蒲公英 · JELLY技術週刊 Vol.29
前端智慧化是指藉助於 AI 和機器學習的能力擴充前端，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。目前各家網際網路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
解析 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，還做了一些效能優化和概念簡化的工作。如 key 獨立於其它 props 而單獨傳遞，不建議在函式式元件中使用 defaultProps 等。文章介紹了相關背景和大致的改動內容，以及升級與相容的方法。關於此改動的動機和實現細節，可以瀏覽此 RFC。
設計哲學
前端智慧化在阿里的那些事兒
前端智慧化方向的提出是為了給前端技術帶來變革，藉助 AI 和機器學習的能力擴充前端，那在推動這個目標的過程中，遇到哪些問題呢？阿里就前端智慧化方向給出了 2020年的年中總結及思考。
圖形程式設計
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於 CSS3、Canvas 和 WebGL 技術實現的、具有令人讚歎的介面呈現和互動體驗的優秀網站，工作忙碌之餘，不妨來體驗下 Web 渲染技術的強大能力～
人工智慧
AI 專家知識圖譜
人工智慧是什麼？其中又有哪些細分模組？在這裡你可以找到所有和人工智慧相關的知識點，每個知識點所羅列的內容還會連線到相對應的資料上，如維基百科等，每當人工智慧領域有新的研究出現時，相應的模組也會更新，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。
機器學習在靜態程式碼分析中的應用
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於機器學習的靜態分析器，如 DeepCode、Infer（來自 Facebook）、SapFix、Embold、CodeGuru（來自 Amazon）等等。然後，作者以實現一個使用機器學習技術尋找程式碼缺陷的程式碼分析器為例，來說明機器學習在程式碼分析領域裡的困難和侷限性。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，有利於豐富我們在 ML 技術上的想象空間。
工具推介
AntV：視覺化資料解決方案
AntV是螞蟻金服資料視覺化解決方案，其中最常被提及的G2是基於圖形出發的視覺化引擎，採用The grammar Of Graphics開發理念，以資料為驅動，支援高互動的方案。最新的4.0版本使用TS重寫，相較於容易上手的eCharts（底層依賴輕量級的向量圖形庫 ZRender），開發文件不夠完善，因此對於資料視覺化小白同學門檻較高，但在擴充性、創造性擁有更大優勢。目前AntV還有系列產品包括：G6（專注於關係資料的視覺化引擎，支援互動、分析、動畫等等功能）、F2（專注於移動端的解決方案，支援H5）、L7（專注於地理空間資料的解決方案）。其擴充套件產品有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
前端智慧化是未來的大方向，想要緊跟時代快速入門機器學習麼，或許你還是覺得工作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工作，那麼快來跟著馬克老師一起來看看吧，30分鐘帶你瞭解機器學習的基礎知識，打破對於 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
前端智慧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，但是這並不是唯一的道路，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過程中，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，為什麼不能直接複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，每週更新，我們專注於挖掘「基礎技術、工程化、跨端框架技術、圖形程式設計、服務端開發、桌面開發、人工智慧、設計哲學、前端框架」等多個大方向的業界熱點，並加以專業的解讀；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，以求積矽步而至千里。
歡迎關注凹凸實驗室部落格：aotu.io
或者關注凹凸實驗室公眾號（AOTULabs），不定時推送文章：
