ApacheCN 翻译活动进度公告 2019.5.31

栏目: 数据库 · 发布时间: 5年前

内容简介：Special Sponsors参与方式：

Special Sponsors

ApacheCN 翻译活动进度公告 2019.5.31

  1. 我们组织了一个开源互助平台，方便开源组织和大 V 互相认识，互相帮助，整合资源。请回复 这个帖子 并注明组织/个人信息来申请加入。
  2. 请回复 这个帖子 来推荐希望翻译的内容。如果大家遇到了做得不错的教程或翻译项目，也可以推荐给我们。我们会联系项目的维护者，一起把它变得更好。
  3. 我们的 公众号 接受大家的投稿。将文章链接通过消息发给公众号，我们会和你联系。
  4. 我们近期有制作 Kaggle 教学视频的计划，如果你有兴趣参与，请联系片刻（QQ 529815144）。
  5. 为了能够将开源事业做大做强， ApacheCN 需要与公益基金会（IT、教育类）合作 ，欢迎大家提供帮助。
  6. 如果你不希望再收到我们的邮件， 请在这里添加你的邮箱来退订 。
  7. 开源不是一个人的事情，我们的各个模块（请见 组织架构 ）都需要人手来维护。如果你有兴趣参与，请联系片刻（QQ 529815144）。权限分配灵活，能者居之。

短篇集（校对）

参与方式： https://github.com/apachecn/m...

整体进度： https://github.com/apachecn/m...

项目仓库： https://github.com/apachecn/m...

关于卷积神经网络：认领：0/12，校对：0/12

章节 贡献者 进度
关于卷积神经网络 - -
1
2.1.1-2.1.3
2.1.4-2.1.6
2.2.1
2.2.2-2.2.3
2.3-2.4
3.1
3.2
3.3
3.4-3.5
4.1
4.2

写给不耐烦 程序员 的 JavaScript（校对）

参与方式： https://github.com/apachecn/i...

整体进度： https://github.com/apachecn/i...

项目仓库： https://github.com/apachecn/i...

认领：10/42，校对：9/42

章节 贡献者 进度
1.关于本书（ES2019 版） @YouWillBe 100%
2.常见问题：本书 @huangzijian888 100%
3. JavaScript 的历史和演变
4.常见问题：JavaScript
5.概览
6.语法 @lq920320 100%
7.在控制台上打印信息（ console.* ） @lq920320 100%
8.断言 API @lq920320 100%
9.测验和练习入门
10.变量和赋值 @so-hard 100%
11.值 @lq920320
12.运算符
13.非值 undefined 和 null
14.布尔值
15.数字
16. Math
17. Unicode - 简要介绍（高级）
18.字符串
19.使用模板字面值和标记模板
20.符号
21.控制流语句
22.异常处理
23.可调用值
24.模块
25.单个对象
26.原型链和类
27.同步迭代
28.数组（ Array ）
29.类型化数组：处理二进制数据（高级）
30.映射（ Map ）
31. WeakMaps（ WeakMap ）
32.集（ Set ）
33. WeakSets（ WeakSet ）
34.解构
35.同步生成器（高级）
36. JavaScript 中的异步编程
37.异步编程的 Promise @iChrisJ 100%
38.异步函数 @iChrisJ 100%
39.正则表达式（ RegExp ） @iChrisJ 100%
40.日期（ Date ）
41.创建和解析 JSON（ JSON ）
42.其余章节在哪里？

seaborn 0.9 中文文档

参与方式： https://github.com/apachecn/s...

整体进度： https://github.com/apachecn/s...

项目仓库： https://github.com/apachecn/s...

