好好学习,天天向上。
没有双11的极限压强,许多创新不可能发生。
11月11日0点刚过26秒,天猫双11的订单创建峰值就达到58.3万笔/秒,阿里云又一次扛住全球最大规模流量洪峰!58.3万笔/秒,这一数字是2009年第一次天猫双11的1457倍。数字的背后,隐藏着阿里巴巴很多不为人知的技术创新和突破,乃至世界顶尖技术。今天,阿里妹就来和大家分享阿里巴巴天猫双11背后的黑科技!
硬件算力可以说在人工智能三要素中处于发动机的角色,特别是深度学习在最近 10 年之所以获得突飞猛进的发展,很大程度得益于硬件算力在摩尔定律的驱动下获得持续的增长,如 GPU 在最近 10 年的理论算力获得了近几十倍的性能提升。所以,硬件算力也是阿里在人工智能技术领域的重中之重,并进行了重点布局和持续的技术研发投入,我们的技术核心战略是“通过建设核高基领域的研发能力,提供极致性价比的算力供给,奠定阿里云在 IaaS/PaaS 层具备产品易用性、多样性和差异化服务的能力”。 本文将分享当前阿里所有 AI/异构算力的方方面面。
飞猪猜你喜欢排序模型由线性模型升级到端到端的深度模型,并进行了多个版本的迭代。本文分享模型迭代中的一些技术沉淀。
做业务就好比打仗,团队是我们的归属。在团队中,我们既要通力协作,又要定义问题,既要业务先赢,又要技术成长。越来越多的前端将投身业务研发,要有更好的发展,业务理解力非常关键。
随着最近几年数据计算力与机器智能算法的兴起,基于大数据 AI 算法的应用愈来愈热,大数据应用在各个行业也不断涌现。测试技术作为工程技术的一部分,也随着时代的不断变化在同步演进,在当下 DT 时代,如何测试和保障一个基于大数据的应用的软件质量,成为测试界的一个难题。 本文通过系统性地介绍阿里巴巴 AI 中台的技术质量体系——搜索推荐广告应用的质量是如何测试的,来尝试回答一下这个问题,希望能给大家带来一些借鉴,欢迎斧正,以便改进。
本文分享阿里技术专家关于 Kubernetes 的一些观点和看法,并给出学习 Kubernetes 的方法建议 ,最后分享 Kubernetes 集群上的问题排查经验。
本文将介绍每个版本手册更新的亮点,文末可以下载所有版本的合集。
本文从线上实际问题和故障的排查出发,分享如何快速定位和恢复线上常见问题和故障,总结了很多实操的方法,希望对大家有用。
随着”微前端“概念的不断酝酿,越来越多的团队开始将自己的业务处理为不同的组件,编排到一个业务页面中去,因此对组件的维护将会变得越来越重要。对于大部分前端在组件开发上都会遇到的问题和痛点,本文将分享作者在组件开发上的一些思考以及应该如何维护自己的组件库。
随着 5G 开启商用、机器智能愈发成熟,在技术发展的新阶段,我们在文娱的体验上将会有怎样的提升?本文将通过十个场景来分享技术革新下智慧文娱的新玩法。
本文将从 JavaSE 开源现状、OpenJDK 版本生态到 OpenJDK 技术趋势三个方面讲述当前基础 Java 技术的现状,进一步讨论在云原生、AI、多语言生态领域支撑 Java 应用的基石——Java Virtual Machine (JVM) 技术,面向未来的演进趋势。
潜力修炼一年之久的《Java 开发手册(泰山版)》今天发布!此次共计新增 34 条规约,修改描述 90 处,其中错误码规则更是第一次提出完整的解决方案,大家参考错误码示例表,欢迎大家下载与阅读。
推荐两个提速神器。
本文分享优酷开源的 iOS 开发提效工具啄幕鸟,抓包、验埋点、视觉走查都很方便,离案也可随时定位问题,可帮助大家提高发现问题的效率。产品、测试、运营、UED 及开发人员皆宜。
15 年工龄,从一个闷头开发的电子工程师到不甘于当螺丝钉辞职创业,再到加入阿里开启新的职业生涯,阿里资深技术专家崮德在自己的职业道路上有很多深刻的领悟。本文分享崮德老师关于危机感、结构化思考、演讲力及商业化思考方面的经验心得,希望能带给大家一些启发。
