在这个领域，无论你的编程经验水平如何，如果你想跟上这个行业的快速发展，学习新的想法、语言和框架是必不可少的。

考虑一下React，Facebook最近才将其开源。从那时起，它已经成为世界各地的JavaScript开发人员的首选工具。

当然，Vue 和 Angular 也有相当多的支持者。然后是像 Next.js 或 Nuxt.js 这样的全球适用的框架和 Svelte。此外，Gatsby、Gridsome 和 Quasar 也，也，也

除了学习好的、旧的 JS 之外，如果你想成为一名熟练的 JavaScript 开发人员，你至少应该对各种框架和库有一定的专业知识。

这里收集了9个不同的项目来助你成为前端专家，每个项目都有一个独特的主题和不同的 JavaScript 框架或库，作为你可以创建并添加到你投资组合中的技术堆栈。请记住，自己做的东西比其他任何东西都更能帮助你，所以继续前进，发展你的思维能力，让这一切成为现实。

成为前端大师的9个项目 | #前端
前端
Copper 是一个Go工具包，包含构建Web应用程序所需的一切。它专注于开发人员的生产力，并通过更少的样板和对常见需求的开箱即用支持使在Go中构建Web应用程序更加有趣。

Docs | Github | 视频介绍 | #工具
工具
主流CPU性能摸底(Intel/AMD/鲲鹏/海光/飞腾) ​
Telegraph
主流CPU性能摸底(Intel/AMD/鲲鹏/海光/飞腾)
前言 本文在Sysbench、TPCC等实践场景下对多款CPU的性能进行对比，同时分析各款CPU的硬件指标，最后分析不同场景下的实际性能和核心参数的关系。最终会展示Intel和AMD到底谁厉害、ARM离X86还有多大的距离、国产CPU性能到底怎么样了。 本文的姊妹篇：十年后数据库还是不敢拥抱NUMA？ 主要讲述的是 同一块CPU的不同NUMA结构配置带来的几倍性能差异，这些性能差异原因也可以从本文最后时延测试数据得到印证，一起阅读效果更好。 这几款CPU的核心参数如下表： CPU型号Hygon 7280AMD…
数据库并发控制理论 ​
Telegraph
数据库并发控制理论
彭亮 PostgreSQL中文社区 发表于 PostgreSQL中文社区 概述理论实现方向可串行化终态可串行化冲突可串行化视图可串行化可恢复性级联回滚避免级联回滚严格性属性关系基于锁的并发控制2PLS2PLSS2PL隔离级别多版本并发控制版本存储追加方式时间线方式增量存储方式垃圾回收元组级别的回收事务级别的回收索引管理逻辑指针物理指针隔离级别基于可串行化快照隔离的并发控制快照快照隔离可序列化的快照隔离技术理论基础SSI隔离级别SS2PL+MVCC vs SSI最后 概述 并发控制技术，是数据库事务实现的…
如何在不懂的领域里解决起问题来胜过该领域的工程师？
(完结)京峰二进制安全逆向高级班录播课程
【完结】七月在线机器学习集训营16期
黑洞资源笔记
微软前工程师Rachit Jain在GitHub上开源的一份C++知识库，里面整理了一些C++相关的开发技巧。 Modern CPP Tricks | #C++
微软前工程师Rachit Jain在GitHub上开源的一份C++知识库，里面整理了一些C++相关的开发技巧。

Modern CPP Tricks | #C++
C
正则表达式备忘清单 | #正则表达式
正则表达式
Linux内核代码风格指南 | #linux #指南

引语：
这是一个简短的文档，描述了linux内核的首选代码风格。

代码风格是因人而异的，而且我不愿意把自己的观点强加给任何人，但这就像我去做任何事情都必须遵循的原则那样，我也希望在绝大多数事上保持这种的态度。请 (在写代码时) 至少考虑一下这里的代码风格。
linux 指南
对比学习在NLP中的应用，很不错的资源汇总

目前的NLP模型在很大程度上依赖于有效的表示学习算法。对比学习就是这样一种技术，它可以学习一个嵌入空间，使相似的数据样本对具有接近的表征，而不相似的样本则彼此相距甚远。它可以在有监督或无监督的情况下使用不同的损失函数来产生特定任务或通用的表征。虽然它最初使视觉任务获得了成功，但近年来，对比性NLP的出版物越来越多。这第一线的工作不仅在各种NLP任务中提供了有希望的性能改进，而且还提供了理想的特征，如任务无关的句子表示、忠实的文本生成、在0-shot和少量设置中的数据高效学习、可解释性和可解释性。

Github | #NLP
NLP
字节跳动的图标工具

IconPark | #工具 #图标
工具 图标
从20K到100K PPS的网络传输能力优化全过程 | 博客
qsv：超快的命令行CSV文件处置工具

qsv是流行的xsv实用程序的一个分支，它合并了自xsv 0.13.0 2018年5月发布以来的几个待处理PR。它还具有许多新功能和53个附加命令/子命令/操作（总共73个）

Github | #工具
工具
Gorse是一个用Go编写的开源推荐系统。 Gorse旨在成为一个通用的开源推荐系统，可以快速引入各种在线服务。通过将项目、用户和交互数据导入Gorse，系统将自动训练模型为每个用户生成推荐。项目特点如下:

- 多源推荐：对于用户，从不同的方式（流行、最新、基于用户、基于项目和协同过滤）收集推荐项目，并通过点击率预测进行排名
- AutoML：通过后台模型搜索自动选择最佳推荐模型和策略
- 分布式推荐：单节点训练，分布式预测，在推荐阶段实现水平扩展的能力
- RESTful API：为数据 CRUD 和推荐请求提供 RESTful API
- Dashboard：提供数据导入导出、监控、集群状态检查的dashboard

Github | 官网地址
Before
After
Back to Top