认领：50/74，翻译：36/74

序号 章节 译者 进度
1 An introduction to seaborn @yiran7324 100%
2 Installing and getting started @neolei 100%
3 Visualizing statistical relationships @JNJYan 100%
4 Plotting with categorical data @hold2010
5 Visualizing the distribution of a dataset @alohahahaha 100%
6 Visualizing linear relationships @friedhelm739
7 Building structured multi-plot grids @keyianpai 100%
8 Controlling figure aesthetics @P3n9W31
9 Choosing color palettes @Modrisco 100%
10 seaborn.relplot
11 seaborn.scatterplot @tututwo
12 seaborn.lineplot @tututwo
13 seaborn.catplot @LIJIANcoder97 100%
14 seaborn.stripplot @LIJIANcoder97 100%
15 seaborn.swarmplot @LIJIANcoder97
16 seaborn.boxplot @FindNorthStar 100%
17 seaborn.violinplot @FindNorthStar 100%
18 seaborn.boxenplot @FindNorthStar
19 seaborn.pointplot @FindNorthStar
20 seaborn.barplot @melon-bun
21 seaborn.countplot @Stuming
22 seaborn.jointplot
23 seaborn.pairplot
24 seaborn.distplot @hyuuo 100%
25 seaborn.kdeplot @hyuuo 100%
26 seaborn.rugplot @P3n9W31
27 seaborn.lmplot @P3n9W31
28 seaborn.regplot @P3n9W31
29 seaborn.residplot @P3n9W31
30 seaborn.heatmap @hyuuo 100%
31 seaborn.clustermap
32 seaborn.FacetGrid @hyuuo 100%
33 seaborn.FacetGrid.map
34 seaborn.FacetGrid.map_dataframe
35 seaborn.PairGrid
36 seaborn.PairGrid.map
37 seaborn.PairGrid.map_diag
38 seaborn.PairGrid.map_offdiag
39 seaborn.PairGrid.map_lower
40 seaborn.PairGrid.map_upper
41 seaborn.JointGrid
42 seaborn.JointGrid.plot
43 seaborn.JointGrid.plot_joint
44 seaborn.JointGrid.plot_marginals
45 seaborn.set
46 seaborn.axes_style
47 seaborn.set_style
48 seaborn.plotting_context
49 seaborn.set_context
50 seaborn.set_color_codes
51 seaborn.reset_defaults
52 seaborn.reset_orig
53 seaborn.set_palette @Modrisco 100%
54 seaborn.color_palette @Modrisco 100%
55 seaborn.husl_palette @Modrisco 100%
56 seaborn.hls_palette @Modrisco 100%
57 seaborn.cubehelix_palette @Modrisco 100%
58 seaborn.dark_palette @Modrisco 100%
59 seaborn.light_palette @Modrisco 100%
60 seaborn.diverging_palette @Modrisco 100%
61 seaborn.blend_palette @Modrisco 100%
62 seaborn.xkcd_palette @Modrisco 100%
63 seaborn.crayon_palette @Modrisco 100%
64 seaborn.mpl_palette @Modrisco 100%
65 seaborn.choose_colorbrewer_palette @Modrisco 100%
66 seaborn.choose_cubehelix_palette @Modrisco 100%
67 seaborn.choose_light_palette @Modrisco 100%
68 seaborn.choose_dark_palette @Modrisco 100%
69 seaborn.choose_diverging_palette @Modrisco 100%
70 seaborn.load_dataset @Modrisco 100%
71 seaborn.despine @Modrisco 100%
72 seaborn.desaturate @Modrisco 100%
73 seaborn.saturate @Modrisco 100%
74 seaborn.set_hls_values @Modrisco 100%

UCB CS61b：Java 中的数据结构

参与方式： https://github.com/apachecn/c...

整体进度： https://github.com/apachecn/c...

项目仓库： https://github.com/apachecn/c...

