Awesome GitHub RepositoriesPriority Queues

This project is a curated educational resource and solution repository for algorithmic challenges, specifically focused on LeetCode problems. It serves as a technical reference for common data structures and algorithmic patterns, providing verified code implementations across multiple programming languages alongside detailed logic and complexity analysis. The repository functions as a comprehensive study guide for competitive programming and technical interview preparation. It includes specialized learning tools such as an Anki flashcard dataset for spaced repetition and a browser extension t

Antigravity-Manager is an artificial intelligence model orchestration platform that functions as a unified gateway for interacting with multiple external service providers. It standardizes heterogeneous vendor data structures into a consistent internal schema, allowing third-party tools to interface with various models through a single, normalized API. The system distinguishes itself through automated infrastructure management, including the lifecycle tracking of service accounts and the secure rotation of authentication credentials. By acting as a middleware layer, it intercepts traffic to p

This project is a comprehensive, community-maintained knowledge base and toolkit designed for competitive programming. It serves as a centralized repository for algorithmic theory, data structures, and mathematical techniques, providing a structured reference for informatics and collegiate programming competitions. The project distinguishes itself by integrating educational content with a robust suite of automation utilities. It provides a complete workflow for competitive programming, including tools for automated test case generation, solution verification, and direct interaction with onlin

go-datastructures is a collection of thread-safe and lock-free data structures designed for high-performance concurrent applications in Go. It provides a modular library of specialized algorithmic toolsets, including a lock-free collection library and an immutable data structure library. The project distinguishes itself through a suite of persistent AVL trees and hash array mapped tries that use branch-copying to preserve previous versions. It also implements non-blocking hash maps, queues, and tries that enable linearizable snapshots and concurrent updates without the use of mutual exclusion

algs4 is a Java data structures library and algorithm reference collection designed as the source code for a standard computer science textbook curriculum. It provides a comprehensive suite of fundamental implementations for sorting, searching, and core data organization. The project serves as a graph theory framework, offering tools for representing directed and undirected graphs and performing complex traversals and pathfinding. It also includes a broad sorting algorithm suite and a specialized library of Java data structures, including stacks, queues, priority queues, and symbol tables. I

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

Este proyecto es un framework de computación científica para el ecosistema .NET, que proporciona un conjunto completo de librerías para análisis numérico, estadística y optimización matemática. Sirve como kit de herramientas fundamental para desarrollar aplicaciones en aprendizaje automático (machine learning), procesamiento de señales digitales y visión artificial. El framework proporciona kits de herramientas especializados para entrenar y desplegar modelos predictivos, incluyendo redes neuronales, máquinas de vectores de soporte y árboles de decisión. Se distingue además por integraciones profundas para el análisis visual en tiempo real, como el seguimiento de objetos y la detección de rasgos faciales, junto con una librería dedicada al procesamiento de señales digitales para capturar y filtrar señales de audio y sensores. La superficie de capacidades se extiende a la descomposición de matrices de alto nivel y álgebra lineal, modelado de estados probabilísticos y algoritmos de búsqueda heurística. También cubre una amplia gama de utilidades de manipulación de datos, desde la reducción de dimensionalidad y normalización hasta la organización de datos espaciales y componentes de visualización científica. El sistema incluye controladores de integración de hardware para la configuración de cámaras, gestión de puertos GPIO y hardware especializado de detección de profundidad.

Esta biblioteca proporciona una colección de estructuras de datos especializadas para el lenguaje Swift que extienden la biblioteca estándar con tipos de contenedores avanzados. Incluye implementaciones para colas de doble extremo utilizando búferes circulares, colas de prioridad basadas en montículos min-max, y almacenamiento de bit-set y bit-array eficiente en memoria para valores booleanos. El proyecto cuenta con colecciones ordenadas que mantienen los elementos en orden clasificado mediante implementaciones de árboles B, así como conjuntos y diccionarios persistentes que utilizan árboles de prefijos comprimidos para compartir datos entre copias mutadas. También proporciona contenedores especializados que preservan el orden de inserción. La biblioteca cubre una gama de capacidades que incluyen la gestión de memoria de bajo nivel para búferes C y valores no copiables, almacenamiento de capacidad fija y el uso de hashing robin hood para optimizar la utilización de memoria y las velocidades de búsqueda.

Este repositorio sirve como una biblioteca integral para la resolución de problemas algorítmicos, proporcionando implementaciones de referencia para desafíos fundamentales de ciencias de la computación. Está diseñado como un recurso para la preparación de entrevistas técnicas y el entrenamiento en programación competitiva, centrándose en el dominio de patrones comunes y estructuras de datos requeridas para evaluaciones de codificación. El proyecto se distingue por ofrecer soluciones que enfatizan el uso idiomático de Python y la optimización del rendimiento. Cubre una amplia gama de técnicas algorítmicas, incluyendo selección codiciosa, programación dinámica, teoría de grafos y búsqueda binaria, mientras proporciona orientación sobre el análisis de la complejidad de ejecución para identificar la lógica más eficiente para tareas específicas. Más allá de los algoritmos centrales, la colección incluye implementaciones para estructuras de datos estándar como pilas, colas y representaciones de grafos de lista de adyacencia. También proporciona ejemplos de integración de servicios web externos y gestión de datos estructurados, asegurando una amplia cobertura de las habilidades técnicas necesarias tanto para entornos competitivos como para el desarrollo de software práctico.