情人節來了！程序員應該如何優雅的度過？

情人節，對於程序員來講只是一個正常加班的週四而已，但若是你正在思索「如何過情人節」的問題，恭喜你！你已經超脫了編程語言，IDE的境界，站在程序員鄙視鏈的頂端！

那麼，程序員如何優雅的過情人節？

0.代碼情詩告白來一波


若是你還單身，別人去約會的時候，咱們能夠這麼優雅的過：

1.看看書

2019年開發者必讀！20位阿里技術大牛們幫你列了一份經典書單！
10本免費的機器學習和數據科學書籍
機器學習和數據科學領域必讀的10本免費書籍
七本書籍帶你打下機器學習和數據科學的數學基礎
2018年最佳深度學習書單

2.優酷上看看燒腦電影

3.蝦米上聽聽歌，敲代碼效率飛起來

如下歌曲爲雲棲微博開發者粉絲推薦：

1）.The Scientist
2）.牛仔很忙
3）.道家清心訣
4）.個人一個道姑朋友
5）.萬神紀
6）.嘀嗒
7）.大悲咒
8）.小半
9）.夜的鋼琴曲
10）.夢中的婚禮

4.學習編程

編程語言系列講座免費學：
1）.《Python編程基礎實戰》
2）.《Java基礎、高級特性入門》
3）.《深度學習JavaScript和React技術》
4）.《快速上手C++》

5.關注最新的開源項目

2018年底2019年伊始，阿里巴巴發佈數個開源項目：

1）.深度學習框架 X-Deep Learning

開源時間：2018年12月
項目介紹：
以深度學習爲核心的人工智能技術，過去的幾年在語音識別、計算機視覺、天然語言處理等領域得到了巨大的成功，其中以GPU爲表明的硬件計算力，以及優秀的開源深度學習框架起到了巨大的推進做用。

儘管以TensorFlow、PyTorch、MxNet等爲表明的開源框架已經取得了巨大的成功，可是當咱們把深度學習技術應用在廣告、推薦、搜索等大規模工業級場景時，發現這些框架並不能很好的知足咱們的需求。矛盾點在於開源框架大都面向圖像、語音等低維連續數據設計，而互聯網的衆多核心應用場景（如廣告/推薦/搜索）每每面對的是高維稀疏離散的異構數據，參數的規模動輒百億甚至千億。進一步的，很多產品應用須要大規模深度模型的實時訓練與更新，現有開源框架在分佈式性能、計算效率、水平擴展能力以及實時系統適配性的等方面每每難以知足工業級生產應用的需求。

X-DeepLearning正是面向這樣的場景設計與優化的工業級深度學習框架，通過阿里巴巴廣告業務的錘鍊，XDL在訓練規模和性能、水平擴展能力上都表現出色，同時內置了大量的面向廣告/推薦/搜索領域的工業級算法解決方案。

github地址：https://github.com/alibaba/x-...

更多介紹：

阿里開源首個深度學習框架 X-Deep Learning！

2）.自研科學計算引擎Mars

開源時間：2019年1月

項目介紹：

科學計算即數值計算，是指應用計算機處理科學研究和工程技術中所遇到的數學計算問題。好比圖像處理、機器學習、深度學習等不少領域都會用到科學計算。有不少語言和庫都提供了科學計算工具。這其中，Numpy以其簡潔易用的語法和強大的性能成爲佼佼者，並以此爲基礎造成了龐大的技術棧。

Numpy的核心概念多維數組是各類上層工具的基礎。多維數組也被稱爲張量，相較於二維表/矩陣，張量具備更強大的表達能力。所以，如今流行的深度學習框架也都普遍的基於張量的數據結構。

隨着機器學習/深度學習的熱潮，張量的概念已逐漸爲人所熟知，對張量進行通用計算的規模需求也與日俱增。但現實是如Numpy這樣優秀的科學計算庫仍舊停留在單機時代，沒法突破規模瓶頸。當下流行的分佈式計算引擎也並不是爲科學計算而生，上層接口不匹配致使科學計算任務很難用傳統的SQL/MapReduce編寫，執行引擎自己沒有針對科學計算優化更使得計算效率難以使人滿意。

基於以上科學計算現狀，由阿里巴巴統一大數據計算平臺MaxCompute研發團隊，歷經1年多研發，打破大數據、科學計算領域邊界，完成第一個版本並開源。 Mars，一個基於張量的統一分佈式計算框架。使用 Mars 進行科學計算，不只使得完成大規模科學計算任務從MapReduce實現上千行代碼下降到Mars數行代碼，更在性能上有大幅提高。目前，Mars 實現了 tensor 的部分，即numpy 分佈式化， 實現了 70% 常見的 numpy 接口。後續，在 Mars 0.2 的版本中， 正在將 pandas 分佈式化，即將提供徹底兼容 pandas 的接口，以構建整個生態。

Mars做爲新一代超大規模科學計算引擎，不只普惠科學計算進入分佈式時代，更讓大數據進行高效的科學計算成爲可能。

github地址：https://github.com/mars-proje...

