BT

在领域逻辑中使用If语句的潜在危险

作者 Jan Stenberg ,译者 Alina   发布于  2017年2月20日 2

大多数编程语言中if语句主要有两个作用:验证输入以保护域免受错误数据的影响,以及处理域内业务逻辑。但是,Udi Dahan最近在阿姆斯特丹DDD欧洲会议上的发言中指出,我们一般很少从业务或领域角度管理使用if语句处理逻辑的风险。

麻省理工学院扩展LLVM IR使并行程序可得到更好的优化

作者 Sergio De Simone ,译者 冬雨   发布于  2017年2月20日

麻省理工学院的研究人员过去一直致力于LLVM的fork的研究,以探索优化并行代码的新方式,该方式通过将 fork-join parallelism直接嵌入编译器的中间表示(IR)中进行优化。这些研究人员认为,这使针对并行程序最大程度地利用IR层进行串行优化成为可能。

NIST指南要求使用生物识别时需要第二个认证因素

作者 Thomas Betts ,译者 汪欣   发布于  2017年2月20日

NIST发布了新的数字身份指南的公开草案,被称为"过去修订版的重大更新"。该指南描述了可接受的多重认证(MFA)的用法。此外,当使用生物识别数据作为一个认证因素时,它必须与你拥有的东西一起使用,而不是你知道的东西,比如密码。

Java 9的日期时间格式化趋近Unicode区域设置标准

作者 Abraham Marín Pérez ,译者 Rays   发布于  2017年2月20日

一系列在解析和格式化上的改进已集成到Java 9中,这些改进让相关功能更趋近于Unicode区域设置数据标记语言(LDML,Locale Data Markup Language)。遵循Unicode标准将为Java 9提供与其他非Java系统间更好的互操作性。

Android开发周报:模块化架构思考、高仿微信开源项目实践

作者 郭亮 发布于  2017年2月17日

近日Google发布了Android Things开发者第二预览版,Google手机操作系统二月份统计数也已经出炉。本期周报为大家带来了模块化话架构、混淆、AOP等技术干货,还有高仿微信、直播等高质量项目推荐,欢迎阅读。

Facebook人工智能领域利器:FBLearner Flow平台

作者 麦克周 发布于  2017年2月17日

最近一两年是人工智能的启动元年,人工智能领域已经推动计算机视觉技术进入到了一个新的高度。在这个高度,业界的目标是在像素级理解图像,而不是之前的需要文字描述、分类等方式协助。这种进步帮助我们的系统认识图像里面是什么,图像里面是什么场景,例如是不是一个有名的旅游胜地。反过来看,这种技术可以更好地为视力有障碍的人士提供帮助,帮助他们更好地使用搜索引擎搜索图像和视频。通过Joaquin Quiñonero Candela的文章[《Building scalable systems to understand content》][1],我们可以大概了解一下。

TensorFlow开发者峰会重磅--Google发布TensorFlowV1.0

作者 麦克周 发布于  2017年2月17日

Google于2017年2月16日(北京时间)凌晨2点在美国加利福尼亚州山景城举办了首届TensorFlow开发者峰会。Google现场宣布全球领先的深度学习开源框架TensorFlow正式对外发布V1.0版本,并保证Google的本次发布版本的API接口满足生产环境稳定性要求。 在过去的一年时间里,TensorFlow已经成功地帮助研究人员、工程师、艺术家、学习,以及许许多多其他人,在各个领取取得成功。从语言翻译,到皮肤癌的早期检测、预防糖尿病致盲,TensorFlow应用于超过6000个在线开源代码仓库。

