【开源项目】Project Based Learning 基于项目的学习

这篇具有很好参考价值的文章主要介绍了【开源项目】Project Based Learning 基于项目的学习。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

【开源项目】Project Based Learning 基于项目的学习

简介

Project Based Learning 是一个集合了很多学习资源的项目,有一系列主流编程语言的编程教程,可以在其中通过从头开始构建项目学习到很多实际项目的技能。

项目地址:

https://github.com/practical-tutorials/project-based-learning

这些项目教程涉及了很多编程语言与技术。项目目录如下:

  • C#
  • C/C++
  • Clojure
  • Dart
  • Elixir
  • Erlang
  • F#
  • Go
  • Haskell
  • HTML/CSS
  • Java
  • JavaScript
  • Kotlin
  • Lua
  • OCaml
  • PHP
  • Python
  • R
  • Ruby
  • Rust
  • Scala
  • Swift
  • Additional resources

可以选择感兴趣的编程语言,例如我们选择 C/C++ 的项目:

【开源项目】Project Based Learning 基于项目的学习

可以看到有编写一个简单的内存分配器,用C语言编写 Shell,编写一个FUSE文件系统,构建自己的文本编辑器,构建自己的Lisp等等一系列的项目。

继续往下看还有网络编程的部分:
【开源项目】Project Based Learning 基于项目的学习
还有 OpenGL 的部分:
【开源项目】Project Based Learning 基于项目的学习

我们打开其中一个项目Build Your Own Text Editor来构建自己的文本编辑器:

【开源项目】Project Based Learning 基于项目的学习

这个项目可以从零开始用 C 语言构建出一个简单的文本编辑器,只有大约1000 行 C 代码。教程通过184个步骤来构建文本编辑器,每一步,都会添加、更改或删除几行代码。

接下来换一个项目,点击开项目 Write a Shell in C 来用 C 语言编写 Shell:

【开源项目】Project Based Learning 基于项目的学习

可以看到一篇关于如何用 C 编写 Shell 的教程博客。

接下来再换一个项目,点击开项目 Let’s Build a Simple Database 让我们构建一个简单的数据库:

【开源项目】Project Based Learning 基于项目的学习

可以通过目录看到作者分成了 13 个步骤,然后一步步地构建出一个简易的数据库。

通过打开的这几个项目可以看到,都是一些非常好的项目,可以通过这些项目从零构建出相应的应用程序,可以根据自身的情况选择不同的编程语言,不同的技术领域来学习,非常值得收藏学习。

【开源项目】Project Based Learning 基于项目的学习

这个项目的有超过95.9k星,超过13.5k个Fork,可以看到这个项目还是非常受到大家欢迎与喜爱的。


本文链接:https://blog.csdn.net/u012028275/article/details/129886230文章来源地址https://www.toymoban.com/news/detail-475347.html

到了这里,关于【开源项目】Project Based Learning 基于项目的学习的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Intro project based on BERT

    这篇博客使用的是PyTorch,如果对PyTorch的使用比较陌生,建议直接去看PyTorch本身提供的tutorial,写的非常详细,还有很多例子。 这篇博客除了会介绍BERT之外,也会展示如何使用BERT做迁移学习(Transfer Learning)。 语言模型 BERT,其实就是Transformer中的encoder。是语言模型的变形。

    2024年01月25日
    浏览(31)
  • 论文阅读--Deep Learning-Based Channel Estimation

    论文信息: Soltani M, Pourahmadi V, Mirzaei A, et al. Deep learning-based channel estimation[J]. IEEE Communications Letters, 2019, 23(4): 652-655. 创新点: 信道时频响应建模为图像,将OFDM的时频特性视做一种2D图像信息。 将导频位置的通道响应视为LR图像,并将估计的通道响应视为HR图像。 利用基于深度

    2024年02月01日
    浏览(36)
  • 【论文笔记】Skill-based Meta Reinforcement Learning

    研究背景。 While deep reinforcement learning methods have shown impressive results in robot learning, their sample inefficiency makes the learning of complex , long-horizon behaviors with real robot systems infeasible. 虽然深度强化学习方法在机器人学习中表现出色,但它们的样本效率使得在真实机器人系统中学习复杂、

    2024年02月12日
    浏览(35)
  • TartanVO: A Generalizable Learning-based VO 论文阅读

    题目 :TartanVO: A Generalizable Learning-based VO 作者 :Wenshan Wang, Yaoyu Hu 来源 :CoRL 时间 :2021 代码地址 :https://github.com/castacks/tartanvo 我们提出了第一个基于学习的视觉里程计(VO)模型,该模型可推广到多个数据集和现实场景,并且在具有挑战性的场景中优于基于几何的方法。

    2024年02月13日
    浏览(34)
  • Introducing Language Guidance in Prompt-based Continual Learning

    本文是LLM系列文章,针对《Introducing Language Guidance in Prompt-based Continual Learning》的翻译。 持续学习旨在学习一系列任务的单一模型,而无需访问以前任务的数据。该领域最大的挑战仍然是灾难性的遗忘:早期任务的可见类的性能损失。一些现有的方法依赖于昂贵的重放缓冲区

    2024年02月09日
    浏览(46)
  • 文献阅读:Deep Learning based Semantic Communications: An Initial Investigation

    作者 Huiqiang Xie Zhijin Qin Geoffrey Ye Liy Biing-Hwang Juangy 发表期刊or会议 《GLOBECOM》 发表时间 2020.12 随着新应用的发展,需要开发新的通信系统以提高通信的准确性和效率,作者通过考虑bit背后的语义来开发智能通信系统 文中对语义通信系统的解释:   所考虑的语义通信系统主

    2024年02月11日
    浏览(31)
  • 【图像修复】论文阅读笔记 ----- 《Image inpainting based on deep learning: A review》

    原文下载链接1:https://www.sciencedirect.com/science/article/abs/pii/S0141938221000391 原文下载链接2:http://s.dic.cool/S/KSS4D4LC 本篇论文综述发表于2021年。文章总结了基于深度学习的不同类型神经网络结构的修复方法,然后分析和研究了重要的技术改进机制;从模型网络结构和恢复方法等方

    2024年02月01日
    浏览(47)
  • Datawhale 强化学习笔记(三)基于策略梯度(policy-based)的算法

    第九章 策略梯度 之前介绍的 DQN 算法属于基于价值(value-based)的算法,基于策略梯度的算法直接对策略本身进行优化。 将策略描述成一个带有参数 θ theta θ 的连续函数,该函数将某个状态作为输入,输出的不再是某个确定性(deterministic)的离散动作,而是对应的 动作概率分布

    2024年01月21日
    浏览(30)
  • 【论文笔记】基于预训练模型的持续学习(Continual Learning)(增量学习,Incremental Learning)

    论文链接: Continual Learning with Pre-Trained Models: A Survey 代码链接: Github: LAMDA-PILOT 持续学习 (Continual Learning, CL)旨在使模型在学习新知识的同时能够保留原来的知识信息了,然而现实任务中,模型并不能很好地保留原始信息,这也就是常说的 灾害性遗忘 (Catastrophic forgetting)

    2024年04月26日
    浏览(34)
  • Multi-Task Learning based Video Anomaly Detection with Attention 论文阅读

    文章信息: 原文链接:https://ieeexplore.ieee.org/document/10208994/ 源代码:无 发表于:CVPR 2023 基于多任务学习的视频异常检测方法将多个代理任务结合在不同的分支中,以便在不同情境中检测视频异常。然而,大多数现有方法存在以下一些缺点: I) 它们的代理任务组合方式不是以

    2024年01月20日
    浏览(33)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包