不论你是职场新人还是35岁的职场“老人”，成长是每个职场人都绕不开的话题，同时也是贯穿每个人职业生涯的痛点。本文主要帮助读者建立起对个人成长的认知，然后在此认知的基础上让大家理解成长的本质，最终通过文章的引导，来帮助读者完成个人成长路线图的确定以及落地实践。
大规模信息检索一直是搜推广领域的核心问题之一，而基于任意复杂模型的检索方案无疑是业界重要的迭代方向之一。近年来，阿里妈妈展示广告Match团队与预测引擎团队专注于从算法与工程角度推动工业级大规模检索技术的研发，我们在基于任意复杂模型的检索方向上积累了一定经验并取得了不错的业务效果，现整理发布NANN（Neural Approximate Nearest Neighbor，以下简称NANN）并对外开源，希望通过社区的协同创造力，共同推进该领域的发展。 本文介绍的NANN源自阿里妈妈展示广告Match团队研发的二向箔算法体系，该方案在保留复杂模型召回能力的同时，将索引学习和模型训练解耦，提供了轻量化的任意复杂模型召回解决方案。NANN基于Tensorflow，提供了性能benchmarking工具以及完整的由模型训练至在线deployment的demo。 该方案由阿里妈妈技术团队自研，已在阿里巴巴集团内部其他业务进行推广上线，在典型的搜索、推荐、广告场景均取得了显著的业务收益。
在本次会议中，Change Array By Copy 提案、 Intl.NumberFormat V3 提案、Symbol as WeakMap Keys 提案成功进入到 Stage 4，分别耗时 22 个、 34 个、以及 32 个月。另外，由阿里巴巴提出的 Async Context 提案也在本次会议中成功进入到 Stage 1。
本文将分享来自淘宝人生团队齐力打造的新玩法——“人生小屋”背后的技术方案，详细介绍如何使用3D渲染引擎从0到1搭建虚拟场景、控制虚拟角色、实现人景交互、优化渲染效果等。笔者在其中主要负责了小屋3D室内场景的搭建部分。非常欢迎大家给我们提出建议，探讨交流。
为了能够更灵活的挖掘日志数据背后的价值，SLS提出了一种不需要事先建立索引就能对数据进行分析的模式。本文对SLS Schema-on-Read分析的提出背景、设计思路、实现过程、使用方式、适用场景进行了全面的介绍。
本文作者是蚂蚁集团前端工程师梧阙，介绍了代码质量标准和设计原则，并从编码和设计的角度列举了一些常见的坏味道的代码，最后对坏味道的代码进行了重构，欢迎一起来探讨～
前端资源化在某种程度上表达了前端人在业务中的主动性差、参与感弱、存在感不足、价值体现不够，合作起来往往被需求方牵着鼻子走等等现状，是前端人对自身在业务中的真实角色定位和影响力问题的综合反映。 对于大部分程序员群体来说，处理因资源化带来的情绪管理危机是要比处理技术问题更加困难的，所以这也是迫切需要认识并解决资源化的重要原因。 但每个人参与业务的角度和背景不同，对前端资源化也会有不同的看法，也的确不好一概而谈。但也有些经验丰富的同学已经给过总结，我们可以参考一下他们的观点，梳理出来大概就是这样的： 在绝大多数业务目标中，PD是产品系统能力的主导者，后端是从底层到上层产品系统能力的实现者，而前端负责的是与用户交互的更上层，作为前端当然要懂产品，但因为岗位分工的侧重点不同，对整体系统的了解程度不如后端和PD也是正常的。 因此前端起的多数是横向的资源作用，能在资源上不拖累项目进展就是绝大部分业务方对前端的要求，偏资源化是共性问题，需要正视前端作为资源的事实。 那么，难道前端就只能是资源了？
忙忙碌碌一天下来工作效率大大折扣，时间都不知道花到哪里了。相信很多人都存在这个困惑，做一件事时想到另外一件事或者被其他事情打乱节奏，如果你也存在这种情况建议精读这篇文章，一定会对你有所帮助。
笔者近期在尝试解决低资源场景下的文本分类任务时，发现使用一些在ModelScope社区上开源的零样本分类模型就可以极大提高分类准确率。因此对零样本文本分类模型进行了梳理，希望对大家有所帮助。
