فهرستهای حرفه ای گیت هاب در حوزه های مختلف آی تی

سایت گیت هاب، جای پای خود را در اکثر پروژه های متن باز دنیا باز کرده است و به عنوان یک مخزن آزاد، پذیرای کدهای مختلف برنامه های متن باز و تجاری از سراسر دنیاست . هدف اصلی این سایت ، مشابه سایت بیت باکت یا گیت لب ، مدیریت نسخه های مختلف فایلهای یک پروژه و هماهنگی بین اعضای تیم است اما گاهی اوقات می توان از این امکانات، به گونه ای دیگر هم استفاده کرد.
فرض کنید شما در حوزه برنامه نویسی موبایل کار می کنید و هنگام مرور وب ، گاهی با کتابخانه ها یا سایتها و ابزارهای مفیدی بر می خورید که همه مربوط به حوزه برنامه نویسی موبایل هستند. مطمئناً هر کدام از شما روشی برای ذخیره و نگهداشت این آدرسهای مفید دارید مانند بوکمارک کردن در مرورگر و یا استفاده از افزونه های مفیدی مانند Pocket . اما در هر کدام از این حالتها، این شما هستید که به لیست دسترسی دارید و اشتراک آن و قابلیت تغییر آن به راحتی امکان پذیر نخواهد بود .
مدتیست که لیستهایی در گیت هاب به وجود آمده است که از یک یا چند فایل متنی تشکیل شده است و هر یک، فهرست کاملی از کتابخانه ها، آموزش ها ،ابزار و هر منبعیست که به یک موضوع خاص مربوط میشود. مثلاً فهرستی از منابع مفید برای پایتون، اسکالا، یادگیری ماشین، اندروید و خلاصه هر چیزی که توی دنیای امروز آی تی می توانید مشاهده کنید . فرض کنید نیاز دارید ببینید در حوزه کلان داده ، چه سیستم فایل هایی وجود دارد کافیست فهرست مربوط به کلان داده را باز کنید و بخش سیستم فایل آنرا مشاهده کنید تا ۱۴ فایل سیستم توزیع شده برای کلان داده را یکجا بتوانید مرور کنید.
خوبی این لیست ها این است که هر شخص می تواند آن را Fork (از قابلیت های گیت که باعث می شود یک کپی محلی از آن برای شخص ایجاد شود) کرده و به دلخواه خود تغییراتی را در آن بدهد و برای خود ذخیره کند . اگر هم نیاز بود که بقیه هم از این تغییرات مطلع شوند می تواند با یک درخواست Pull Request از صاحب اصلی لیست بخواهد که تغییرات او را روی مخزن اصلی قرار دهد.
این قابلیت اشتراک و ویرایش لیست باعث بوجود آمدن لیستهای بسیار کاملی در هر حوزه شده است که به نام Awesome Lists معروفند و حتی لیستهایی ایجاد شده اند که فهرستی از لیستهای اصلی هستند یعنی برای یافتن یک فهرست حرفه ای در هر حوزه می توانید از این لیست ها استفاده کنید .
در زیر تعدادی از این فهرستهای مفید که روزانه به روز می شوند و به عنوان یک مرجع در هر حوزه می توانند عمل کنند ، بیان شده است :

1. فهرستی از فهرستها (دایرکتوری فهرست های حرفه ای )
2. منابع حوزه کلان داده
3. منابع زبان آماری R
4. منابع حوزه تحلیل داده
5. منابع مهندسی داده
6. فهرستی دیگر از منابع مهندسی داده
7. منابع یادگیری ماشین
8. منابع هدوپ
9. منابع داکر
10. کتابهای رایگان کلان داده / مهندسی داده
11. اکو سیستم کلان داده ، یک فهرست کامل از بانکهای اطلاعاتی کلاسیک و نوین  و منابع مورد نیاز شامل مقالات اصلی حوزه کلان داده
12. لیستی از منابع و افراد و پروژه های مربوط به حوزه های مهندسی داده در سایت معروف گیت هاب
13. فهرستی از منابع و آموزش های یادگیری ماشین شامل یادگیری عمیق و تمام الگوریتم های اصلی این حوزه