machine-learning-visualized

При изучении машинного обучения большинство материалов в сети либо ограничиваются поверхностными концепциями, либо сразу бросают в код, не объясняя, как на самом деле работают алгоритмы.

Сегодня на GitHub наткнулся на крутой опенсорс-проект — Machine Learning Visualized. Он показывает, как устроены алгоритмы машинного обучения изнутри, через визуализации и пошаговые математические разборы.

Что внутри:

🔸Полные реализации ключевых алгоритмов: нейронные сети, логистическая регрессия, перцептрон и др.
🔸Подробные математические выводы — с нуля, от первых принципов
🔸Интерактивные ноутбуки на базе Marimo — можно менять параметры на лету и сразу видеть результат
🔸Визуализация обучения — отслеживание, как веса сходятся к оптимуму
🔸Также охвачены PCA, кластеризация K-means, градиентный спуск и другие

Проект построен на Jupyter Book, можно изучать прямо в браузере или развернуть у себя локально через Docker одной командой.

Отличный ресурс, если хочешь не просто применять, а понимать, как работает ML под капотом.

📁 Language: #Shell (61.4%), #CSS (30.4%)

⭐️ Stars: 303

➡️ Cсылка на GitHub

📱 @git_developer

Docker Windows Container

В сообществе разработчиков появился интересный проект — Docker Windows Container. Он позволяет поднимать полноценные Windows-системы внутри Docker-контейнера.

По умолчанию автоматически ставится Windows 11 Pro, но доступны и другие версии: Windows 10, 8.1, 7 и даже Windows Server. Настройки гибкие, можно задать объем диска, количество ядер и оперативки. При установке создается учетка Docker с паролем admin, а также можно менять логины, пароли и языковые параметры.

Поддерживается подключение внешних дисков и macvlan для выдачи контейнеру уникального IP.

Есть и важный момент: проект требует включенной виртуализации и KVM, иначе Windows в контейнере просто не взлетит.

📁 Language: #Shell 99.1%

⭐️ Stars: 42k

➡️ Cсылка на GitHub

📱 @git_developer

mole

Стандартная версия MacMini имеет слишком мало места для хранения, из-за чего часто приходится вручную очищать файлы, при этом встроенные средства удаления программ и очистки работают недостаточно эффективно, а стороннее ПО для очистки обычно платное.

Случайно я наткнулся на этот бесплатный и открытый инструмент очистки для Mac под названием Mole на GitHub, который помогает эффективно освобождать место на диске.

Он работает как «крот», глубоко проникая в системный мусор: одним кликом очищает скрытые кэши, логи, временные файлы и полностью удаляет приложения.

Также есть встроенный механизм защиты, который эффективно предотвращает случайное удаление ключевых системных файлов, и можно предварительно просмотреть содержимое для удаления, что добавляет уверенности.

Установить и использовать его можно через команду curl или Homebrew; тем, кому нужно, стоит попробовать.

📁 Language: #Shell 100.0%

⭐️ Stars: 1.6k

➡️ Cсылка на GitHub

📱 @git_developer

X-UI-PRO

Настройка прокси-сервера обычно требует возни с конфигами Nginx, SSL-сертификатами, разными протоколами, плюс надо думать о безопасности и многопользовательской модели. В итоге весь процесс превращается в довольно громоздкую историю.

Совсем случайно на GitHub я наткнулся на X-UI-PRO. Это опенсорсный визуальный инструмент, который объединяет X-UI, V2rayA, Nginx и еще пару полезных штук. Развертывание делается одной командой.

Основой служит Nginx с reverse proxy. Поддерживаются WebSocket, gRPC, HttpUpgrade и другие транспортные протоколы. Есть автоматическое продление SSL и ежедневные бэкапы базы, что заметно снижает нагрузку на админа.

📁 Language: #Shell 100.0%

⭐️ Stars: 850

➡️ Cсылка на GitHub

📱 @git_developer

docker-jdownloader-2

Один разработчик запилил удобный способ развернуть JDownloader 2 в Docker, без установки клиента на машину.

Развёртывание буквально одной командой. Потом просто заходишь через браузер и пользуешься полноценным JDownloader 2, как обычно.

Есть удалённое управление: поддержка VNC, можно рулить загрузками хоть с телефона, хоть из другой страны.

📁 Language: #Shell 72.1%

⭐️ Stars: 1.2k

➡️ Cсылка на GitHub

📱 @git_developer