更多介紹：

阿里重磅開源首款自研科學計算引擎Mars，揭祕超大規模科學計算
Mars——基於矩陣的統一分佈式計算框架
Mars 是什麼、能作什麼、如何作的——記 Mars 在 PyCon China 2018 上的分享
Mars 如何分佈式地執行
Mars 算法實踐——人臉識別

3）.圖深度學習框架Euler

開源時間：2019年1月

項目介紹：

這是國內首個在覈心業務大規模應用後開源的圖深度學習框架。這次開源，Euler內置了大量的算法供用戶直接使用，相關代碼已經可在GitHub上進行下載。

圖學習和深度學習都是人工智能的一個分支，做爲阿里巴巴旗下的大數據營銷平臺，阿里媽媽創新性地將圖學習與深度學習進行結合，推出了Euler，可幫助大幅度提高營銷效率。Euler已在阿里媽媽核心業務場景進行了錘鍊和驗證，同時，在金融、電信、醫療等涉及到複雜網絡分析的場景中也具備很高的應用價值。例如，用戶能夠利用Euler對基於用戶交易等金融數據構建的複雜異構圖進行學習與推理，進而應用於金融反欺詐等場景。

github地址：https://github.com/alibaba/euler

更多介紹：
Euler 問世！國內首個工業級的圖深度學習開源框架，阿里媽媽造

4）.分佈式事務解決方案 Fescar

開源時間：2019年1月

項目介紹：
阿里是國內最先一批進行應用分佈式（微服務化）改造的企業，因此很早就遇到微服務架構下的分佈式事務問題。

2014 年，阿里中間件團隊發佈 TXC（Taobao Transaction Constructor），爲集團內應用提供分佈式事務服務。

2016 年，TXC 通過產品化改造，以 GTS（Global Transaction Service）的身份登錄阿里雲，成爲當時業界惟一一款雲上分佈式事務產品，在阿雲裏的公有云、專有云解決方案中，開始服務於衆多外部客戶。

2019 年起，基於 TXC 和 GTS 的技術積累，阿里中間件團隊發起了開源項目 Fescar（Fast & EaSy Commit And Rollback, FESCAR），和社區一塊兒建設這個分佈式事務解決方案。

TXC/GTS/Fescar 一脈相承，爲解決微服務架構下的分佈式事務問題交出了一份不同凡響的答卷。

github地址： https://github.com/alibaba/fe...

更多介紹：
阿里開源分佈式事務解決方案 Fescar 全解析

5）.實時計算平臺Blink

開源時間：2019年1月
項目介紹：
Blink是一項典型的「傳火於薪」開源技術，傳承自Flink開源框架，後者最先適用於小流量互聯網場景的數據處理。

因爲看好實時計算，阿里率先對Flink進行改造，並將Flink的計算能力推向巔峯，推出內部版Blink，將計算延遲下降到人類沒法感知的毫秒級：瀏覽網頁的時候，你只是眨了一下眼睛，但在淘寶、天貓處理的信息已經刷新了17億次。

實時計算到底有多重要？2004年，谷歌開啓了離線計算時代，能夠針對海量數據進行定時計算，但隨着電商、金融等行業的發展對大數據計算提出了新的需求，在金融交易場景裏，風控系統若是不能實時觀察每個帳戶的行爲動態，就可能由於1秒的延遲遺漏風險，沒法阻斷危險交易，形成消費者損失。但實時計算突破了這一技術瓶頸。

如今，阿里巴巴集團的所有核心業務已經用上Blink。除了技術大考雙11以外，ET城市大腦實時計算着杭州1300個信號燈路口、4500路視頻，保障着交通動脈的通暢；淘寶、天貓天天爲數億用戶展示實時的「專屬」頁面。

將來，這項技術還會被應用到社會的各個場景：工廠設備的物聯網設備能實時分析數據、提升生產良品率；物流派送平臺能第一時間下單，把商品及時送到消費者手中；導航軟件時刻緊隨出行軌跡，再也不錯過轉彎口……

github地址：https://github.com/apache/fli...

更多介紹：
阿里雲重磅開源實時計算平臺Blink，挑戰計算領域的「珠峯」

祝你們初十情人節快樂！

本文做者：山哥在這裏

閱讀原文

本文爲雲棲社區原創內容，未經容許不得轉載。