认领：10/12，翻译：9/12

标题 译者 进度
一、算法复杂度 @leader402 100%
二、抽象数据类型 @Allenyep 100%
三、满足规范 @renyuhuiharrison 100%
四、序列和它们的实现 @biubiubiuboomboomboom 100%
五、树 @biubiubiuboomboomboom 100%
六、搜索树 @yongfengyan 100%
七、哈希 @Abel-Huang 100%
八、 排序 和选择 @Rachel-Hu 100%
九、平衡搜索 @Abel-Huang
十、并发和同步 @Ruffianjiang 100%
十一、伪随机序列
十二、图

Git 中文参考（校对）

参与方式： https://github.com/apachecn/g...

整体进度： https://github.com/apachecn/g...

项目仓库： https://github.com/apachecn/g...

认领：2/83，校对：0/83

序号 章节 贡献者 进度
1 git
2 git-config
3 git-help
4 git-init
5 git-clone
6 git-add @yulezheng
7 git-status
8 git-diff
9 git-commit @yulezheng
10 git-reset
11 git-rm
12 git-mv
13 git-branch
14 git-checkout
15 git-merge
16 git-mergetool
17 git-log
18 git-stash
19 git-tag
20 git-worktree
21 git-fetch
22 git-pull
23 git-push
24 git-remote
25 git-submodule
26 git-show
27 git-log
29 git-shortlog
30 git-describe
31 git-apply
32 git-cherry-pick
34 git-rebase
35 git-revert
36 git-bisect
37 git-blame
38 git-grep
39 gitattributes
40 giteveryday
41 gitglossary
42 githooks
43 gitignore
44 gitmodules
45 gitrevisions
46 gittutorial
47 gitworkflows
48 git-am
50 git-format-patch
51 git-send-email
52 git-request-pull
53 git-svn
54 git-fast-import
55 git-clean
56 git-gc
57 git-fsck
58 git-reflog
59 git-filter-branch
60 git-instaweb
61 git-archive
62 git-bundle
63 git-daemon
64 git-update-server-info
65 git-cat-file
66 git-check-ignore
67 git-checkout-index
68 git-commit-tree
69 git-count-objects
70 git-diff-index
71 git-for-each-ref
72 git-hash-object
73 git-ls-files
74 git-merge-base
75 git-read-tree
76 git-rev-list
77 git-rev-parse
78 git-show-ref
79 git-symbolic-ref
80 git-update-index
81 git-update-ref
82 git-verify-pack
83 git-write-tree

HBase 3.0 中文参考指南（校对）

参与方式： https://github.com/apachecn/h...

整体进度： https://github.com/apachecn/h...

项目仓库： https://github.com/apachecn/h...

认领：18/31，校对：14/31

章节 贡献者 进度
Preface @xixici 100%
Getting Started @xixici 100%
Apache HBase Configuration @xixici 100%
Upgrading @xixici 100%
The Apache HBase Shell @xixici 100%
Data Model @Winchester-Yi
HBase and Schema Design @RaymondCode 100%
RegionServer Sizing Rules of Thumb
HBase and MapReduce @BridgetLai 100%
Securing Apache HBase
Architecture @RaymondCode
In-memory Compaction @mychaow 100%
Backup and Restore @mychaow 100%
Synchronous Replication @mychaow 100%
Apache HBase APIs @xixici 100%
Apache HBase External APIs @xixici 100%
Thrift API and Filter Language @xixici 100%
HBase and Spark @TsingJyujing 100%
Apache HBase Coprocessors @TsingJyujing
Apache HBase Performance Tuning
Troubleshooting and Debugging Apache HBase
Apache HBase Case Studies
Apache HBase Operational Management
Building and Developing Apache HBase
Unit Testing HBase Applications
Protobuf in HBase @TsingJyujing
Procedure Framework (Pv2): HBASE-12439
AMv2 Description for Devs
ZooKeeper
Community
Appendix

UCB Prob140：面向数据科学的概率论

参与方式： https://github.com/apachecn/p...

整体进度： https://github.com/apachecn/p...

项目仓库： https://github.com/apachecn/p...

