teach-rs

teach-rs

模块化Rust编程课程资源

Teach-rs是一个模块化的Rust编程课程资源,面向计算机科学学生和教育机构。课程提供讲座、教程和练习,涵盖系统编程、嵌入式开发和Web应用等领域。通过实践经验,学生可深入了解Rust特性并评估其适用性。该项目支持教师贡献教材,由Trifecta Tech Foundation维护。

Teach-rsRust编程语言课程内容开源教育模块化结构Github开源项目

Teach-rs

Teach-rs

Teach-rs 是一门面向计算机科学学生的大学课程,介绍 Rust 编程语言,任何想教授 Rust 的人都可以使用。

为什么要有这门课程?请查看我们介绍该课程的博客文章

本仓库将包含组织课程所需的一切:幻灯片、练习、工具、设置说明等。

虽然所有可用材料都已准备就绪,但这个仓库还不够全面,我们欢迎反馈和贡献!同时也欢迎赞助;更多信息请参阅下文或我们的赞助页面

使用方法

教师指南可以在这里找到。 有关如何渲染课程内容的说明,请查看 ModMod 自述文件

结构

实际内容可以在 content 目录中找到。 内容结构是由课程、模块、单元和主题组成的树状结构。 课程定义了一个完整的课程,由一个或多个模块组成,模块又由一个或多个单元组成,单元又是一组主题。 单元大致对应一次讲座+教程(至少这是想法,但仍待完善),由几个主题组成。相关的单元组合成一个模块。 主题是涵盖单一主题的包,包括少量幻灯片、一些练习和练习说明。 主题可以定义其学习目标、进一步阅读材料以及如何在单元介绍中总结它们。

课程、模块、单元和主题以及它们引用的文件在 content 目录中的几个 TOML 文件中有描述。 ModMod 将内容组合成一个可以直接发布给学生的 Git 仓库结构。

预定义课程

注意:虽然课程大纲基本完整,但课程可能仍包含待办事项。欢迎您贡献自己的内容来解决这些问题!

高层次目标

Teach-rs 旨在提供一个开源课程,包括讲座、教程和练习,可供任何高等教育机构使用。 使用预定义的课程之一,或者用我们提供的内容和您自己的内容组合成您的课程。

  1. 为现场教学的 Rust 课程提供模块化、可重用的基础
  2. 为学生提供实际的、动手的经验
  3. 为学生提供 Rust 特性的背景信息
  4. 使学生能够判断 Rust 是否适合某个项目
  5. 提供几个专门的学习课程,专注于不同的应用(如系统、嵌入式、Web)
  6. 使教师能够贡献他们的材料供他人使用

贡献

如果您想改进 teach-rs,无论是进行修改、重构模块,还是添加新模块,请在开始之前参考贡献指南

关于项目

该项目由 Tweede golf 创建,后来转移到了 Trifecta Tech Foundation

我们的赞助商

创始赞助商

<img style="margin: 1rem 5% 1rem 5%;" src="https://yellow-cdn.veclightyear.com/2b54e442/2ccf2e98-a47e-4caa-a48c-9fe74337a171.png" alt="Logo STU FIIT" width="200px" /> <img style="margin: 1rem 5% 1rem 5%;" src="https://yellow-cdn.veclightyear.com/2b54e442/2f309ffe-04d4-44a7-a69e-f25d8af0e2bb.png" alt="Logo TG" width="200px" /> <img style="margin: 1rem 5% 1rem 5%;" src="https://yellow-cdn.veclightyear.com/2b54e442/b01bb7ba-5032-4e96-8593-4c3bcff343ae.png" alt="Logo Rust Edu" width="200px" /> <img style="margin: 1rem 5% 1rem 5%;" src="https://yellow-cdn.veclightyear.com/2b54e442/69ee0108-9049-42de-9fb6-a79df3fa7bc1.png" alt="Logo RF" width="200px" />

该项目的初始赞助商是斯洛伐克布拉迪斯拉发斯洛伐克理工大学(STU)信息与信息技术学院(FIIT)。FIIT 的贡献使我们能够为课程奠定基础。Tweede golfRust Edu 也为 teach-rs 的创建做出了重大贡献。

此外,我们的一位维护者 @hdoordt 获得了 Rust Foundation 的资助。

银牌赞助商

非常感谢我们的银牌赞助商:

支持 teach-rs

如果您有兴趣在财务上支持 teach-rs 资源的维护和进一步开发,请联系我们。详情请见 trifectatech.org/support。 您也可以通过 GitHub sponsors 赞助我们的工作。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多