上周我们分享了本文的上篇,讨论了什么是架构、架构的两种推导思路以及自底向上的架构方法。今天继续分享架构的基本约束、逻辑架构复用及分层的问题。本文较长,同学们可收藏后再看。
阿里妹导读:图片加载是 APP 最常见也最基本的功能,也是影响用户体验的因素之一。在看似简单的图片加载背后却隐藏着很多技术难题。本文介绍闲鱼技术团队在 Flutter 图片优化上所做的尝试,分享闲鱼在典型的图片处理方案上的技术细节,希望给大家带来一些启发。
日常开发中总会遇到各种各样的“坑”,如何提前规避呢?本文将分享 Java 开发中容易遇到的一些坑,并给出详细的问题解析和避坑方法。
在以云计算为主角的开发者视界中,OpenAPI 是绝对的主角。要发短信,用 OpenAPI;要管理资源,用 OpenAPI;要管理权限,用 OpenAPI。如果一个 OpenAPI 解决不了你的问题,那就再来一个。在今天,开放平台及 OpenAPI 随处可见,它是系统与系统之间集成的重要桥梁。但 OpenAPI 用起来是否真的舒服,这要打一个大大的问号。本文将介绍 OpenAPI 领域下的难题和一些解决方案。
GNN 是 AI 领域中非常热门的子领域,被研究者们给予了很高的期待。然而从深度学习过渡到 GNN,落地一个 GNN 算法却面临诸多难点,难以大范围地应用。近期,阿里巴巴开源了面向图神经网络(GNN)的框架 Graph-Learn(GL,原 AliGraph),将从研究到实际落地积累的经验分享出来,旨在降低 GNN 应用落地的成本,加速整个 GNN 生态的迭代。
天猫精灵已经走过几年的历史,在这几年中,天猫精灵变得更加智能,其中的体现之一是交互方式变得越来越自然。本文将介绍天猫精灵的全双工自然对话交互方式。
2020 年的新春集五福圆满结束,在 AR 扫福的视觉算法研发上,今年完成了 AutoML 的全面落地。借助 xNN-Cloud 平台,实现了网络结构设计的自动化,也完成了研发迭代流程的自动化。在极大节省开发人力成本的同时,模型精度在去年基础上进一步提升1.6%,Android 平台模型推理耗时减少 50%,ios 平台减少 30%,给用户带来更加极致顺滑的扫福、识福体验!整个活动期间,模型在客户端 xNN 引擎的推理次数达到数千亿级别。
电商技术进入认知智能时代,将给亿万用户带来更加智能的购物体验。经过两年的探索与实践,阿里巴巴的电商认知图谱 AliCoCo 已成体系规模,并在搜索推荐等电商核心业务场景上取得佳绩,关于 AliCoCo 的文章《AliCoCo: Alibaba E-commerce Cognitive Concept Net》也已被国际顶会 SIGMOD 接收,这是阿里巴巴首次正式揭秘领域知识图谱。 本文将通过介绍 AliCoCo 的背景、定义、底层设计、构建过程中的一些算法问题,以及在电商搜索和推荐上的广泛应用,分享 AliCoCo 从诞生到成为阿里巴巴核心电商引擎的基石这一路走来的思考。
作为国内领先的出行大数据公司,高德地图拥有众多的用户和合作厂商,这为高德带来了海量的出行数据,同时通过各个渠道,这些用户也在主动地为我们提供大量的反馈信息,这些信息是需要我们深入挖掘并作用于产品的,是高德地图不断进步和持续提升服务质量的重要手段。本文将主要介绍针对用户反馈的文本情报,如何利用机器学习的方法来提高大量用户数据的处理效率、尽可能实现自动化的解题思路。
数据结构、算法、设计模式被认为是程序员必修的三大内功,你对设计模式有什么理解?你是什么时候意识到自己需要好好学习设计模式的?本文将分享作者多年编程道路上的一些思考和心得,以及对如何提升设计能力的几点建议。
