1. 家們都在用什麼：Github上的十大深度學習項目
項目學習就是對一個特殊的將被完成的有限任務，它是在一定時間內，滿足一系列特定目標的多項相關工作的學習掌握。
項目學習，對學生來說是參與了一個長期的學習任務。要求他們扮演現實世界中的角色，通過工作，研究問題、得出結論，就象成人工作一樣。他們常會遇到社區或真實世界中的問題，使用科技手段研究、分析、協作和通信。他們會在社區與專家或社區成員一起工作。學生接觸各個學科領域，使他們更容易理解概念，明白不同學科是如何相互聯系和相互支持的。
項目學習的特點：
（1）所有項目都是真實的。
（2）每個項目都是獨立的，都由項目確立、實施、結束和結果評估等階段構成。
（3）項目實施活動所給予同學們的，不僅是將來做事所需要的知識和能力，而且可能就是同學們將來所要做的事情本身。
2. 有哪些程序化交易方面的 GitHub 作者值得關注
程序化交易軟體有:文華/博易/倚天等，都是期貨軟體，但可以看股票。你可以「程序化交易軟體」為題網路再找找看還有哪些軟體。
3. 如何在 GitHub 看源代碼學習
只「看」源碼是沒辦法學習的。你必須將這個項目運行起來，在調試過程中動態分析它的處理流程，才能比較好的弄清楚其中的原理。幸運的是node.js的源碼非常容易編譯和調試，我就是通過下面的步驟來研究它的實現機制的。
先說明一下，我是在 Windows 7 環境下，採用 Visual Studio 2010 來調試的。（當然你要用其他環境也完全沒問題）
第一步，從 GitHub 上把源碼 clone 到本地（或者直接下載壓縮包也行）
第二步，通過其中自帶的 vcbuild.bat 腳本生成完整的 vs 項目解決方案文件
第三步，用 Visual Studio 2010 打開上一步生成的 node.sln 解決方案文件將其中的 node 設為主項目，然後就可以開始編譯和調試了
就這么簡單。
可以探索的問題很多，但是也應當有所側重。在這個過程里，你會發現一個嶄新的世界。通過學習頂尖的開發人員的作品可以幫助你更快的提升自己的技能。但是很顯然，你付出的努力和汗水也是成倍的。
我是在一年半前開始接觸 node.js 的。現在我最主要的項目基本都是依賴它來完成的。分析 node.js 的實現機制讓我收獲頗豐。但是回顧我的學習過程，最初卻並沒有考慮先從實現機制入手自底向上進行學習。而是站在「快樂傻瓜」的角度自頂向下先學習各項 API 的使用方法，適當的看一點點代碼。這樣學習起來會比較有方向性，和需求貼合的比較緊密，也容易有成就感，容易堅持。
4. github是什麼
gitHub是一個面向開源及私有軟體項目的託管平台，因為只支持git 作為唯一的版本庫格式進行託管，故名gitHub。
作為開源代碼庫以及版本控制系統，Github擁有超過900萬開發者用戶。隨著越來越多的應用程序轉移到了雲上，Github已經成為了管理軟體開發以及發現已有代碼的首選方法。
如前所述，作為一個分布式的版本控制系統，在Git中並不存在主庫這樣的概念，每一份復制出的庫都可以獨立使用，任何兩個庫之間的不一致之處都可以進行合並。
GitHub可以託管各種git庫，並提供一個web界面，但它與外國的SourceForge、Google Code或中國的coding的服務不同，GitHub的獨特賣點在於從另外一個項目進行分支的簡易性。為一個項目貢獻代碼非常簡單：首先點擊項目站點的「fork」的按鈕，然後將代碼檢出並將修改加入到剛才分出的代碼庫中，最後通過內建的「pull request」機制向項目負責人申請代碼合並。已經有人將GitHub稱為代碼玩家的MySpace。