认领：22/25，翻译：19/25

标题 译者 翻译进度
一、基础 飞龙 100%
二、计算几率 飞龙 100%
三、随机变量 飞龙 100%
四、事件之间的关系 @biubiubiuboomboomboom 100%
五、事件集合 >0%
六、随机计数 @viviwong 100%
七、泊松化 @YAOYI626 100%
八、期望 50%
九、条件（续） @YAOYI626 100%
十、马尔科夫链 喵十八 100%
十一、马尔科夫链（续） 喵十八 100%
十二、标准差 缺只萨摩 100%
十三、方差和协方差 缺只萨摩 100%
十四、中心极限定理 喵十八 100%
十五、连续分布 @ThunderboltSmile
十六、变换 @hellozhaihy
十七、联合密度 @Winchester-Yi 100%
十八、正态和 Gamma 族 @Winchester-Yi 100%
十九、和的分布 平淡的天 100%
二十、估计方法 平淡的天 100%
二十一、Beta 和二项 @lvzhetx 100%
二十二、预测 50%
二十三、联合正态随机变量 @JUNE951234
二十四、简单线性回归 @ThomasCai 100%
二十五、多元回归 @lanhaixuan 100%

Machine Learning Mastery（校对）

参与方式： https://github.com/apachecn/m...

整体进度： https://github.com/apachecn/m...

项目仓库： https://github.com/apachecn/m...

Keras：认领：0/46，校对：0/46

XGBoost：认领：0/18，校对：0/18

章节 贡献者 进度
深度学习与 Keras - -
Keras 中神经网络模型的 5 步生命周期
在 Python 迷你课程中应用深度学习
Keras 深度学习库的二元分类教程
如何用 Keras 构建多层感知器神经网络模型
如何在 Keras 中检查深度学习模型
10 个用于 Amazon Web Services 深度学习的命令行秘籍
机器学习卷积神经网络的速成课程
如何在 Python 中使用 Keras 进行深度学习的度量
深度学习书籍
深度学习课程
你所知道的深度学习是一种谎言
如何设置 Amazon AWS EC2 GPU 以训练 Keras 深度学习模型（分步）
神经网络中批量和迭代之间的区别是什么？
在 Keras 展示深度学习模型训练历史
基于 Keras 的深度学习模型中的dropout正则化
评估 Keras 中深度学习模型的表现
如何评价深度学习模型的技巧
小批量梯度下降的简要介绍以及如何配置批量大小
在 Keras 中获得深度学习帮助的 9 种方法
如何使用 Keras 在 Python 中网格搜索深度学习模型的超参数
用 Keras 在 Python 中使用卷积神经网络进行手写数字识别
如何用 Keras 进行预测
用 Keras 进行深度学习的图像增强
8 个深度学习的鼓舞人心的应用
Python 深度学习库 Keras 简介
Python 深度学习库 TensorFlow 简介
Python 深度学习库 Theano 简介
如何使用 Keras 函数式 API 进行深度学习
Keras 深度学习库的多类分类教程
多层感知器神经网络速成课程
基于卷积神经网络的 Keras 深度学习库中的目标识别
流行的深度学习库
用深度学习预测电影评论的情感
Python 中的 Keras 深度学习库的回归教程
如何使用 Keras 获得可重现的结果
如何在 Linux 服务器上运行深度学习实验
保存并加载您的 Keras 深度学习模型
用 Keras 逐步开发 Python 中的第一个神经网络
用 Keras 理解 Python 中的有状态 LSTM 循环神经网络
在 Python 中使用 Keras 深度学习模型和 Scikit-Learn
如何使用预训练的 VGG 模型对照片中的物体进行分类
在 Python 和 Keras 中对深度学习模型使用学习率调度
如何在 Keras 中可视化深度学习神经网络模型
什么是深度学习？
何时使用 MLP，CNN 和 RNN 神经网络
为什么用随机权重初始化神经网络？
XGBoost - -
通过在 Python 中使用 XGBoost 提前停止来避免过度拟合
如何在 Python 中调优 XGBoost 的多线程支持
如何配置梯度提升算法
在 Python 中使用 XGBoost 进行梯度提升的数据准备
如何使用 scikit-learn 在 Python 中开发您的第一个 XGBoost 模型
如何在 Python 中使用 XGBoost 评估梯度提升模型
在 Python 中使用 XGBoost 的特征重要性和特征选择
浅谈机器学习的梯度提升算法
应用机器学习的 XGBoost 简介
如何在 macOS 上为 Python 安装 XGBoost
如何在 Python 中使用 XGBoost 保存梯度提升模型
从梯度提升开始，比较 165 个数据集上的 13 种算法
在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升
如何使用 Amazon Web Services 在云中训练 XGBoost 模型
在 Python 中使用 XGBoost 调整梯度提升的学习率
如何在 Python 中使用 XGBoost 调整决策树的数量和大小
如何在 Python 中使用 XGBoost 可视化梯度提升决策树
在 Python 中开始使用 XGBoost 的 7 步迷你课程

