GitHub 上前 24 强编程语言，通过 GitHub 先进的搜索引擎分类出来的。下面的数据是每个语言前 1000 个库的 stars 数分布。
假设在 24000 个样例中系统中前 10% 的系统是流行的，前 1% 是非常流行的。
下面这个表展示的是每个编程语言流行和非常流行的系统数目
流行度增长模式 Popularity Growth Patterns
随着时间的推移评估应用的流行度，我们限制分析流行系统时间至少是 52 周。以这种方式，我们研究了 2138 个流行系统(89% 的初始样例)。为了这个系统，我们定义 Rt 是在周数 t 排名列表的排名对数（基数为 2）。这个排名对数是根据流行系统的 Stars 数目的 right-skewed 确定的。最受欢迎的系统排名是 1。最早的周是 1，最新的是 52。同时还定义了 RTop 和 RBottom 作为最高排名和最低排名。
我们得出以下的几种流行度增长模式：
持续性增长：在分析周期下持续性增长，计算方式：
(RBottom − RTop ) < 0.25示例：
快速增长：计算方式：
(ROld − RNow ) > 1 ∧ (Rt+1 ≤ Rt) in at least 90% of the weeks t
示例：
缓慢增长：计算方式：
(RNow − ROld) > 1 ∧ (Rt+1 ≥ Rt) in at least 90% of the weeks t
示例 (which resulted in a decrease on their rank)：
病毒式增长：在很短的时间内（比如一周）达到最高的 Stars 数目
示例：
下面列表展示的是每个编程语言持续性增长，快速增长，缓慢增长，病毒式增长的情况：
流行度相关的 Forks 和相关使用
Forks：下面的数据展示了一个项目流行度和 TA 的 forks 数的关系。我们可以看到 forks 和 Stars 很强的正相关关系(Spearman rank correlation coefficient = 0.55)。
客户端：为了关联客户端使用和 Stars，我们专注于一个限制的应用分组，这是由 NPM 注册表的 Node.js 基础库组成的。我们首先使用 NPM API 检索在数据库中流行 JavaScript 应用依赖的数量。然后手动根据依赖选择的 Node.js 基础库模块来审查前 100 个应用。我们发现这两个因素也有很强的关联关系（Spearman’s rank correlation coefficient of 0.68）。
总结
我们致力于一个可以跟踪 GitHub 流行度的框架，使用这个框架我们能发现：
JavaScript 垄断了超过三分之一的 GitHub 流行应用，接下来是 Ruby， Objective-C, Python, Java 和 PHP 这 5 种语言占据另外三分之一的流行应用。
21% 的流行系统有可持续的增长；5% 的流行系统有快速的增长；少于 1% 的流行系统会缓慢增长。我们发现有 37 个系统有病毒式增长的行为。
系统的 Stars 数不仅仅跟 forks 数有关，其他客户端应用的高效使用也有一定的关联。