microsoft
Visual Studio Code 编辑器源码，微软开源的跨平台代码编辑器。目前累计 19.4 万 star、4.5 万 fork，在本地项目库中星标排名约第 36 / 65707，主要语言为 TypeScript，项目始于 2015 年，采用 MIT 许可。最近状态：本周仍有提交。
适合谁：推荐给写代码与文档的人：涉及 editor、electron、microsoft、typescript 方向。
按累计星标排序，库内共 65,712 个项目（GitHub 上星标 ≥ 1k 的公开仓库约 65,980 个）。
优先使用本地记录的星标快照计算近 7 天真实增量；快照不足 7 天时，按「创建以来日均获星」估算，数值旁会标注口径。
已收录 GitHub 星标过千的公开项目，附原始简介、语言、主题与活跃度。用一句自然语言描述需求，即可获得 AI 推荐。
Stock AI Trader: 1-stop platform for learning, sim & live trading. Covers: stock basics, strategies, LLMs, factor mini…
Stock AI Trader: 1-stop platform for learning, sim & live trading. Covers: stock basics, strategies, LLMs, factor mining, ML/DL/RL, graph nets, HFT,…
archived-desktop-app 是用 TypeScript 编写的前端库，用于构建 Web 页面与界面。
The old electron based nteract notebook
voila 是用 Python 编写的可视化工具，用于图表与数据展示。
Voilà turns Jupyter notebooks into standalone web applications
dtale 是用 TypeScript 编写的前端库，用于构建 Web 页面与界面。
Visualizer for pandas data structures
ML-foundations 是用 Jupyter Notebook 编写的学习资料，用于系统学习与查阅。
Machine Learning Foundations: Linear Algebra, Calculus, Statistics & Computer Science
lucid 是用 Jupyter Notebook 编写的学习资料，用于系统学习与查阅。
A collection of infrastructure and tools for research in neural network interpretability.
awesome-jupyter 是一个资源清单，按主题汇总同类优质资源。
A curated list of awesome Jupyter projects, libraries and resources
利用Python进行数据分析 第二版 (2017) 中文翻译笔记
利用Python进行数据分析 第二版 (2017) 中文翻译笔记
FLAML 是用 Jupyter Notebook 编写的学习资料，用于系统学习与查阅，主打速度快。
A fast library for AutoML and tuning. Join our Discord: https://discord.gg/Cppx2vSPVP.
mercury 是用 Python 编写的可视化工具，用于图表与数据展示，主打界面美观。
Impress your boss and turn a Jupyter notebook into a beautiful, shareable web app — no callbacks, no frontend, no rewrite.
jupyterlab-desktop 是用 TypeScript 编写的开源项目，主题标签有限，建议打开仓库查看具体用途。
JupyterLab desktop application, based on Electron.
GenAI-Showcase 是用 Jupyter Notebook 编写的 AI 工具，用于大模型与智能体应用开发。
MongoDB's Generative AI Showcase: an exhaustive collection of examples and sample applications covering Retrieval-Augmented Generation (RAG), AI age…
CFDPython 是用 Jupyter Notebook 编写的开源项目，主题标签有限，建议打开仓库查看具体用途。
A sequence of Jupyter notebooks featuring the "12 Steps to Navier-Stokes" http://lorenabarba.com/
deepchecks 是用 Python 编写的学习资料，用于系统学习与查阅，主打开源免费。
Deepchecks: Tests for Continuous Validation of ML Models & Data. Deepchecks is a holistic open-source solution for all of your AI & ML validation ne…
Artificial-Intelligence-Deep-Learning-Machine-Learning-Tutorials 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理，主打开源免费。
Synapsa Commons: free, hands-on AI courses that run anywhere (Colab, Kaggle, Binder, Codespaces, Jupyter). EU AI Act conformity evidence, model vali…
gophernotes 是用 Go 编写的 AI 工具，用于人工智能方向的建模与推理。
The Go kernel for Jupyter notebooks and nteract.
HELK 是用 Jupyter Notebook 编写的运维工具，用于部署、编排与监控。
The Hunting ELK
本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为TensorFlow 2.0实现，项目已得到李沐老师的认可
本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为TensorFlow 2.0实现，项目已得到李沐老师的认可
scikit-learn-videos 是用 Jupyter Notebook 编写的学习资料，用于系统学习与查阅。
Jupyter notebooks from the scikit-learn video series
leafmap 是用 Python 编写的开源项目，主题标签有限，建议打开仓库查看具体用途，主打轻量。
A Python package for interactive mapping and geospatial analysis with minimal coding in a Jupyter environment
ml-workspace 是用 Jupyter Notebook 编写的学习资料，用于系统学习与查阅。
🛠 All-in-one web-based IDE specialized for machine learning and data science.
《神经网络与深度学习：案例与实践》第二版：10 章 PyTorch 实践、Notebook、测试与电子书。
《神经网络与深度学习：案例与实践》第二版：10 章 PyTorch 实践、Notebook、测试与电子书。
machine-learning 是用 HTML 编写的学习资料，用于系统学习与查阅。
:earth_americas: machine learning tutorials (mainly in Python3)
tensorwatch 是用 Jupyter Notebook 编写的学习资料，用于系统学习与查阅。
Debugging, monitoring and visualization for Python Machine Learning and Data Science
项目列表来自 GitHub 官方 Search API（stars:>1000）。单个查询最多只能返回前 1000 条，所以「同步热门」取到的是星标最高的 1000 个；要拿全量必须按星标区间拆成多个查询——本站会先查各区间的真实数量再自动切分（1k–2k 约 3.2 万个，2k–5k 约 2.1 万个，5k–20k 约 1 万个，2 万以上约 2300 个）。GitHub 上星标过千的公开仓库当前约 65,980 个，本站已收录 65,712 个。星标、简介、语言与主题均为 GitHub 原始字段，未做人工逐一核验。
中文介绍分三种来源，卡片与详情页均有标注：热门项目使用本站人工维护的条目；其余项目由程序依据语言、主题、简介中的特征词与项目数据自动生成；仓库原简介本身是中文时直接引用原文。自动生成的介绍只是对公开字段的归纳，不代表项目方表述，也不构成选型结论。
每日推荐按北京时间每天从星标 6000 以上、近 18 个月仍有提交且未归档的项目中选取，排除近 120 天已推荐过的项目，同一天内结果固定。推荐结果由规则引擎（或配置的大模型）生成，不构成选型结论。
每天每台设备可免费检索 3 次，浏览、筛选和关键词查找不消耗额度。选择下方任一方案即可继续（当前为模拟支付）。
模拟支付不会接入真实渠道，也不会产生任何扣款。