9 रिपॉजिटरी
A design pattern where validation logic is decoupled via common interfaces for reusability across types.
Distinct from Custom Lint Rule Definitions: Candidates are focused on linting or security rules, not general-purpose interface-based validation architecture.
Explore 9 awesome GitHub repositories matching software engineering & architecture · Interface-Driven Validation. Refine with filters or upvote what's useful.
Pkl is a configuration-as-code language used to define, validate, and generate structured configuration files. It functions as a type-safe configuration generator that enforces data integrity through a strongly-typed schema, ensuring configuration values meet defined constraints and types during evaluation. The project distinguishes itself by acting as both a configuration file generator and a binding generator. It transforms high-level programmable definitions into static formats such as JSON, YAML, or XML, and produces language-specific source code to synchronize settings and provide type s
Provides interfaces that allow external tools to programmatically manipulate and query configuration data.
यह PyTorch का उपयोग करके न्यूरल नेटवर्क बनाने और प्रशिक्षित करने के लिए एक शैक्षिक पाठ्यक्रम है। यह एक डीप लर्निंग ट्रेनिंग गाइड और संसाधन के रूप में कार्य करता है, जो टेंसर कंप्यूटेशन और आर्किटेक्चर डेवलपमेंट पर पाठों की एक संरचित श्रृंखला प्रदान करता है। यह कोर्स एक इंटरैक्टिव लर्निंग मॉडल का उपयोग करता है जो अकादमिक सिद्धांत को अभ्यास के साथ सिंक्रोनाइज़ करता है। यह सैद्धांतिक लेक्चर स्लाइड्स को एक्सरसाइज-ड्रिवन नोटबुक के साथ जोड़ता है, जिसमें छात्रों को अपनी वैचारिक समझ को मान्य करने के लिए पूर्व-निर्धारित टेम्प्लेट के भीतर मॉडल लॉजिक को लागू करना होता है। यह पाठ्यक्रम ग्रेडिएंट डिसेंट और रेगुलराइजेशन के माध्यम से मॉडल ऑप्टिमाइज़ेशन, और कन्वेन्शनल, रिकरेंट और ट्रांसफॉर्मर आर्किटेक्चर के कार्यान्वयन सहित डीप लर्निंग क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है। इसमें मल्टीमॉडल डेटा को प्रोसेस करने और कंट्रास्टिव मेथड्स और ऑटोएनकोडर के माध्यम से सेल्फ-सुपरवाइज्ड लर्निंग लागू करने के निर्देश भी शामिल हैं। सामग्री Jupyter Notebooks के एक मॉड्यूलर अनुक्रम के माध्यम से वितरित की जाती है।
Validates student understanding by requiring the implementation of theoretical concepts in code.
यह प्रोजेक्ट PHP के लिए एक कैश एब्स्ट्रैक्शन लेयर और इंटरफेस मानक है, जो विशेष रूप से PSR-6 कैशिंग विनिर्देश को परिभाषित करता है। यह विभिन्न PHP लाइब्रेरी के बीच इंटरऑपरेबिलिटी सुनिश्चित करने के लिए कैश आइटम और पूल के लिए प्रकार परिभाषाओं और अनुबंधों का एक सुसंगत सेट स्थापित करता है। यह विनिर्देश उच्च-स्तरीय कैशिंग लॉजिक को निम्न-स्तरीय भंडारण कार्यान्वयन से अलग करके वेंडर लॉक-इन को रोकता है। यह एप्लिकेशन कोड में परिवर्तन की आवश्यकता के बिना विभिन्न कैशिंग बैकएंड को स्वैप करने की अनुमति देता है। यह प्रोजेक्ट सामान्य विधि हस्ताक्षरों और टाइप-सेफ परिभाषाओं के उपयोग के माध्यम से PHP कैश मानकीकरण और लाइब्रेरी इंटरऑपरेबिलिटी पर केंद्रित है। यह एक वेंडर-अज्ञेय कैशिंग लेयर बनाता है जो कई भंडारण प्रदाताओं को इंटरचेंजेबल रहने में सक्षम बनाता है।
Defines common method signatures to ensure caching implementations remain interchangeable across libraries.
ML-foundations is a machine learning educational curriculum and computer science study guide. It provides a structured learning path focused on the mathematical foundations and computational prerequisites required for studying machine learning. The project serves as a Python mathematics course, delivering interactive notebooks and coding exercises to teach linear algebra, calculus, and statistics. It translates abstract mathematical formulas into concrete algorithmic code to help learners understand the principles underpinning machine learning algorithms. The curriculum covers data science p
Provides coding tasks that require learners to implement mathematical operations to prove their theoretical understanding.
यह प्रोजेक्ट डीप लर्निंग आर्किटेक्चर और मॉडल इम्प्लीमेंटेशन में महारत हासिल करने के लिए एक स्ट्रक्चर्ड पाठ्यक्रम संग्रह और अध्ययन संसाधन है। यह अकादमिक सामग्रियों का एक वर्गीकृत रिपॉजिटरी है, जिसमें न्यूरल नेटवर्क के लिए कोर्सवेयर और इम्प्लीमेंटेशन गाइड शामिल हैं। यह संग्रह विभिन्न आर्किटेक्चर बनाने और प्रशिक्षित करने के लिए एक मल्टी-मॉडल फ्रेमवर्क प्रदान करता है, जो विशेष रूप से बेसिक न्यूरल नेटवर्क, कन्वेन्शनल नेटवर्क और सीक्वेंस मॉडल को कवर करता है। यह डीप लर्निंग आर्किटेक्चर, रेगुलराइजेशन और मशीन लर्निंग प्रोजेक्ट्स को स्ट्रक्चर करने और हाइपरपैरामीटर ट्यूनिंग की प्रक्रिया पर केंद्रित है। लर्निंग सरफेस इंटरैक्टिव नोटबुक और क्यूरेटेड लेक्चर नोट्स के माध्यम से व्यावहारिक अनुप्रयोग के साथ सैद्धांतिक नींव को जोड़ती है। ज्ञान सत्यापन को क्विज़ और प्रोग्रामिंग असाइनमेंट के एक सेट के माध्यम से संभाला जाता है जिसे मशीन लर्निंग अवधारणाओं के कार्यान्वयन को मान्य करने के लिए डिज़ाइन किया गया है।
Provides programming exercises and quizzes that validate the practical implementation of theoretical deep learning concepts.