Pytorch 1.0 中文文档

参与方式： https://github.com/apachecn/p...

整体进度： https://github.com/apachecn/p...

项目仓库： https://github.com/apachecn/p...

教程部分：认领：35/37，翻译：34/37

文档部分：认领：39/39，翻译：35/39

章节 贡献者 进度
教程部分 - -
Deep Learning with PyTorch: A 60 Minute Blitz @bat67 100%
What is PyTorch? @bat67 100%
Autograd: Automatic Differentiation @bat67 100%
Neural Networks @bat67 100%
Training a Classifier @bat67 100%
Optional: Data Parallelism @bat67 100%
Data Loading and Processing Tutorial @yportne13 100%
Learning PyTorch with Examples @bat67 100%
Transfer Learning Tutorial @jiangzhonglian 100%
Deploying a Seq2Seq Model with the Hybrid Frontend @cangyunye 100%
Saving and Loading Models @bruce1408 100%
What is torch.nn really? @lhc741 100%
Finetuning Torchvision Models @ZHHAYO 100%
Spatial Transformer Networks Tutorial @PEGASUS1993 100%
Neural Transfer Using PyTorch @bdqfork 100%
Adversarial Example Generation @cangyunye 100%
Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX @PEGASUS1993 100%
Chatbot Tutorial @a625687551 100%
Generating Names with a Character-Level RNN @hhxx2015 100%
Classifying Names with a Character-Level RNN @hhxx2015 100%
Deep Learning for NLP with Pytorch @bruce1408 100%
Introduction to PyTorch @guobaoyo 100%
Deep Learning with PyTorch @bdqfork 100%
Word Embeddings: Encoding Lexical Semantics @sight007 100%
Sequence Models and Long-Short Term Memory Networks @ETCartman 100%
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF @JohnJiangLA
Translation with a Sequence to Sequence Network and Attention @mengfu188 100%
DCGAN Tutorial @wangshuai9517 100%
Reinforcement Learning (DQN) Tutorial @friedhelm739 100%
Creating Extensions Using numpy and scipy @cangyunye 100%
Custom C++ and CUDA Extensions
Extending TorchScript with Custom C++ Operators
Writing Distributed Applications with PyTorch @firdameng 100%
PyTorch 1.0 Distributed Trainer with Amazon AWS @yportne13 100%
ONNX Live Tutorial @PEGASUS1993 100%
Loading a PyTorch Model in C++ @talengu 100%
Using the PyTorch C++ Frontend @solerji 100%
文档部分 - -
Autograd mechanics @PEGASUS1993 100%
Broadcasting semantics @PEGASUS1993 100%
CUDA semantics @jiangzhonglian 100%
Extending PyTorch @PEGASUS1993 100%
Frequently Asked Questions @PEGASUS1993 100%
Multiprocessing best practices @cvley 100%
Reproducibility @WyattHuang1
Serialization semantics @yuange250 100%
Windows FAQ @PEGASUS1993 100%
torch @yiran7324
torch.Tensor @hijkzzz 100%
Tensor Attributes @yuange250 100%
Type Info @PEGASUS1993 100%
torch.sparse @hijkzzz 100%
torch.cuda @bdqfork 100%
torch.Storage @yuange250 100%
torch.nn @yuange250 100%
torch.nn.functional @hijkzzz 100%
torch.nn.init @GeneZC 100%
torch.optim @qiaokuoyuan
Automatic differentiation package - torch.autograd @gfjiangly 100%
Distributed communication package - torch.distributed @univeryinli 100%
Probability distributions - torch.distributions @hijkzzz 100%
Torch Script @keyianpai 100%
Multiprocessing package - torch.multiprocessing @hijkzzz 100%
torch.utils.bottleneck @belonHan 100%
torch.utils.checkpoint @belonHan 100%
torch.utils.cpp_extension @belonHan 100%
torch.utils.data @BXuan694 100%
torch.utils.dlpack @kunwuz 100%
torch.hub @kunwuz 100%
torch.utils.model_zoo @BXuan694 100%
torch.onnx @guobaoyo 100%
Distributed communication package (deprecated) - torch.distributed.deprecated @luxinfeng
torchvision Reference @BXuan694 100%
torchvision.datasets @BXuan694 100%
torchvision.models @BXuan694 100%
torchvision.transforms @BXuan694 100%
torchvision.utils @BXuan694 100%

