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，使其领有一些超出现阶段前端能力的个性，这将是将来前端方向中一场重要的改革。目前各家互联网厂商都有本人的我的项目朝着这个大方向一直实际，对将来发动挑战，而阿里就是这其中之一，也给大家留下了许多令人印象粗浅的产品……
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，益处除了书写 JSX 时不再须要提前引入 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 而独自传递，不倡议在函数式组件中应用 defaultProps 等。文章介绍了相干背景和大抵的改变内容，以及降级与兼容的办法。对于此改变的动机和实现细节，能够浏览此 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改革，借助 AI 和机器学习的能力拓展前端，那在推动这个指标的过程中，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、具备令人赞叹的界面出现和交互体验的优良网站，工作繁忙之余，无妨来体验下 Web 渲染技术的弱小能力～
人工智能
AI 专家常识图谱
人工智能是什么？其中又有哪些细分模块？在这里你能够找到所有和人工智能相干的知识点，每个知识点所列举的内容还会连贯到绝对应的材料上，如维基百科等，每当人工智能畛域有新的钻研呈现时，相应的模块也会更新，心愿能给对人工智有趣味的同学一个方向，也给有肯定积攒的同学查漏补缺时提供一些帮忙。
机器学习在动态代码剖析中的利用
现今，机器学习曾经被深度利用在生活中各个领域，本文提出了一个乏味的观点：机器学习是否帮忙软件开发者开掘程序中的 Bug？答案是必定的。作者首先介绍了行业内已知的基于机器学习的动态分析器，如 DeepCode、Infer（来自 Facebook）、SapFix、Embold、CodeGuru（来自 Amazon）等等。而后，作者以实现一个应用机器学习技术寻找代码缺点的代码分析器为例，来阐明机器学习在代码剖析畛域里的艰难和局限性。通读全文，最大的收益是作者在联合机器学习技术与利用场景的剖析思路，有利于丰盛咱们在 ML 技术上的设想空间。
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 是基于图形登程的可视化引擎，采纳 The grammar Of Graphics 开发理念，以数据为驱动，反对高交互的计划。最新的 4.0 版本应用 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），开发文档不够欠缺，因而对于数据可视化小白同学门槛较高，但在拓展性、创造性领有更大劣势。目前 AntV 还有系列产品包含：G6（专一于关系数据的可视化引擎，反对交互、剖析、动画等等性能）、F2（专一于挪动端的解决方案，反对 H5）、L7（专一于天文空间数据的解决方案）。其扩大产品有 G2Plot、Graphin、ChartCube。
桑田拾遗
桑田拾遗，积跬步以至千里
机器学习 30 分钟入门指北
前端智能化是将来的大方向，想要紧跟时代疾速入门机器学习么，或者你还是感觉工作中没有适合的我的项目实际，或者感觉因为学历、业余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 分钟带你理解机器学习的基础知识，突破对于 AI 的刻板印象，同时也一起看看机器学习在凹凸实验室的一些实际和落地我的项目。
动效其实很简略
前端智能化归根结底还是心愿将工程师从“无意义的底层劳动“中解放出来，然而这并不是惟一的路线，在很多开发的畛域中都有很多计划能够大幅升高研发的老本。比方说在开动员效的过程中，咱们也经常会想，设计师曾经将整个动效的逻辑整理出来了，调试却仍旧费时费力，为什么不能间接复用设计师的动效逻辑呢？机器取参和人工取参，你更喜爱哪一种？
「蒲公英」期刊，每周更新，咱们专一于开掘「根底技术 、 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，并加以业余的解读；不仅如此，咱们还会推介精选凹凸技术文章，向大家出现团队内的钻研技术方向。
低头俯视，蒲公英的种子会生根发芽，如夏花灿烂；格物致知，咱们登高远眺、桑田拾遗，以求积硅步而至千里。
蒲公英 · JELLY 技术周刊奉献指南
欢送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。