随着前端越来越复杂,微前端的概念也越来越热,那么什么是微前端?如何应用微前端来改进现有的前端架构?有没有哪些成功的案例和实践经验?本文将分享微前端的场景域在蚂蚁落地时遇到的问题,通过实施一个标准的微前端架构,提出面临的技术决策以及需要处理的技术细节,真正意义上帮助你构建一个生产可用的微前端架构系统。
面对一个完全陌生的系统,如何快速的熟悉并上手?本文将从三个方面进行总结,提供一个系统的方法,同时也可以用来 review 已有的系统,查漏补缺。
本文分享阿里资深技术专家六铢的架构方法论,这套方法论中包含了详细的架构推导逻辑,希望能够帮助大家在工作中从各个粒度、各个层次来做好架构工作。较长,同学们可先收藏再看。
相信大部分开发者对 Git 都不陌生,Git 也已成为大部分开发者日常开发必用的工具。本文分享 Git 使用上的一些基础知识,通俗易懂,非常有用。
所有人都在说 Serverless;几乎没人知道怎么落地 Serverless;但是大家都觉得其他人在大力做 Serverless;所以大家都宣称自己在做 Serverless。本文将分享阿里高级技术专家对 Serverless 行业发展现状的一些看法。
Serverless 领域近一年行业发展回顾。
2019 年无疑是 Flutter 技术如火如荼发展的一年。每一个移动开发者都在为 Flutter 带来的“快速开发、富有表现力和灵活的 UI、原生性能”的特色和理念而痴狂,从超级 App 到独立应用,从纯 Flutter 到混合栈,开发者们在不同的场景下乐此不疲的探索和应用着 Flutter 技术,也在面临着各种各样不同的挑战。
如何统一看待和区别分层架构、微服务架构、分布式架构等主流架构?什么是 SOA?我们采用 SOA 的目的是什么?什么是服务化的本质?如何设计服务以及服务化架构呢?阿里高级技术专家程彦分享他对面向服务架构的一些看法,并给出相关的步骤和方案,较长,同学们可收藏后再看。
近年来 AI 发展迅猛,从最初的萌芽到今天非常成功的应用,AI 有很多优秀的实践,同时也遇到了非常多的挑战,需要不断地通过技术革新来解决这些困局。阿里巴巴达摩院高级研究员金榕将通过本文介绍当前 AI 已取得的应用实践,解析 AI 的创新以及可探索的未来。
孤尽,阿里巴巴高级技术专家,《阿里巴巴 Java 开发手册》、《码出高效》的作者。本文将分享孤尽老师对于团队 CodeReview 的一些看法和心得。
什么是 DSL ?DSL 是一种工具,其核心价值在于提供了一种手段,可以更加清晰地就系统某部分的意图进行沟通。本文将通过实现一个状态机引擎来看清 DSL 的本质,介绍状态机的核心模型和 Fluent 接口,并解决状态机的性能问题。
自然语言本身是人类对世界各种具象和抽象事物以及他们之间的联系和变化的一套完整的符号化描述,它是简化了底层物理感知的世界模型。
模型未动,数据先行,有标注的大量数据是AI落地一直以来的重中之重。如何快速高效率的获取训练数据成了AI实战中面临的巨大困难。采用3D图形技术合成训练数据是近年来计算机视觉新兴的一个方向。通过对实物建立3D模型,然后使用照片级渲染技术渲染合成海量训练图像,这样拿到的图像具有完美的标签,而且数据生成的边际成本很低,因此获得了工业界的重点关注。本文就来讲讲来自支付宝多媒体技术部的同学们是如何将这一技术应用到视觉零售这一领域的。
2020年注定是不平凡的一年,一场突如其来的新型冠状病毒肆虐全球,部分企业还在复工的路上稳阵脚、备粮草、找契机,“静候”复工的指令,而阿里的同学早已吹响了“无接触,云办公”的号角,全面开启远程研发协同办公的模式,利用移动研发平台,在短短一周时间且足不出户的情况下就实现了一个客户端新版本的研发、测试、灰度、发布、监控、运维、运营等一系列工作。