认领完毕

OpenCV 4.0 中文教程

参与方式： https://github.com/apachecn/o...

整体进度： https://github.com/apachecn/o...

项目仓库： https://github.com/apachecn/o...

认领：51/51，翻译：26/51。

关于我们

我们是一个大型开源社区，旗下 QQ 群共一万余人，订阅用户至少一万人。Github Star 数量超过 40k 个，在所有 Github 组织中 排名前 150 。网站日 uip 超过 4k， Alexa 排名的峰值为 20k 。我们的核心成员拥有 CSDN 博客专家 和 简书程序员优秀作者 认证。我们与 Datawhale 、 AI 有道 、 黄海广博士 等国内知名开源组织和大 V 合作，组织公益性的翻译活动、学习活动和比赛组队活动。

‍

与商业组织不同，我们并不会追逐热点，或者唯利是图。作为公益组织，我们将完成项目放在首要位置，并有足够时间把项目打磨到极致。我们希望做出广大 AI 爱好者真正需要的东西，打造真正有价值的长尾作品。

ApacheCN 翻译活动进度公告 2019.5.31

赞助我们

ApacheCN 翻译活动进度公告 2019.5.31


以上所述就是小编给大家介绍的《ApacheCN 翻译活动进度公告 2019.5.31》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！

查看所有标签

猜你喜欢:

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。

码农书籍
O2O进化论

O2O进化论

板砖大余、姜亚东 / 中信出版社 / 2014-5 / 49

在互联网的1.0时代，Online的商业和Offline的商业就像是两条平行线，没有交汇点，在移动浪潮下，他们正在交汇，这就是O2O（Online to Offline）。于是，人们认为：O2O就是线下将线上作为销售前台。结论是对的，但并非简单相加就可以达到。人们已经进入数据革命时期，O2O是线上和线下全流通的数据化工具，电子商务就是非数据商品的数据化。其次，O2O还是一种竞争格局。这决定了以O2......一起来看看 《O2O进化论》 这本书的介绍吧!

码农工具
图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

SHA 加密
SHA 加密

SHA 加密工具

HEX CMYK 转换工具
HEX CMYK 转换工具

HEX CMYK 互转工具

  • New
  • 文章
  • 话题
  • 教程
    • 关注 码农网 公众号
    版权所有，保留一切权利！© 2018-2024 码农网 粤ICP备17054400号-3