LightGBM 是一个梯度 boosting 框架, 使用基于学习算法的决策树. 它是分布式的, 高效的, 装逼的, 它具有以下优势: 速度和内存使用的优化、稀疏优化、准确率的优化、网络通信的优化、并行学习的优化、GPU 支持可处理大规模数据。

XGBoost 是一个开源 软件库，它提供了一个梯度提高 框架，采用 C++, Java, Python, R, 和 Julia. 它适用于Linux, Windows, 和 mac os. 根据项目的描述，它的目的在于提供一个"可扩展的、便携式和可分布的梯度提高库"。

LevelDB提供一个持久的键值存储库。keys 和 values 都可以是任意的字节数组。key是通过用户提供的比较器函数在键值存储器内进行排序的。

PyTorch是使用GPU和CPU优化的深度学习张量库。

JavaScirpt30 是 Wes Bos 推出的一个 30 天挑战。项目免费提供了 30 个视频教程、30 个挑战的起始文档和 30 个挑战解决方案源代码。目的是帮助人们用纯 JavaScript 来写东西，不借助框架和库，也不使用编译器和引用。

我们对于 Android 的设计，在系统和核心应用上专注于以下三个目标。当你在设计 Android 应用时，也应当考虑这些目标:使哥着迷 、简化哥的生活、让哥感到惊奇

GitHub 漫游指南

CSS 是一种领域语言（DSL），层叠与继承赋予了 CSS 优雅多姿的无限创造力。正是由于它如此「简单」， 我们需要一些规范来使其变得更加可依赖。在使用 CSS 的时候不要把它当做一种编程语言，应该把它当做 绘画或者创作。所以本文档不仅仅是一份 CSS 书写规范，更像是 CSS 创作的调色盘。

xweb是一个基于web.go开发的web框架，目前它和Java框架Struts有些类似。

Matplotlib 是一个用于在 Python 中绘制数组的 2D 图形库。虽然它起源于模仿 MATLAB®[1] 图形命令，但它独立于 MATLAB，可以以 Pythonic 和面向对象的方式使用。虽然 Matplotlib 主要是在纯 Python 中编写的，但它大量使用 NumPy 和其他扩展代码，即使对于大型数组也能提供良好的性能。