在GitHub進行分支就像在Myspace（或Facebook…）進行交友一樣，在社會關系圖的節點中不斷的連線。
GitHub項目本身自然而然的也在GitHub上進行託管，只不過在一個私
有的，公共視圖不可見的庫中。開源項目可以免費託管，但私有庫則並不如此。Chris Wanstrath，GitHub的開發者之一，肯定了通過付費的私有庫來在財務上支持免費庫的託管這一計劃。
是的，我們正是這么計劃的。通過與客戶的接洽，開發FamSpam，甚至是開發GitHub本身，GitHub的私有庫已經被證明了物有所值。任何希望節省時間並希望和團隊其它成員一樣遠離頁面頻繁轉換之苦的人士都會從GitHub中獲得他們真正想要的價值。
在GitHub，用戶可以十分輕易地找到海量的開源代碼。
5. 如何在github看源代碼學習呢
只「看」源碼是沒辦法學習的。你必須將這個項目運行起來，在調試過程中動態分析它的處理流程，才能比較好的弄清楚其中的原理。幸運的是node.js的源碼非常容易編譯和調試，我就是通過下面的步驟來研究它的實現機制的。 先說明一下，我是在 Windows 7 環境下，採用 Visual Studio 2010 來調試的。（當然你要用其他環境也完全沒問題） 第一步，從 GitHub 上把源碼 clone 到本地（或者直接下載壓縮包也行） 第二步，通過其中自帶的 vcbuild.bat 腳本生成完整的 vs 項目解決方案文件 第三步，用 Visual Studio 2010 打開上一步生成的 node.sln 解決方案文件將其中的 node 設為主項目，然後就可以開始編譯和調試了 就這么簡單。 可以探索的問題很多，但是也應當有所側重。在這個過程里，你會發現一個嶄新的世界。通過學習頂尖的開發人員的作品可以幫助你更快的提升自己的技能。但是很顯然，你付出的努力和汗水也是成倍的。 我是在一年半前開始接觸 node.js 的。現在我最主要的項目基本都是依賴它來完成的。分析 node.js 的實現機制讓我收獲頗豐。但是回顧我的學習過程，最初卻並沒有考慮先從實現機制入手自底向上進行學習。而是站在「快樂傻瓜」的角度自頂向下先學習各項 API 的使用方法，適當的看一點點代碼。這樣學習起來會比較有方向性，和需求貼合的比較緊密，也容易有成就感，容易堅持。
6. 感覺這里才是github比較全面通俗易懂的講解，一看就明白怎麼回事
發展有前景，那麼你就可以根據上升的比率進行分紅獲利炒股等於你拿錢去買一個公司的前途。當然股票也是可以轉讓的，經營良好，股價就會上升，前途好，當然虧損的時候就等於割肉賣掉這份權益，轉讓獲利就是等於你把自己的這份收益權益賣給別人
7. 感覺這里才是github比較全面通俗易懂的講解，一看就明白怎麼回事
：炒股等於你拿錢去買一個公司的前途，前途好，發展有前景，經營良好，股價就會上升，那麼你就可以根據上升的比率進行分紅獲利。當然股票也是可以轉讓的，轉讓獲利就是等於你把自己的這份收益權益賣給別人，當然虧損的時候就等於割肉賣掉這份權益。
8. GitHub 是怎麼火起來的
只「看」源碼是沒辦法學習的。你必須將這個項目運行起來，在調試過程中動態分析它的處理流程，才能比較好的弄清楚其中的原理。幸運的是node.js的源碼非常容易編譯和調試，我就是通過下面的步驟來研究它的實現機制的。 先說明一下，我是在 Windows 7 環境下，採用 Visual Studio 2010 來調試的。(當然你要用其他環境也完全沒問題) 第一步，從 GitHub 上把源碼 clone 到本地(或者直接下載壓縮包也行) 第二步，通過其中自帶的 vcbuild.bat 腳本生成完整的 vs 項目解決方案文件 第三步，用 Visual Studio 2010 打開上一步生成的 node.sln 解決方案文件將其中的 node 設為主項目，然後就可以開始編譯和調試了 就這么簡單。 