https://www.nodebeginner.org/index-zh-cn.html#conclusio

本书致力于教会你如何用Node.js来开发应用，过程中会传授你所有所需的“高级”JavaScript知识。本书绝不是一本“Hello World”的教程。 读完本书之后，你将完成一个完整的web应用，该应用允许用户浏览页面以及上传文件。 当然了，应用本身并没有什么了不起的，相比为了实现该功能书写的代码本身，我们更关注的是如何创建一个框架来对我们应用的不同模块进行干净地剥离。 是不是很玄乎？稍后你就明白了。 本书先从介绍在Node.js环境中进行JavaScript开发和在浏览器环境中进行JavaScript开发的差异开始。 紧接着，会带领大家完成一个最传统的“Hello World”应用，这也是最基础的Node.js应用。 最后，会和大家讨论如何设计一个“真正”完整的应用，剖析要完成该应用需要实现的不同模块，并一步一步介绍如何来实现这些模块。 可以确保的是，在这过程中，大家会学到JavaScript中一些高级的概念、如何使用它们以及为什么使用这些概念就可以实现而其他编程语言中同类的概念就无法实现。

https://backlog.com/git-tutorial/cn/

Git是一个分布式版本管理系统，是为了更好地管理Linux内核开发而创立的。 Git可以在任何时间点，把文档的状态作为更新记录保存起来。因此可以把编辑过的文档复原到以前的状态，也可以显示编辑前后的内容差异。 而且，编辑旧文件后，试图覆盖较新的文件的时候（即上传文件到服务器时），系统会发出警告，因此可以避免在无意中覆盖了他人的编辑内容。

http://tengine.taobao.org/book/index.html

nginx由于出色的性能，在世界范围内受到了越来越多人的关注，在淘宝内部它更是被广泛的使用，众多的开发以及运维同学都迫切的想要了解nginx模块的开发以及它的内部原理，但是国内却没有一本关于这方面的书，源于此我们决定自己来写一本。本书的作者为淘宝核心系统服务器平台组的成员，本书写作的思路是从模块开发逐渐过渡到nginx原理剖析。

https://i.linuxtoy.org/docs/guide/index.html

目录 授权 致谢 序言 更新纪录 导读 如何写作科技文档 I. 气候 GUI? CLI? UNIX 缩写风格 版本号的迷雾 Vim 还是 Emacs DocBook 还是 TeX 完全用 Gnu/Linux 工作 病毒 磁盘 分区 文件系统 发行版介绍 编程语言 无根的根：无名师的 Unix 心传 II. 地理 基础知识 命令系统 基本系统 软件管理 核心工具集 编译工具链 图形界面 国际化 内核 Grub 服务器 Vim 编辑器 Emacs 入门 正则表达式 docbook 指南 Git 版本控制系统 ConTeXt 入门指南 III. 景观 终极 Shell -- ZSH 完美工作站 Archlinux 组织你的意念：Emacs org mode Zsh+screen gentoo stage3 硬件问题 网络设置 自制 LiveCD awesome openbox 工作环境 Emacs muse 写作工具链 使用 lftp Firefox 使用技巧 FVWM IV. 地质 Unix Gnu 软件业自由之神——Richard Stallman Linux GNOME与KDE的战争 Vim Emacs 年代纪 我的选择 补遗 范例清单 14.1. urxvt 配置 ~/.Xresources 20.1. 输入法配置 .profile 24.1. Vim 配置 /etc/vim/vimrc 25.1. emacs 配置 ~/.emacs 25.2. emacs 大纲模式 27.1. DocBook 参数样式表 30.1. Zsh 配置文件 .zshrc 38.1. awesome 配置

本资源为开源电子书《The Principles of Deep Learning Theory》，剑桥大学出版社将于2022年出版 深度神经网络(DNNs)是现代人工智能研究的一部分，但它们或多或少被视为一个“黑盒子”。虽然人们在人工智能的研究方面不断取得进展，但是由于深度神经网络过于复杂，人们仍然无法使用第一性原理解释深度神经网络。模型在很大程度上是通过反复试验来调整的——虽然反复试验可以通过多年的经验来明智地进行，但却没有任何统一的理论语言来描述DNN及其功能。 《深度学习理论原理:理解神经网络的有效理论方法》的新书出版，该研究由Facebook AI Research的Sho Yaida、麻省理工学院和Salesforce的Dan Roberts以及普林斯顿的Boris Hanin共同完成。作为一个基本的层面，这本书提供了一个从第一性原理理解DNNs的理论框架。对于人工智能从业者来说，这种理解可以显著减少训练这些DNN所需的试错次数。例如，它可以揭示任何给定模型的最佳超参数，而不需要经过今天所需要的时间和计算密集的实验。 《深度学习理论原理》将于2022年初由剑桥大学出版社出版，手稿现已公开。斯坦福大学物理学教授伊娃·西尔弗斯坦(Eva Silverstein)说:“这本书提出了一种机器学习理论方法。”看到这些方法在理解和改进人工智能方面取得的进展将是令人兴奋的。 这只是重塑人工智能科学这一更大项目的第一步，这一项目既源自基本原理，同时也专注于描述现实模型的实际工作方式。如果成功，这种深度学习的一般理论可能会使人工智能模型更加强大，甚至可能引导我们建立一个研究通用智能方面的框架。 作者：Sho Yaida、Daniel A. Roberts、Boris Hanin