手机随时阅读
新人专享大礼包￥24
51CTO博客开发
“细节决定成败”，但是在产品的不同阶段，决定成败的细节是不一样的。如果我们在某个阶段纠结不该在该阶段处理的细节，就会造成资源的浪费，也会造成产品节奏出现问题。 本文选自《爆款是怎样炼成的：产品经理晋级宝典》。
游戏是人类的天性，孩子们无不痴迷于游戏。即使成年人，也常常经不住游戏的诱惑，毕竟，玩总是快乐的。把教育作为游戏来看待，揭示了游戏在教育中的重要意义。但是，必须明确游戏不完全等同于教育，也不只是娱乐。如何把游戏和教育结合起来，Minecraft做了一个很好的范例。
5月12日起，全球范围内爆发了一种基于Windows网络共享协议进行攻击传播的蠕虫恶意代码。从另外一个角度来讲，这件事情未必是个坏事。至少给全世界的用户再次敲响警钟，互联网等信息技术的快速发展，在给人们带来巨大福祉的同时，也带来了前所未有的网络安全挑战。
近年来阿里不断运用深度学习、强化学习等人工智能领域的相关知识优化自身电商平台的搜索引擎和推荐系统，让其从冷冰冰的系统不断成长为越来越懂用户的智能购物助手。 日前，《尽在双11》人工智能部分执笔人&阿里技术专家 乐田 与 仁重 就 “人工智能／机器学习技术在电商场景下的应用” 问题在OSCHINA与大家开展了问答活动。
看到标题，你是否有些困惑？在Excel上具备数据获取的能力是指什么？难道不是把csv格式的表格和Excel格式的表格打开就好了吗？然而并非这样。 本文选自《数据化运营速成手册》。
在项目执行过程中，产品经理与后续的合作团队，包括设计、开发、测试等相关人员最尖锐突出的矛盾，就是需求变更，这是产品经理最经常被诟病的地方。频繁的需求变更，对产品、项目进度和团队积极性都有非常大的危害。产品经理一定要不遗余力避免需求变更的情况。 本文选自《爆款是怎样炼成的：产品经理晋级宝典》。
曾几何时，无数大大小小的触屏设备仿佛泄闸的洪水一般涌入这个世界。面对突如其来的生态变迁，界面设计师们别无选择，只有在急流当中奋力学习游泳，才能让自己不至于被洪潮所吞没。本文带你了解如何面向平板手机的拇指热键与界面布局，为这种转变提供助力。 本文选自《触类旁通：多终端时代的触屏界面设计》。
通过前面的推送我们已经对SLAM有了个大体的认识。（初识视觉SLAM）下面来看经典的视觉SLAM框架，了解一下视觉SLAM究竟由哪几个模块组成。 本文选自《视觉SLAM十四讲：从理论到实践》。
个性化推荐技术直面用户，可以说是站在最前线的那个。如今，从用户打开手机淘宝客户端（简称“手淘”）或是手机天猫客户端（简称“猫客”）的那一刻起，个性化推荐技术就已经启动，为你我带来一场个性化的购物之旅。本文将细数个性化推荐的一路风雨，讲讲个性化推荐技术的演进史。 本文选自[《尽在双11——阿里巴巴技术演进与超越》。
对于前端开发者来说，在大型Web应用开发中，很多时候并不需要完全重新设计整个应用后台的架构，更多的情况下需要结合Node的能力帮助我们解决前后端分离开发模式下无法解决的问题。本文带我们学习通常前后端分离的开发模式下有哪些问题，利用Node端的服务又是如何帮助我们解决这些问题的。 本文选自《现代前端技术解析》。
网络爬虫让我们高效地从网页获取到信息，但网页的重复率很高，网页需要按内容做文档排重，而判断文档的内容重复有很多种方法，语义指纹是其中比较高效的方法。本文选自《网络爬虫全解析——技术、原理与实践》。
视觉SLAM 是指用相机解决定位和建图问题。本文以一个小机器人为例形象地介绍了视觉SLAM的功能及特点。 本文选自《视觉SLAM十四讲：从理论到实践》。
《尽在双11》人工智能部分执笔人&阿里技术专家 乐田 与 仁重 就 “人工智能／机器学习技术在电商场景下的应用” 问题在OSCHINA与大家开展了问答活动。
回顾SDN的发展历史，可以发现：SDN作为一种新的网络体系结构，对网络学术圈和工业界都产生了深远的影响。SDN并不是昙花一现的网络技术新概念，而是一场网络领域的技术变革。 我们将如何应对这场变革：SDN初学者如何入门和进阶？网工如何在熟悉领域纵深发展？产品经理如何在SDN架构下设计下一代网络产品？创业者如何寻找下一个SDN杀手级应用？投资者如何找到SDN领域的独角兽？这些问题依然值得讨论。 本文相关图书《重构网络：SDN架构与实现》。
