蒲公英 · JELLY技术周刊 Vol.29: 前端智能化在阿里的那些事
蒲公英 · JELLY技术周刊 Vol.29
前端智能化是指借助于 AI 和机器学习的能力拓展前端，使其拥有一些超出现阶段前端能力的特性，这将是未来前端方向中一场重要的变革。目前各家互联网厂商都有自己的项目朝着这个大方向不断实践，对未来发起挑战，而阿里就是这其中之一，也给大家留下了许多令人印象深刻的产品……
登高远眺
天高地迥，觉宇宙之无穷
前端框架
解析 JSX 的全新机制
React 17 中引入了新的 JSX 语法转换机制，好处除了书写 JSX 时不再需要提前引入 React 对象外，还做了一些性能优化和概念简化的工作。如 key 独立于其它 props 而单独传递，不建议在函数式组件中使用 defaultProps 等。文章介绍了相关背景和大致的改动内容，以及升级与兼容的方法。关于此改动的动机和实现细节，可以浏览此 RFC。
设计哲学
前端智能化在阿里的那些事儿
前端智能化方向的提出是为了给前端技术带来变革，借助 AI 和机器学习的能力拓展前端，那在推动这个目标的过程中，遇到哪些问题呢？阿里就前端智能化方向给出了 2020年的年中总结及思考。
图形编程
一个优质的交互体验网站“雷达”
这个网站会随机跳转到一些基于 CSS3、Canvas 和 WebGL 技术实现的、具有令人赞叹的界面呈现和交互体验的优秀网站，工作忙碌之余，不妨来体验下 Web 渲染技术的强大能力～
人工智能
AI 专家知识图谱
人工智能是什么？其中又有哪些细分模块？在这里你可以找到所有和人工智能相关的知识点，每个知识点所罗列的内容还会连接到相对应的资料上，如维基百科等，每当人工智能领域有新的研究出现时，相应的模块也会更新，希望能给对人工智有兴趣的同学一个方向，也给有一定积累的同学查漏补缺时提供一些帮助。
机器学习在静态代码分析中的应用
现今，机器学习已经被深度应用在生活中各个领域，本文提出了一个有趣的观点：机器学习能否帮助软件开发者挖掘程序中的 Bug？答案是肯定的。作者首先介绍了行业内已知的基于机器学习的静态分析器，如 DeepCode、Infer（来自 Facebook）、SapFix、Embold、CodeGuru（来自 Amazon）等等。然后，作者以实现一个使用机器学习技术寻找代码缺陷的代码分析器为例，来说明机器学习在代码分析领域里的困难和局限性。通读全文，最大的收益是作者在结合机器学习技术与应用场景的分析思路，有利于丰富我们在 ML 技术上的想象空间。
工具推介
AntV：可视化数据解决方案
AntV是蚂蚁金服数据可视化解决方案，其中最常被提及的G2是基于图形出发的可视化引擎，采用The grammar Of Graphics开发理念，以数据为驱动，支持高交互的方案。最新的4.0版本使用TS重写，相较于容易上手的eCharts（底层依赖轻量级的矢量图形库 ZRender），开发文档不够完善，因此对于数据可视化小白同学门槛较高，但在拓展性、创造性拥有更大优势。目前AntV还有系列产品包括：G6（专注于关系数据的可视化引擎，支持交互、分析、动画等等功能）、F2（专注于移动端的解决方案，支持H5）、L7（专注于地理空间数据的解决方案）。其扩展产品有G2Plot、Graphin、ChartCube。
沧海拾遗
沧海拾遗，积跬步以至千里
机器学习 30 分钟入门指北
前端智能化是未来的大方向，想要紧跟时代快速入门机器学习么，或许你还是觉得工作中没有合适的项目实践，或者觉得因为学历、专业等等因素没有机会找一份机器学习的工作，那么快来跟着马克老师一起来看看吧，30分钟带你了解机器学习的基础知识，打破对于 AI 的刻板印象，同时也一同看看机器学习在凹凸实验室的一些实践和落地项目。
动效其实很简单
前端智能化归根结底还是希望将工程师从“无意义的底层劳动“中解放出来，但是这并不是唯一的道路，在很多开发的领域中都有很多方案可以大幅降低研发的成本。比方说在开发动效的过程中，我们也常常会想，设计师已经将整个动效的逻辑整理出来了，调试却依旧费时费力，为什么不能直接复用设计师的动效逻辑呢？机器取参和人工取参，你更喜欢哪一种？
「蒲公英」期刊，每周更新，我们专注于挖掘「基础技术、工程化、跨端框架技术、图形编程、服务端开发、桌面开发、人工智能、设计哲学、前端框架」等多个大方向的业界热点，并加以专业的解读；不仅如此，我们还会推介精选凹凸技术文章，向大家呈现团队内的研究技术方向。
抬头仰望，蒲公英的种子会生根发芽，如夏花绚烂；格物致知，我们登高远眺、沧海拾遗，以求积硅步而至千里。
欢迎关注凹凸实验室博客：aotu.io
或者关注凹凸实验室公众号（AOTULabs），不定时推送文章：