Awesome GitHub RepositoriesAlgorithm Implementations

Boost is a collection of portable, high-performance source libraries that extend the C++ standard library. It provides a wide range of reusable components, data structures, and algorithms designed to add capabilities to the base language across different platforms. The project is distinguished by its extensive focus on compile-time template metaprogramming and generic programming. It implements advanced architectural patterns such as policy-based design, concept-based type validation, and the use of SFINAE for conditional template resolution to minimize runtime overhead. The library covers a

LogicStack-LeetCode is a curated repository of solved algorithm problems and data structure implementations, primarily drawn from the LeetCode platform. Its core identity is a structured collection of solutions designed to support technical interview preparation and competitive programming practice, with each solution accompanied by complexity analyses to help engineers understand performance trade-offs. The repository distinguishes itself through its breadth of coverage across fundamental algorithmic patterns and data structures. It includes implementations for array manipulation, string pro

This project is a LeetCode solution repository and algorithm implementation library. It serves as a technical interview study guide, providing a collection of solved programming problems and algorithmic implementations. The repository focuses on coding practice management and algorithm study workflows. It organizes curated coding questions and answers to assist in preparing for technical job evaluations and software engineering assessments. The content is managed through a git-based system using markdown documentation and a category-based directory structure. This allows for the organization

Dieses Projekt ist eine kuratierte Bibliothek mit Algorithmen-Implementierungen und gelösten Programmieraufgaben. Sie dient als Referenz-Repository für Competitive Programming und Datenstrukturen und bietet optimierte Lösungen für eine Vielzahl von Coding-Challenges. Die Sammlung organisiert Code-Beispiele nach algorithmischen Techniken, mit besonderem Fokus auf die Implementierung von Bäumen, Graphen und Heaps zur Optimierung der Zeit- und Platzkomplexität. Sie bietet sprachspezifische Lösungen für High-Performance-Coding-Aufgaben. Das Repository deckt ein breites Spektrum an Funktionen ab, darunter Graphentraversierungen, dynamische Programmierung, String-Pattern-Processing und binäre Suchoperationen. Es enthält zudem Implementierungen für Range-Data-Querying, Bit-Manipulation sowie das Design benutzerdefinierter Datenstrukturen wie Caches und Autocomplete-Engines. Zusätzliche Themen umfassen mathematische Berechnungen und das Tracking von Wettbewerbsergebnissen.

Dieses Projekt ist eine umfassende Sammlung von C++-Bibliotheken und Toolkits, die Referenzimplementierungen für Datenstrukturen, Graphenalgorithmen und bitweise Logik bereitstellen. Es dient als C++-Algorithmen-Referenz mit über 180 gelösten Programmieraufgaben und einem spezialisierten Toolkit für Competitive Programming. Das Repository zeichnet sich durch umfangreiche Low-Level-Bibliotheken zur Bit-Manipulation für Paritätsprüfungen, Endianness-Erkennung und XOR-basierte Logik aus. Es bietet zudem eine breite Palette an Referenzlösungen für komplexe algorithmische Herausforderungen in den Bereichen Backtracking, Graphentheorie und dynamische Programmierung. Die Funktionalität umfasst grundlegende lineare und hierarchische Datenstrukturen, einschließlich verketteter Listen, Stacks, Queues und binärer Suchbäume. Es enthält eine vollständige Suite von Graphenalgorithmen für Pfadsuche und Spannbäume, verschiedene Sortier- und Suchmethoden, Matrix-Transformationen sowie Dienstprogramme zur String-Verarbeitung. Darüber hinaus deckt es mathematische Berechnungsfunktionen, verlustfreie Datenkompression und grundlegende kryptografische Chiffren ab.

Algodeck is an open-source collection of flash cards designed for reviewing algorithms, data structures, and system design concepts, specifically curated for technical interview preparation. The project organizes knowledge into atomic question-and-answer pairs and incorporates spaced repetition scheduling to optimize long-term memory retention. The flash card catalog covers a broad range of computer science topics, including classic sorting algorithms like quicksort and mergesort, data structure operations for arrays, trees, heaps, tries, and graphs, as well as bit manipulation techniques for

Dieses Projekt ist ein Machine-Learning-Kurs-Repository, das eine Sammlung von Python-Übungen und Notebooks enthält. Es ist darauf ausgelegt, grundlegende Machine-Learning-Algorithmen zu implementieren und Lehrplanaufgaben durch interaktive Dokumente zu erfüllen, die instruktiven Text und ausführbaren Code kombinieren. Das Repository bietet Code, der für die Kompatibilität mit automatisierten Bewertungssystemen formatiert ist, was die Einreichung und Validierung technischer Übungen ermöglicht. Es beinhaltet vordefinierte Umgebungskonfigurationen und Dependency-Locks, um eine konsistente Ausführung von Data-Science-Tools über verschiedene Rechenumgebungen hinweg sicherzustellen. Das Projekt deckt Machine-Learning-Implementierung und Bildung ab und nutzt einen interaktiven Notebook-Workflow, um mathematische Konzepte in funktionalen Code zu übersetzen. Diese Übungen sind darauf ausgelegt, innerhalb browserbasierter Workspaces ausgeführt zu werden, um die Notwendigkeit lokaler Softwareinstallationen zu eliminieren.