人类的未来就是失控，就是人与机器共生、共存。机器越来越人性化， 人越来越机器化。《失控》这本书，主要就体现了这一思想。 本文选自《全栈数据之门》一书。
Vue只是为我们提供了一个很优秀的前端组件式开发框架，但单纯依靠Vue是做不出一个漂亮的网页应用的，甚至连“不难看”这个标准都达不到。这个时候借助界面框架UIkit能够很好地解决这一问题。 本文出自《Vue2实践揭秘》一书。
从整个软件的性能来说，资源类性能就像是撑起冰山一角的下面的冰层。构成这部分的，是传统部分的磁盘、CPU、内存和网络以及因为移动网络而显得特别重要的电池（耗电）。本文我们将向您着重介绍磁盘部分。 本文选自《Android移动性能实战》。
在多台机器上分布数据以及处理数据是Spark的核心能力，即我们所说的大规模的数据集处理。为了充分利用Spark特性，应该考虑一些调优技术。本文每一小节都是关于调优技术的，并给出了如何实现调优的必要步骤。 本文选自《Spark GraphX实战》。
相比传统网络数据平面，通用可编程数据平面让网络用户可以自定义数据包的完整处理流程，实现理想的协议无关网络数据处理。作为一种理想的SDN数据平面，通用可编程数据平面还不够完善，还需要在不断的尝试中摸索前进。 本文选自《重构网络：SDN架构与实现》。
SDN为什么会出现？是什么原因使得学术界提出SDN？我们为什么需要SDN？如果你刚接触SDN方案时，你一定有这样的疑问。而问题的答案是：我们需要拥有更多可编程能力的网络，来支持快速增长的网络业务需求。本文选自《重构网络：SDN架构与实现》。
一个复杂问题进行拆分，最后会形成一个数量巨大的细分问题群。如果没有严格的按照“逐层不漏不重”原则进行，细分出的问题将很难形成合力来完整有效地支撑解决原问题。本文以策划一个会议为例，来了解结构化思维的应用。 本文选自《数源思维：业务导向的数据思维秘籍》。
深入理解机器学习并完全看懂sklearn文档，需要较深厚的理论基础。但是，要将sklearn应用于实际的项目中，只需要对机器学习理论有一个基本的掌握，就可以直接调用其API来完成各种机器学习问题。 本文选自《全栈数据之门》，将向你介绍通过三个步骤来解决具体的机器学习问题。
和 Hadoop 一样，Spark 提供了一个 Map/Reduce API（分布式计算）和分布式存储。二者主要的不同点是，Spark 在集群的内存中保存数据，而 Hadoop 在集群的磁盘中存储数据。 本文选自《SparkGraphX实战》。
Python标准库内容非常多，有人专门为此写过一本书。本文将选择几个呈现出来，一来显示标准库之强大功能，二来演示如何理解和使用标准库。sys是常用的标准库，已经不陌生了；copy也是已经用过的标准库。先从熟悉的入手，容易理解，这也是“杀熟”。本文选自《跟老齐学Python：轻松入门》。
Spark由AMPLab实验室开发，其本质是基于内存的快速迭代框架，“迭代”是机器学习最大的特点，因此非常适合做机器学习。得益于在数据科学中强大的表现，Python语言的粉丝遍布天下，如今又遇上强大的分布式内存计算框架Spark，两个领域的强者走到一起，自然能碰出更加强大的火花（Spark可以翻译为火花），因此本文主要讲述了PySpark。 本文选自《全栈数据之门》。
Python的强大体现在“模块自信”上，因为Python不仅有很强大的自有模块（标准库），还有海量的第三方模块（或者包、库），并且很多开发者还在不断贡献在自己开发的新模块（或者包、库）。本文将向大家概述介绍Python的自有模块——标准库。 本文选自《跟老齐学Python：轻松入门》。
G1垃圾收集器采用一个略微不同的手段来解决并行、串行以及CMS GC的众多缺陷。对于大的Java堆来说，通过将Java堆拆分成一个个分区，G1会比其他垃圾收集器有更好的综合表现。 本文选自《Java性能调优指南》。
数据工作就组成结构和流程来说还是比较简单的，因为这个工作本来就很年轻，分工还没有很细。总体来讲，我把数据工作看成相互连接的三部分：取数、理数、用数，这是一个闭环。用数的需求会驱动取数工作，并对取数工作提出具体操作性要求。 《数源思维》一书正是以此本质为核心内容，提出了一套简便实用的方法来实现对数据工作价值的把控。
Copyright © 2005-2022 51CTO.COM 版权所有 京ICP证060544号