यह प्रोजेक्ट एक अभ्यास-आधारित लर्निंग प्लेटफ़ॉर्म और फंक्शनल प्रोग्रामिंग कोर्स है जिसे व्यावहारिक कार्यान्वयन कार्यों के एक संरचित पाठ्यक्रम के माध्यम से Haskell सिखाने के लिए डिज़ाइन किया गया है। यह एक इंटरैक्टिव ट्यूटोरियल और लर्निंग फ्रेमवर्क के रूप में कार्य करता है जहाँ छात्र मॉड्यूल के एक क्यूरेटेड अनुक्रम को पूरा करके फंक्शनल प्रोग्रामिंग अवधारणाओं में महारत हासिल करते हैं। यह प्लेटफ़ॉर्म टाइप-ड्रिवन डेवलपमेंट वर्कफ़्लो पर जोर देता है, जो प्रोग्राम लॉजिक की खोज का मार्गदर्शन करने के लिए टाइप होल्स और कंपाइलर-एकीकृत टाइप क्वेरींग का उपयोग करता है। यह एक read-eval-print लूप के माध्यम से एक इंटरैक्टिव प्रोग्रामिंग एनवायरनमेंट प्रदान करता है, जो रीयल-टाइम कोड प्रयोग, एक्सप्रेशन टाइप क्वेरींग, और आइडेंटिफायर विवरणों के निरीक्षण की अनुमति देता है। शुद्धता एक स्वचालित सत्यापन प्रणाली के माध्यम से सुनिश्चित की जाती है जो यूनिट टेस्ट और प्रॉपर्टी-आधारित टेस्टिंग सूट को जोड़ती है। ये टूल्स यह सत्यापित करने के लिए रैंडम इनपुट जनरेशन का उपयोग करते हैं कि अभ्यास समाधान विशिष्ट आवश्यकताओं को पूरा करते हैं। पाठ्यक्रम भाषा सिंटैक्स, टाइप सिग्नेचर, पॉलीमॉर्फिज्म, और जटिल डेटा संरचनाओं को डीकंस्ट्रक्ट करने के लिए पैटर्न मैचिंग को कवर करता है।
Implements automated validation of coding exercises through integrated unit and property-based test suites.
यह प्रोजेक्ट एक फंक्शनल प्रोग्रामिंग कोर्स और स्वचालित कोडिंग पाठ्यक्रम है जिसे अभ्यासों और मॉड्यूलों के एक संरचित अनुक्रम के माध्यम से प्रतिमान के मूल सिद्धांतों को सिखाने के लिए डिज़ाइन किया गया है। यह एक इंटरैक्टिव प्रोग्रामिंग ट्यूटोरियल के रूप में कार्य करता है जहाँ शिक्षार्थी वृद्धिशील समस्याओं को हल करते हैं और प्रोग्रामिंग अभ्यास सूट के माध्यम से अपनी समझ को सत्यापित करते हैं। पाठ्यक्रम भाषा-अज्ञेयवादी है, जो किसी विशिष्ट भाषा के बजाय मूल लॉजिक और प्रतिमानों पर केंद्रित है। यह एक स्वचालित टूलचेन का उपयोग करता है जो समाधानों को सत्यापित करने के लिए सोर्स कोड को निष्पादन योग्य बाइनरीज़ में बदल देता है। शुद्धता को एक टेस्ट-ड्रिवन दृष्टिकोण का उपयोग करके मान्य किया जाता है जो यह सुनिश्चित करने के लिए कि कार्यान्वयन विशिष्ट कार्यात्मक आवश्यकताओं को पूरा करते हैं, एक इन-बिल्ट टेस्ट रनर को प्रॉपर्टी-आधारित टेस्टिंग के साथ जोड़ता है। प्रोजेक्ट में बिल्ड कॉन्फ़िगरेशन फाइलों को स्वचालित रूप से उत्पन्न करने के लिए डेवलपर एनवायरनमेंट बूटस्ट्रैपिंग के लिए स्क्रिप्ट्स शामिल हैं।
Verifies implementation correctness by executing predefined test cases and property-based checks against user code.
ozzo-validation is a programmable data validation library for Go that verifies structs, maps, and primitive types using a declarative, rule-based approach. It functions as an interface-based validator, allowing for the recursive checking of nested data structures and custom types without the use of struct tags. The framework distinguishes itself as a context-aware validation engine, supporting the propagation of request-scoped data to rules that depend on external state. It provides extensive extensibility through custom rule definitions and the ability to override default failure text with l
Utilizes a common interface to allow custom functions to be wrapped as reusable validation rules.
Scala Exercises is an interactive learning platform designed for mastering the Scala programming language through browser-based coding challenges. It functions as a comprehensive educational framework that structures programming lessons into sequential modules, providing immediate feedback on user-submitted code through automated validation. The platform distinguishes itself by treating educational content as modular, versioned artifacts that can be dynamically registered and integrated as project dependencies. This architecture allows for the creation of custom learning paths where exercises
Validates student code solutions against predefined test suites to ensure functional correctness.