Awesome GitHub RepositoriesGraph Libraries

This project is a comprehensive, curated directory of high-quality libraries, tools, and educational resources for C and C++ development. It serves as an ecosystem discovery index, helping developers navigate the vast landscape of third-party components, frameworks, and technical documentation available for the language. The collection is distinguished by its focus on high-performance systems programming and technical mastery. It provides deep coverage of specialized domains including SIMD-accelerated data processing, compile-time template metaprogramming, and asynchronous event-driven archit

Guava is a Java standard library extension and utility toolkit that provides optimized data structures, concurrency tools, and core extensions. It serves as a comprehensive set of helpers for Java development, focusing on reducing repetitive boilerplate logic. The project is distinguished by its specialized implementations of immutable collections, which ensure thread safety and data consistency by preventing accidental modification. It also includes a dedicated graph data structure library for modeling and traversing networks of interconnected nodes and edges, alongside advanced collection t

NetworkX is a Python library designed for the creation, manipulation, and study of the structure, dynamics, and functions of complex networks. It provides a comprehensive framework for modeling relationships between entities as graphs, directed graphs, or multigraphs, allowing users to attach arbitrary metadata and properties to nodes and edges. The library distinguishes itself through a modular architecture that decouples graph analysis logic from data storage, utilizing nested dictionaries and adjacency lists to manage topology. It features a pluggable backend system that delegates computat

This project is a comprehensive library of reference implementations for fundamental data structures and algorithms, designed to support technical interview preparation and software engineering assessments. It provides a structured collection of computational techniques for solving complex problems involving arrays, strings, graphs, trees, and mathematical analysis. The library distinguishes itself by offering specialized implementations for advanced topics, including concurrent programming patterns and geometric algorithms. It features thread-safe primitives for managing shared state and tas

This project is a comprehensive reference for algorithms and data structures used to solve complex computational problems in competitive programming. It serves as a technical resource for implementing advanced mathematical programming, computational geometry, and graph theory. The repository provides detailed implementation guides for diversifying algorithmic techniques, including top-down and bottom-up dynamic programming optimization, number theory, and linear algebra. It features specific guides for complex tasks such as constructing planar graphs, solving linear Diophantine equations, and

This project is a collection of foundational machine learning algorithms and data science tools implemented in Python. It focuses on building the logic of these tools using basic programming primitives rather than relying on specialized libraries. The implementation covers several core domains, including a linear algebra library for matrix and vector operations, a statistical analysis toolkit for probability and hypothesis testing, and a framework for map-reduce distributed processing. It also includes implementations for natural language processing, graph theory for network analysis, and var

This project is a collection of reference implementations for algorithms, mathematics, cryptography, compression, and machine learning written in C#. It serves as an educational library providing standard implementations of sorting, searching, and graph theory algorithms. The repository covers a wide range of computational domains, including combinatorial optimization for constraint satisfaction and scheduling, as well as symmetric and classical cryptographic ciphers. It also provides reference code for lossless data compression techniques and fundamental machine learning primitives such as r

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

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

Warp is a Python framework that JIT-compiles Python functions into CUDA kernels for GPU-accelerated parallel computation, with built-in automatic differentiation and multi-framework array interoperability. At its core, it provides a GPU kernel compilation system that enables writing and executing custom GPU kernels directly from Python, while supporting automatic gradient computation through those kernels for integration with machine learning pipelines. The framework also includes tile-based cooperative computing, where thread blocks partition into tiles for shared-memory and tensor-core opera

Acest proiect este o bibliotecă de algoritmi C# și o colecție de structuri de date. Servește ca referință de informatică oferind implementări practice ale tiparelor clasice de sortare, căutare și traversare a grafurilor. Biblioteca include un set de instrumente dedicat procesării șirurilor pentru analizarea similitudinii textului, calcularea distanțelor de editare și gestionarea căutărilor bazate pe prefix. De asemenea, dispune de o implementare a teoriei grafurilor pentru modelarea relațiilor de rețea și calcularea celor mai scurte căi. Codul sursă acoperă o gamă largă de capabilități, inclusiv gestionarea colecțiilor liniare și ierarhice, manipularea și vizualizarea structurilor de date de tip arbore și calcularea secvențelor numerice matematice.