可以探索的問題很多，但是也應當有所側重。在這個過程里，你會發現一個嶄新的世界。通過學習頂尖的開發人員的作品可以幫助你更快的提升自己的技能。但是很顯然，你付出的努力和汗水也是成倍的。 我是在一年半前開始接觸 node.js 的。現在我最主要的項目基本都是依賴它來完成的。分析 node.js 的實現機制讓我收獲頗豐。但是回顧我的學習過程，最初卻並沒有考慮先從實現機制入手自底向上進行學習。而是站在「快樂傻瓜」的角度自頂向下先學習各項 API 的使用方法，適當的看一點點代碼。這樣學習起來會比較有方向性，和需求貼合的比較緊密，也容易有成就感，容易堅持。
9. Github上把源代碼下來以後怎麼使用
GitHub上Star已經超過7300，Fork數已經超過1800，在開發者社區中獲得的反響遠超預期。應開發者要求，7月28日在北京進行了一次線下交流，現場互動十分熱烈。
線下活動現場
很多人好奇，為什麼一個從沒研發過大數據，也沒研發過資料庫軟體的人，能研發物聯網大數據平台軟體？
而且你怎麼想到要開發這樣軟體的？你三次創業，每次都在跨界，怎麼能做到的？
7月28日，我把創業過程中的思考和分析分享出來，供在創業路上的朋友特別是技術型創業者參考。
2016年初，我上家創業公司快樂媽咪被收購，一下就輕松下來。但總有很多朋友拉我去看項目，有想讓我投資的，有想讓我加入團隊的。
因為我在智能硬體圈子裡有一定名氣，因此看的最多的還是智能硬體、物聯網相關的項目。花了自己不少時間仔細琢磨的有好幾個項目。
第一個就是菜市場的智能秤，希望通過智能秤將菜市場的信息流完全打通，打造一個不亞於美團的平台出來；
第二個就是養殖物聯網，希望對投料機進行自動控制，對養殖的魚塘的環境進行監測，通過物聯網將飼料、養殖、水產銷售打通，形成平台；
第三個是電梯物聯網，系統通過監測，由按期保修變成按需保修，而且建立全國性的電梯維保平台。
還有智能家居等好幾個，但最終沒有一個打動我，讓我投入進去。因為我分析這些項目之後，發現他們成功的關鍵因素，都不是我或者現有團隊具備的。
但這些項目讓我看到了物聯網的前景，看到萬物互聯是不可阻擋的潮流，一定要抓住。我一個強技術背景，沒有多少行業資源的人，能在這股潮流里找到什麼樣的機會？
我的第一反應就是研發一個物聯網平台，但仔細一看，從IT巨頭如微軟、IBM、 Oracle、亞馬遜，到工業巨頭如GE、Siemens等等，無不有自己的物聯網平台，特別是仔細看完GE的Predix，發現自己能想到的東西都被它做了。
再看國內，做物聯網平台的公司就更多了，海爾、三一、徐工、阿里、網路等等，就更不用提無數Startup了。心一下就涼了，這個物聯網平台是絕不能做了，要做就是瞎折騰，唯一的可能性是緊靠一行業資源，靠行業特性和市場資源取勝，但我偏偏沒有多少行業背景和資源。
但在仔細看完很多物聯網平台的資料後，終於發現了一絲曙光，那就是數據處理。物聯網平台里模塊很多，但其中很重要的一塊就是數據處理，包括採集、存儲、查詢、分析和計算，是整個物聯網行業裡面比較共性的部分，個性化程度不高。
再仔細一看，大部分物聯網平台，尤其是國內的，幾乎無一例外的用的是Hadoop生態搭建的，用的是互聯網行業流行的大數據架構，採集進來的數據先進Kafka, 然後分流進HBase/Cassandra/MongoDB等做持久化存儲，進Redis做緩存，進Spark/Flink等做流式計算，後面再接應用、大屏展示等等。
雖然我沒有真正接觸過大數據的處理，但了解這些通用的大數據框架後，我的第一反應就是，Hadoop這套體系太重，至少對於物聯網大數據而言如此。
