阿里雲前端周刊 - 第 16 期
推薦
1. 神經網路入門
神經網路入門 - 阮一峰的網路日誌
眼下最熱門的技術,絕對是人工智慧,人工智慧的底層模型是"神經網路"(neural network)。許多複雜的應用(比如模式識別、自動控制)和高級模型(比如深度學習)都基於它。學習人工智慧,一定是從它開始。
2. React Redux 概念與工作流清單
uanders/react-redux-cheatsheet
本文包含了一張關於 Redux 概念與工作流的清單圖解以及較為詳細地漸進式 Redux 基礎概念介紹。本文首先概述了項目開發中使用 Redux 的意義以及 Redux 相關的技術棧,然後介紹了 Reudx 中 Store 的含義與如何與 Immutable 協同使用;接下來本文介紹了 React Redux 應用中組件的層次劃分,如何定義使用 Action、ActionCreator、Reducer 等等;
3. 走進Node.js 之 HTTP實現分析
走進Node.js 之 HTTP實現分析
Node.js 的強項是處理網路請求,那我們就來分析一個 HTTP 請求在 Node.js 中是怎麼被處理的,以及 JavaScript 在這個過程中引入的開銷到底有多大。
4. 餓了么的 PWA 升級實踐
餓了么的 PWA 升級實踐 - 黃玄的博客
PWA 作為下一代 Web 應用模型,其嘗試解決的是 web 平台本身的根本性問題:對網路與瀏覽器 UI 的硬依賴。因此,任何 web 應用都可以從中獲益,這與你是多頁還是單頁、面向桌面還是移動端、是用 React 還是 Vue 無關。或許,它還終將改變用戶對移動 web 的期待。現如今,誰還覺得桌面端的 web 只是個看文檔的地方呢?
其它
1. 即將到來的正則表達式新特性
https://developers.google.com/web/updates/2017/07/upcoming-regexp-features
ES2015 給 JavaScript 語言引入了許多新特性,其中包括正則表達式語法的一些重大改進,新增了 Unicode 編碼 (/u) 和粘滯位 (/y)兩個修飾符。而在那之後,發展也並未停止。經過與 TC39(ECMAScript 標準委員會)的其他成員的緊密合作,V8 團隊提議並共同設計了讓正則表達式更強大的幾個新特性。
2. ECharts中運用WebGL技術的實踐
ECharts中運用WebGL技術的實踐
為何要使用 WebGL,在使用 WebGL 繪製三維圖表會碰到的一些坑及解決方案,利用
GPGPU 加速關係圖布局的嘗試以及如何在現有的架構中擴展新的 WebGL 組件四部分。3. 大型應用開發中使用 Redux 的五個建議
https://techblog.appnexus.com/five-tips-for-working-with-redux-in-large-applications-89452af4fdcb
Redux 是非常優秀的應用狀態管理工具,單向數據流結構允許開發者專註於業務邏輯的開發。本文作者從自身實踐出發總結出了大型項目中 Redux 的使用建議,包括建立數據索引並且使用選擇器來訪問數據、將標準狀態獨立於可變的界面狀態與用戶編輯狀態、在界面之間合理地共享數據、提取公共地 Reducer 函數以及如何較好地連接 React 組件與 Redux 狀態樹等等;
4. 利用 WebGL 釋放 GPU 的計算潛力
Unleash Your Inner Supercomputer
隨著大數據時代的到來,計算能力日漸成為性能的關鍵瓶頸之一;而眾所周知 GPU 相較於 CPU 有著更為強大的計算能力,本系列文章即是介紹如何利用 WebGL 實現 GPGPU(General Purpose Computing on Graphics Processing Units)高性能計算。本系列文章首先討論了利用 WebGL 進行 GPGPU 計算的可行性,然後介紹了具體的實施步驟;主要步驟包括矩陣初始化、矩陣計算、結果回傳、條件控制、不穩定性處理、樣例實踐等幾個部分。
5. 通過一個場景實例 了解前端處理大數據的無限可能
通過一個場景實例 了解前端處理大數據的無限可能 - 知乎專欄
隨著前端的飛速發展,在瀏覽器端完成複雜的計算,支配並處理大量數據已經屢見不鮮。那麼,如何在最小化內存消耗的前提下,高效優雅地完成複雜場景的處理,越來越考驗開發者功力,也直接決定了程序的性能,本文展現了一個完全在控制台就能模擬體驗的實例,通過一步步優化,實現了生產並操控多個1000000(百萬級別)對象的場景。
推薦閱讀:
※如何評價彩雲小譯?
※如何打造支持千億維特徵的機器學習基礎架構平台?
※機器學習進階筆記之八 | TensorFlow與中文手寫漢字識別
※基於tensorflow的最簡單的強化學習入門-part1.5: 基於上下文老虎機問題(Contextual Bandits)