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

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

Memgraph is an in-memory, distributed graph database designed for high-performance labeled property graph management. It utilizes a Cypher query engine for declarative data retrieval and manipulation, providing a scalable knowledge graph backend that integrates vector search and graph traversals. The system distinguishes itself as a real-time graph analytics platform, employing native C++ and CUDA implementations to execute complex network analysis and dynamic community detection on streaming data. It provides specialized support for AI integration, including GraphRAG capabilities, the constr

Aceasta este o colecție de structuri de date standard și implementări algoritmice scrise în Rust. Oferă o suită de biblioteci specializate concepute pentru programarea competitivă și ingineria sistemelor. Proiectul este organizat în toolkit-uri distincte pentru teoria grafurilor, teoria numerelor, interogări de interval (range queries) și procesarea șirurilor. Include implementări pentru calcularea drumurilor minime și a fluxurilor în rețele, efectuarea testelor de primalitate și aritmetică modulară, și gestionarea interogărilor de interval asociative. Biblioteca acoperă arii computaționale largi, inclusiv procesarea semnalelor prin transformate Fourier rapide, analiza textului folosind suffix arrays și tries, și organizarea datelor prin compresia coordonatelor și utilitare de sortare. Oferă, de asemenea, instrumente pentru parsarea datelor de intrare din fișiere sau I/O standard.

This project is a Go algorithm implementation library and a reference for data structures. It serves as a collection of solved coding interview problems and an algorithmic pattern collection, providing a reference of over 100 common challenges implemented in Go. The library focuses on specific problem-solving strategies, including sliding windows, two pointers, and dynamic programming. It provides coded examples of standard sorting, searching, and graph traversal techniques to facilitate the study of algorithmic patterns. The repository covers a broad range of capabilities, including array a

DifferentialEquations.jl este o bibliotecă numerică cuprinzătoare concepută pentru rezolvarea ecuațiilor diferențiale ordinare, stocastice, cu întârziere și algebrice. Funcționează ca o suită de solver-e de înaltă performanță care integrează machine learning științific, programare probabilistică și diferențiere automată într-un framework unificat. Prin valorificarea multiple dispatch-ului și a integrării simbolico-numerice, biblioteca oferă un mediu flexibil pentru modelare matematică complexă și simulare. Proiectul se distinge prin capacitatea sa de a face legătura între analiza numerică tradițională și tehnicile moderne de machine learning. Suportă antrenarea ecuațiilor diferențiale universale, permițând utilizatorilor să încorporeze rețele neuronale direct în simulatoare științifice pentru a învăța dinamici necunoscute, menținând în același timp constrângerile fizice. Mai mult, biblioteca oferă instrumente avansate de analiză a sensibilității și estimare a parametrilor, inclusiv metode adiacente și inferență Bayesiană, care permit calibrarea eficientă a modelelor și descoperirea automată a ecuațiilor guvernante din date. Platforma oferă capabilități extinse pentru calcul de înaltă performanță, inclusiv paralelism agnostic față de hardware care distribuie simulările pe CPU-uri, GPU-uri și clustere distribuite. Încorporează cuantificarea riguroasă a incertitudinii prin aritmetică de interval și propagare Monte Carlo, asigurând o estimare fiabilă a erorilor în experimentele numerice. În plus, sistemul dispune de rutine de optimizare sofisticate, cum ar fi detectarea rarității bazată pe grafuri și calculul produsului fără matrice, pentru a accelera performanța în sisteme la scară largă.

Acest proiect este un framework de deep learning construit pentru detectarea și urmărirea punctelor cheie ale corpului uman în imagini și fluxuri video. Acesta funcționează atât ca un sistem de urmărire a mișcării în timp real, cât și ca un mediu de machine learning pentru antrenarea și evaluarea modelelor de estimare a posturii. Sistemul utilizează o rețea neuronală convoluțională cu două ramuri pentru a prezice simultan locațiile părților corpului și conexiunile lor direcționale. Folosește rafinarea caracteristicilor în mai multe etape pentru a îmbunătăți acuratețea localizării punctelor cheie și utilizează algoritmi de parsare greedy și potrivire bipartită pentru a asocia părțile detectate în schelete individuale. Pentru a menține performanța în timpul analizei video live, framework-ul execută inferența paralelă pe regiuni ale imaginii folosind procesarea batch bazată pe tensori. Dincolo de urmărirea în timp real, biblioteca oferă instrumente pentru antrenarea modelelor pe seturi de date adnotate și calcularea preciziei medii (mAP) față de benchmark-uri standardizate pentru a verifica calitatea detecției. Repository-ul include componentele necesare pentru a gestiona întregul ciclu de viață al estimării posturii, de la antrenarea inițială a modelului până la validarea performanței.