iOS 开发周报:可无线充电的 iPhone 要来了?、今日头条 iOS 客户端启动速度优化

作者 靛青K 发布于  2017年2月17日

可无线充电的 iPhone 要来了?、今日头条 iOS 客户端启动速度优化

几种可选的容器编排工具比较

作者 Hrishikesh Barua ,译者 谢丽   发布于  2017年2月17日

近日,有篇文章比较了当前市面上存在的其中几种容器编排工具,范围从可以自托管的开源工具到容器即服务产品,而后者又涵盖了初创公司和企业。

自动化验收测试的实用技巧

作者 Ben Linders ,译者 周元昊   发布于  2017年2月17日

等价划分、边界值分析以及基于风险的测试等测试技术,可以帮助我们决定测试的对象以及转换自动化测试的时机。InfoQ采访Adrian Bolboacă讨论了各种不同类型的测试、如何编写足够且优质的验收测试、何时使用自动化的测试、以及如何利用自动化测试来制定一个可行的测试标准。

微软Flow工具提供团队Flow和LUIS支持

作者 Kent Weare ,译者 任美芒   发布于  2017年2月17日

近日,微软宣布对其个人工作流服务Flow进行改造,以便团队能够集中贡献和管理Flow。这种新的共享功能称为团队Flow,目前已经发布公开预览版并且扩展到共享SaaS和自定义API连接。除了这些协作功能之外,微软宣布Flow还支持Gmail连接并且可以与其他微软认知服务API集成。

Android Things给物联网设备带来基于TensorFlow的机器学习和计算机视觉

作者 Sergio De Simone ,译者 汪欣   发布于  2017年2月17日

最近发布的Android Things开发者预览版2(DP2)使得TensorFlow更容易用于物联网设备上的机器学习和计算机视觉。此外,它还针对几个物联网平台扩展了USB音频,增加了对英特尔Joule的支持,并通过新的Native PIO API使本地驱动程序可直接使用。

Oracle把Java EE的未来押在Rest API上了?

作者 Paul Krill ,译者 冬雨   发布于  2017年2月16日

Oracle在它的Java EE升级计划中正在将REST 和 JSON作为关键一环。在社区抗议Oracle忽视的企业平台之后,该公司去年开始针对微服务和云平台更新Java EE。在这些计划中,初步成果为定于今年八月推出的Java EE 8。

Spark上的深度学习框架再添新兵:Yahoo开源TensorFlowOnSpark

作者 刘志勇 发布于  2017年2月16日

Yahoo Big ML团队宣布开源TensorFlowOnSpark,他们用来在大数据集群的分布式深度学习最新的开源框架。 Yahoo Big ML团队成员Lee Yang、Jun Shi、Bobbie Chern和Andy Feng日前合著了一篇文章,详细介绍了他们开源的TensorFlowOnSpark的方方面面。 Yahoo开源的TensorFlowOnSpark使Google发起的TensorFlow深度学习开源框架与Apache Spark集群中的数据集兼容,一些组织为了处理大量不同类型的数据而进行维护,对他们来说无疑是个好消息。 Yahoo开源TensorFlowOnSpark采用了Apache 2.0协议许可,并在GitHub上发布。 深度学习通常涉及大量数据进行人工神经网络训练,像照片,然后指导神经网络对新数据做出最佳猜测。 InfoQ翻译并整理本文。

在自动驾驶汽车的开发软件中使用模型

作者 Ben Linders ,译者 孙薇   发布于  2017年2月16日

在类似无人驾驶汽车这样自治动力系统的软件开发中,模型发挥着重要的作用——模仿及验证人们的驾驶行为,记录系统日志并生成代码。在2016年度的GOTO Amsterdam大会上,美国亚利桑那大学电气与计算机工程专业的副教授Jonathan Sprinkle就无人驾驶汽车的软件开发主题发表了演讲,他认为:无人驾驶汽车的软件起初都是单一整体式的,但如今逐渐向着可组合的拼装式方向发展,新的软件可根据需求进行功能拼装。此外,之前大量的数据都来自诸如雷达、GPS和摄像机等传感器,但如今通过传感器融合,并朝着可感知的方向发展,这些数据都合并到了同一张地图上。这意味着如今的汽车不再将周边整个世界视为静态数据,而是主动去感知,并根据新增类型的传感器推断这些事物会如何移动。

BT