This is a collection of classical algorithms and data structures implemented as a header-only C++ library. It provides a suite of tools for general algorithm implementation, including data structure management, graph theory analysis, and string processing. The library is distinguished by its specialized toolkits for cryptographic hashing and encoding, featuring implementations of MD5, SHA-1, and Base64. It also includes advanced capabilities for high-performance string processing via suffix trees and arrays, as well as computational number theory for primality testing and arbitrary-precision

Open Spiel is a research library and framework for reinforcement learning, planning, and multi-agent game simulation. It provides a system for representing single-agent and multi-agent games across zero-sum, cooperative, and imperfect information scenarios. The project utilizes a standardized abstract game interface to decouple game logic from algorithms, allowing agents to run across different game types. It implements performance-critical logic in C++ with Python bindings and uses deterministic seeded simulation to ensure reproducibility for research benchmarking. The framework covers a br

Dieses Projekt ist eine Sammlung von Referenzimplementierungen und Demonstrationsprojekten für Computer Vision, DevOps-Automatisierung, verteilte Systeme und Java-basierte Microservices. Es bietet eine Programmbibliothek als Referenz sowie praktische Beispiele für die Entwicklung von Server-Side-Anwendungen, die Containerisierung von Diensten und die Orchestrierung von Clustern. Das Repository enthält ein umfassendes Toolset für die DevOps-Automatisierung, einschließlich Skripten und Playbooks für CI/CD-Pipelines und die automatisierte Cluster-Installation. Es umfasst ein Computer-Vision-Demoprojekt für die Objekterkennung und Gesichtsanalyse sowie detaillierte Anleitungen und Konfigurationsdateien für Docker-Containerisierung und Kubernetes-Deployment. Das Projekt deckt ein breites Spektrum an Fähigkeiten für verteilte Systeme ab, darunter gRPC- und RESTful-API-Implementierung, Message Queuing und Data Streaming. Zudem adressiert es die Observability der Infrastruktur durch Distributed Tracing und System-Performance-Monitoring sowie Big-Data-Verarbeitung und Optimierung der Datenspeicherung. Die Codebasis enthält Implementierungsbeispiele für Java und Go und stellt Quellcode für die native Binärkompilierung sowie Multi-Stage-Container-Builds bereit.

Dieses Repository dient als umfassende Bibliothek für algorithmische Problemlösungen und bietet Referenzimplementierungen für grundlegende Herausforderungen der Informatik. Es ist als Ressource für die Vorbereitung auf technische Vorstellungsgespräche und das Training für wettbewerbsorientiertes Programmieren konzipiert, mit Fokus auf die Beherrschung gängiger Muster und Datenstrukturen, die für Coding-Assessments erforderlich sind. Das Projekt zeichnet sich dadurch aus, dass es Lösungen anbietet, die idiomatische Python-Nutzung und Leistungsoptimierung betonen. Es deckt ein breites Spektrum algorithmischer Techniken ab, einschließlich Greedy-Auswahl, dynamischer Programmierung, Graphentheorie und binärer Suche, und bietet gleichzeitig Anleitungen zur Analyse der Ausführungskomplexität, um die effizienteste Logik für spezifische Aufgaben zu identifizieren. Über Kernalgorithmen hinaus enthält die Sammlung Implementierungen für Standard-Datenstrukturen wie Stacks, Queues und Adjazenzlisten-Graphdarstellungen. Sie bietet zudem Beispiele für die Integration externer Webdienste und die Verwaltung strukturierter Daten, um eine breite Abdeckung der technischen Fähigkeiten sicherzustellen, die sowohl für Wettbewerbsumgebungen als auch für die praktische Softwareentwicklung erforderlich sind.

Dieses Repository ist eine Sammlung grundlegender Datenstrukturen und Standardalgorithmen, die in C und C++ implementiert sind. Es dient als technische Referenz für das Verständnis und die Anwendung grundlegender Rechenmuster und bietet verifizierte Codebeispiele für Aufgaben wie Sortieren, Suchen und Graph-Traversal. Das Projekt betont Low-Level-Systemprogrammierung durch die Nutzung manueller Speicherverwaltung und zeigerbasierter Datenverknüpfung zur Informationsorganisation. Es verfolgt einen prozeduralen Logikansatz und stützt sich auf die Durchsetzung des statischen Typsystems, um Performance und Speichersicherheit bei der Ausführung gängiger Operationen wie Linked Lists, Stacks, Queues, Trees und Hash Tables zu gewährleisten. Diese Implementierungen wurden entwickelt, um Softwareentwicklung und Informatikbildung zu unterstützen, indem sie demonstrieren, wie Speicher verwaltet und effizient auf Daten zugegriffen wird. Die Bibliothek wird im Header-Only-Format vertrieben, um die direkte Integration in Kompilierungseinheiten zu erleichtern.