在日常工作中,作为产品技术P(鼓)M(励)O(师),经常会收到来自团队五花八门的问题求助, 比如“业务规划不是很了解”、 “客户交付周期比较长”、“约定的里程碑达不成”,这些问题相信大家都有同感。阿里文娱项目管理专家王春丹将和大家聊一聊这些问题的解法,以及如何帮助组织协同提效。
随着互联网和电子商务的发展以及全球化的不断加速,中国产业持续升级,人工智能与机器人集群逐步被应用于制造业与物流供应链产业中。机器人集群的主要目的是与人协同合作,将人从沉重的重体力搬运任务中解放出来,专注于更精细的操作当中。由于在工业界的广泛应用与进一步智能化生产的思考,机器人集群调度成为了多智能体系统(Multi-agent System)学术研究中的一个新兴研究方向,其核心问题是如何调度机器人执行合适的任务并规划高效的路径,使得系统整体效率最优。 文末福利:七道典型算法笔试模拟题精解。
2020年面对突如其来的新冠疫情,14亿人心系家国共渡难关。阿里人更是“此时此刻,非我莫属”,用技术的力量聚沙成塔,守护着千万家。你可能在钉钉群里见过一个名字叫“防疫精灵”的小机器人,准时准点地为你播报着全国新冠肺炎的实时舆疫情数据;有求必应地为你解答关心的各类问题,例如防疫知识、线上问诊、小区附近确诊病例、发热门诊分布等等。更神奇的是,“防疫精灵”机器人最初从一个想法到上线钉钉,仅用了一个下午的时间,目前已累计至少服务了500万个钉钉用户。这看似“不可能”背后,是机器人工厂,这个强大的智能会话机器人孵化平台,以其成熟的NLP算法能力及QA问答能力,将一切变成了可能。
数据仓库是公司数据发展到一定规模后必然需要提供的一种基础服务,也是“数据智能”建设的基础环节。迅速获取数据反馈不仅有利于改善产品及用户体验,更有利于公司的科学决策,因此获取数据的实时性尤为重要。
突然而至的疫情,让线下娱乐几乎停摆。全国人民对于线上娱乐需求激增,在家追剧、在家上课、在家互动,还要时刻关注疫情动态。每时每刻,都有海量用户在优酷搜索自己想看的内容。千万级别的视频量,几十亿级别的信息量,如何能做到将信息及时有效的透出给用户?怎样保障数据准确无误的呈现呢?
今天的内容由阿里CIO学院攻“疫”技术公益培训贾扬清专场整理而来。直播中贾扬清向大家分享了人工智能的工程和产品实践,首先介绍了什么是人工智能以及人工智能的应用;然后和大家一起探讨了人工智能系统中的重要问题,如算法创新背后的算力突破、云上平台能提供的价值;最后给大家剖析了大数据和人工智能之间的关系,作为一个企业应该如何拥抱AI以及智能化年底企业布局的重点。文末含完整版PPT和直播回放地址。
踏入5G时代,物联网即将飞速发展,并构建一个全新的数字孪生世界。我国目前正在经历制造业的转型,工业物联网是物联网技术未来主要的发展方向之一。那么,物联网领域正在诞生哪些前沿技术?5G、IPV6、区块链、时空信息、数字孪生体等AIoT前沿技术有哪些应用前景? 对于以上问题,阿里云首席智联网科学家、感知与认知专家丁险峰与大家进行了分享和解答。丁险峰拥有20年的物联网与人工智能领域的经验,以下是他对工业物联网平台的理解,及相关技术的分享。
之前参加了企业智能部门如何做产品化的讨论,大家对产品化的定义和过程都有各自不同的见解。我觉得这个话题其实可以扩展下,想站在一个开发人员的视角尝试探讨一下产品化。下面以自问自答的方式来展开。
DMR提供了一个Matching和Ranking联合训练的框架,U2I相关性表征的模块可以很容易嵌到现有的CTR模型中,相当于在你原来的模型上加了一些有效的特征。我们后续的CTR模型迭代会基于DMR的框架不断加入新的改进。
阿里云智能数据库Tair团队主要负责自研分布式键值存储(KVS)系统,几乎涵盖了淘宝、天猫、阿里妈妈、菜鸟、钉钉、优酷、高德等阿里巴巴所有核心业务。十多年来,始终如一为阿里业务提供着高可靠、高性能、低成本的数据存储与访问服务。