推荐！github上四个与100有关的优质项目
（一）项目：Python - 100天从新手到大师
star：4.2万
内容：
Python是一个“优雅”、“明确”、“简单”的编程语言。
- 学习曲线低，非专业人士也能上手
- 开源系统，拥有强大的生态圈
- 解释型语言，完美的平台可移植性
- 支持面向对象和函数式编程
- 能够通过调用C/C++代码扩展功能
- 代码规范程度高，可读性强
目前几个比较流行的领域，Python都有用武之地。
- 云基础设施 - Python / Java / Go
- DevOps - Python / Shell / Ruby / Go
- 网络爬虫 - Python / PHP / C++
- 数据分析挖掘 - Python / R / Scala / Matlab
- 机器学习 - Python / R / Java / Lisp
作为一名Python开发者，主要的就业领域包括：
- Python服务器后台开发 / 游戏服务器开发 / 数据接口开发工程师
- Python自动化运维工程师
- Python数据分析 / 数据可视化 / 大数据工程师
- Python爬虫工程师
- Python聊天机器人开发 / 图像识别和视觉算法 / 深度学习工程师
该项目中，包含了大量的内容，从他的目录可以看出来，包含
（1）python语法基础
（2）python进阶，常用的数据结构和高级用法
（3）web前端入门
（4）linux操作
（5）数据库基础和进阶
（6）实战Django
（7）实战Flask
（8）实战Tornado
（9）爬虫开发
（10）数据处理和机器学习
（二）项目：100天学算法（python）
star：6300
内容：项目的作者给自己设定了一个挑战，一天一天地执行算法，直到数字达到100。他对这个项目的调侃：挑战也很有趣，也很粗糙。不要期望实现是最好的、最快的、最好的、没有错误的。一定要看到快速编写的代码。一种代码，它包含的热情和对算法的热爱与它包含的bug相同。
确实他做到了，坚持了一百天，所以牛人总是目标明确而又能够坚持不懈
举个例子：binary search，找出目标数字的位置，没找到返回0
（三）项目：图像处理 100 问（python、C++）
star：1000+
内容：作者为图像处理初学者设计的 100 个问题。学习基本的图像处理知识，理解图像处理算法。这里与平时的调用opencv的API不同，而是从底层算法方法去实现功能（使用的语言包括python和c++），可以说对于我们理解图像处理算法非常的有帮助。
import cv2
import numpy as np
# Read image
img = cv2.imread("imori.jpg")
# Max Pooling
out = img.copy()
H, W, C = img.shape
G = 8
Nh = int(H / G)
Nw = int(W / G)
for y in range(Nh):
for x in range(Nw):
for c in range(C):
out[G*y:G*(y+1), G*x:G*(x+1), c] = np.max(out[G*y:G*(y+1), G*x:G*(x+1), c])
# Save result
cv2.imwrite("out.jpg", out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()
复制代码（四）项目：图像处理 100 问（python、C++）
star：2.3万
内容：Avik Jain这位老铁计划在100天学完机器学习，风格非常的简短优美，非常适合入门练手。（提供数据）
例子：
转载于:https://juejin.im/post/5d0a06b66fb9a07ee85c2e6c