Facebook 开源成就回顾(送书)

HelloGitHub

共 1610字,需浏览 4分钟

 ·

2021-02-06 19:06

整理自 cnBeta

Facebook 的开源行动自推出以来一直在稳步增长,而且没有任何减弱的迹象。Facebook 的项目现在已经增加到 700 多个,仅 2020 一年就有 200 多个项目公开,比 2019 年又增加了 170 个。另外:

  • PyTorch 生态系统中增加了 20 个新项目

  • 开源了一个名为 Recoil 的新 React 库,它解决了使用现有 Context API 在构建较大应用时所面临的很多问题

  • 向公众开放了 ReBel 算法,该算法建立在 AlphaZero 的基础技术之上,可以在扑克或德州扑克等多种游戏中击败人类

Facebook 的开发者部门主管 Suraj Subramanian 对 2020 年在开源的主要成就进行了回顾,摘要如下: 

GitHub 上的追随者达到了近 130 万


Facebook 的工程师和世界各地贡献者共提交代码 12.8 万次


下面是抽书活动,先看看书籍介绍,如果有喜欢的可以购买或者参与我们的留言送书活动,规则在文末!



《白话机器学习的数学》

 

豆瓣评分9.3

本书通过正在学习机器学习的程序员绫乃和她朋友美绪的对话,结合回归和分类的具体问题,逐步讲解了机器学习中实用的数学基础知识。其中,重点讲解了容易成为学习绊脚石的数学公式和符号。同时,还通过实际的 Python 编程讲解了数学公式的应用,进而加深读者对相关数学知识的理解。

 

《Python 数据结构与算法分析(第2版)》

 

 

经典计算机科学教材,华盛顿大学等多家高校采用

本书是用 Python 描述数据结构与算法的开山之作,汇聚了作者多年的实战经验,向读者透彻讲解在 Python 环境下,如何通过一系列存储机制高效地实现各类算法。通过本书,读者将深刻理解 Python 数据结构、递归、搜索、排序、树与图的应用,等等。


 

《场景化机器学习》

 

 

AWS 首席开发者布道师费良宏作序推荐

 

本书展示了如何在业务场景中应用机器学习,以使业务流程更快、更灵活地适应变化。本书第一部分介绍有效的决策如何帮助公司提高生产率以保持竞争力,阐释如何使用开源工具和 AWS 工具将机器学习应用于业务决策中。第二部分以虚拟人物为主线,研究六个场景,这些场景展示了如何使用机器学习来制定各种业务决策。第三部分讨论如何在 Web 上设置和共享机器学习模型,以便公司使用机器学习进行决策。


 

《深度学习进阶:自然语言处理》


豆瓣评分9.7

日本人工智能领域“神作”级地位。本书内容精炼,聚焦深度学习视角下的自然语言处理,延续前作的行文风格,采用通俗的语言和大量直观的示意图详细讲解,不依赖外部库,使用 Python3 从零开始创建深度学习程序,通过亲自创建程序并运行,读者可透彻掌握word2vec、RNN、LSTM、GRU、seq2seq 和 Attention 等技术背后的运行原理。

 

《数据预处理从入门到实战:基于 SQL、R、Python》

 

 

KDD CUP 2015 亚军得主多行业实战经验总结

 

本书以数据分析中至关重要的数据预处理为主题,通过 54 道例题具体介绍了基于 SQL、R、Python 的处理方法和相关技巧。本书采用问题驱动式,先抛出常见预处理任务,引导读者思考如何实现。对于每道例题,都同时给出一般代码与理想代码,读者不仅可以边阅读边思考如何修改一般代码,还可以通过与理想代码的对比明白如何优化代码。




送书规则:

  • 在本文末尾留言即可参与

  • 脚本随机抽出 10 位幸运读者

  • 中奖者可从上面的书单中任选一本

  • 开奖时间 2.8 (下周一)


感谢 人民邮电出版社图灵教育 赞助



关注公众号第一时间收到更新


浏览 39
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报