搭建一個平台，居然要好多款開源軟體拼接在一起，研發、運維效率會很低，
10. 如何追蹤GitHub項目的流行度
GitHub 是世界上最大的開源軟體託管平台，因此追蹤 GitHub 流行度對於軟體開發者和用戶都非常重要。本篇文章是介紹一個 GitHub 流行度追蹤框架，使用他們的 Stars 數目來評估 GitHub 的流行軟體。本文使用的數據是 GitHub 5 月 1 日的數據。
度量流行度
這里我們考慮 GitHub 上前 24 強編程語言，通過 GitHub 先進的搜索引擎分類出來的。下面的數據是每個語言前 1000 個庫的 stars 數分布。
假設在 24000 個樣例中系統中前 10% 的系統是流行的，前 1% 是非常流行的。
下面這個表展示的是每個編程語言流行和非常流行的系統數目
流行度增長模式 Popularity Growth Patterns
隨著時間的推移評估應用的流行度，我們限制分析流行系統時間至少是 52 周。以這種方式，我們研究了 2138 個流行系統(89% 的初始樣例)。為了這個系統，我們定義 Rt 是在周數 t 排名列表的排名對數（基數為 2）。這個排名對數是根據流行系統的 Stars 數目的 right-skewed 確定的。最受歡迎的系統排名是 1。最早的周是 1，最新的是 52。同時還定義了 RTop 和 RBottom 作為最高排名和最低排名。
我們得出以下的幾種流行度增長模式：
持續性增長：在分析周期下持續性增長，計算方式：
(RBottom − RTop ) < 0.25示例：
快速增長：計算方式：
(ROld − RNow ) > 1 ∧ (Rt+1 ≤ Rt) in at least 90% of the weeks t
示例：
緩慢增長：計算方式：
(RNow − ROld) > 1 ∧ (Rt+1 ≥ Rt) in at least 90% of the weeks t
示例 (which resulted in a decrease on their rank)：
病毒式增長：在很短的時間內（比如一周）達到最高的 Stars 數目
示例：
下面列表展示的是每個編程語言持續性增長，快速增長，緩慢增長，病毒式增長的情況：
流行度相關的 Forks 和相關使用
Forks：下面的數據展示了一個項目流行度和 TA 的 forks 數的關系。我們可以看到 forks 和 Stars 很強的正相關關系(Spearman rank correlation coefficient = 0.55)。
客戶端：為了關聯客戶端使用和 Stars，我們專注於一個限制的應用分組，這是由 NPM 注冊表的 Node.js 基礎庫組成的。我們首先使用 NPM API 檢索在資料庫中流行 JavaScript 應用依賴的數量。然後手動根據依賴選擇的 Node.js 基礎庫模塊來審查前 100 個應用。我們發現這兩個因素也有很強的關聯關系（Spearman』s rank correlation coefficient of 0.68）。
總結
我們致力於一個可以跟蹤 GitHub 流行度的框架，使用這個框架我們能發現：
JavaScript 壟斷了超過三分之一的 GitHub 流行應用，接下來是 Ruby， Objective-C, Python, Java 和 PHP 這 5 種語言占據另外三分之一的流行應用。
21% 的流行系統有可持續的增長；5% 的流行系統有快速的增長；少於 1% 的流行系統會緩慢增長。我們發現有 37 個系統有病毒式增長的行為。
系統的 Stars 數不僅僅跟 forks 數有關，其他客戶端應用的高效使用也有一定的關聯。