蒲公英 · JELLY技術周刊 Vol.29
前端智能化是指借助于 AI 和機器學習的能力拓展前端，使其擁有一些超出現階段前端能力的特性，這將是未來前端方向中一場重要的變革，目前各家互聯網廠商都有自己的專案朝著這個大方向不斷實踐，對未來發起挑戰，而阿里就是這其中之一，也給大家留下了許多令人印象深刻的產品……
登高遠眺
天高地迥，覺宇宙之無窮
前端框架
決議 JSX 的全新機制
React 17 中引入了新的 JSX 語法轉換機制，好處除了書寫 JSX 時不再需要提前引入 React 物件外，還做了一些性能優化和概念簡化的作業，如 key 獨立于其它 props 而單獨傳遞，不建議在函式式組件中使用 defaultProps 等，文章介紹了相關背景和大致的改動內容，以及升級與兼容的方法，關于此改動的動機和實作細節，可以瀏覽此 RFC，
設計哲學
前端智能化在阿里的那些事兒
前端智能化方向的提出是為了給前端技術帶來變革，借助 AI 和機器學習的能力拓展前端，那在推動這個目標的程序中，遇到哪些問題呢？阿里就前端智能化方向給出了 2020年的年中總結及思考，
圖形編程
一個優質的互動體驗網站“雷達”
這個網站會隨機跳轉到一些基于 CSS3、Canvas 和 WebGL 技術實作的、具有令人贊嘆的界面呈現和互動體驗的優秀網站，作業忙碌之余，不妨來體驗下 Web 渲染技術的強大能力～
人工智能
AI 專家知識圖譜
人工智能是什么？其中又有哪些細分模塊？在這里你可以找到所有和人工智能相關的知識點，每個知識點所羅列的內容還會連接到相對應的資料上，如維基百科等，每當人工智能領域有新的研究出現時，相應的模塊也會更新，希望能給對人工智有興趣的同學一個方向，也給有一定積累的同學查漏補缺時提供一些幫助，
機器學習在靜態代碼分析中的應用
現今，機器學習已經被深度應用在生活中各個領域，本文提出了一個有趣的觀點：機器學習能否幫助軟體開發者挖掘程式中的 Bug？答案是肯定的，作者首先介紹了行業內已知的基于機器學習的靜態分析器，如 DeepCode、Infer（來自 Facebook）、SapFix、Embold、CodeGuru（來自 Amazon）等等，然后，作者以實作一個使用機器學習技術尋找代碼缺陷的代碼分析器為例，來說明機器學習在代碼分析領域里的困難和局限性，通讀全文，最大的收益是作者在結合機器學習技術與應用場景的分析思路，有利于豐富我們在 ML 技術上的想象空間，
工具推介
AntV：可視化資料解決方案
AntV是螞蟻金服資料可視化解決方案，其中最常被提及的G2是基于圖形出發的可視化引擎，采用The grammar Of Graphics開發理念，以資料為驅動，支持高互動的方案，最新的4.0版本使用TS重寫，相較于容易上手的eCharts（底層依賴輕量級的矢量圖形庫 ZRender），開發檔案不夠完善，因此對于資料可視化小白同學門檻較高，但在拓展性、創造性擁有更大優勢，目前AntV還有系列產品包括：G6（專注于關系資料的可視化引擎，支持互動、分析、影片等等功能）、F2（專注于移動端的解決方案，支持H5）、L7（專注于地理空間資料的解決方案），其擴展產品有G2Plot、Graphin、ChartCube，
滄海拾遺
滄海拾遺，積跬步以至千里
機器學習 30 分鐘入門指北
前端智能化是未來的大方向，想要緊跟時代快速入門機器學習么，或許你還是覺得作業中沒有合適的專案實踐，或者覺得因為學歷、專業等等因素沒有機會找一份機器學習的作業，那么快來跟著馬克老師一起來看看吧，30分鐘帶你了解機器學習的基礎知識，打破對于 AI 的刻板印象，同時也一同看看機器學習在凹凸實驗室的一些實踐和落地專案，
動效其實很簡單
前端智能化歸根結底還是希望將工程師從“無意義的底層勞動“中解放出來，但是這并不是唯一的道路，在很多開發的領域中都有很多方案可以大幅降低研發的成本，比方說在開發動效的程序中，我們也常常會想，設計師已經將整個動效的邏輯整理出來了，除錯卻依舊費時費力，為什么不能直接復用設計師的動效邏輯呢？機器取參和人工取參，你更喜歡哪一種？
「蒲公英」期刊，每周更新，我們專注于挖掘「基礎技術、工程化、跨端框架技術、圖形編程、服務端開發、桌面開發、人工智能、設計哲學、前端框架」等多個大方向的業界熱點，并加以專業的解讀；不僅如此，我們還會推介精選凹凸技術文章，向大家呈現團隊內的研究技術方向，
抬頭仰望，蒲公英的種子會生根發芽，如夏花絢爛；格物致知，我們登高遠眺、滄海拾遺，以求積硅步而至千里，
蒲公英 · JELLY技術周刊貢獻指南
歡迎關注凹凸實驗室博客：aotu.io
或者關注凹凸實驗室公眾號（AOTULabs），不定時推送文章：
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/210531.html
標籤：其他
上一篇：微前端是什么，可以帶來什么收益