JavaScript 适合做机器学习吗？这是一个问号。但每一位开发者都应该了解机器学习解决问题的思维和方法，并思考：它将会给我们的工作带来什么？同样，算法能力可能会是下一阶段工程师的标配。本文旨在通过讲解识别手写字的处理过程，带读者了解机器学习解决问题的一般过程。

提到虚拟化技术，我们首先想到的一定是 Docker，经过四年的快速发展 Docker 已经成为了很多公司的标配，也不再是一个只能在开发阶段使用的玩具了。作为在生产环境中广泛应用的产品，Docker 有着非常成熟的社区以及大量的使用者，代码库中的内容也变得非常庞大。同样，由于项目的发展、功能的拆分以及各种奇怪的改名 PR，让我们再次理解 Docker 的的整体架构变得更加困难。虽然 Docker 目前的组件较多，并且实现也非常复杂，但是本文不想过多的介绍 Docker 具体的实现细节，我们更想谈一谈 Doc

CQRS 是什么？它如何演变而来？文章从 CQS 的命令与查询讲起，再讲到命令总线，最后推出 CQRS 就是由 CQS、命令、查询和命令总线结合的产物。

说到游戏，人们一般都会推荐使用 Windows 系统。Windows 能提供更好的显卡支持和硬件兼容性，所以对于游戏爱好者来说的确是个更好的选择。但你是否想过在 Linux 系统上玩游戏？这的确是可以的，也许你以前还曾经考虑过。但在几年之前， Steam for Linux 上可玩的游戏并不是很吸引人。

基于Docker容器技术，运维技术团队开发了五阿哥网站的容器云平台。通过容器云平台95%的应用服务已经实现容器化部署。这些应用支持业务按需拓展，秒级伸缩，提供与用户友好的交互过程，规范了测试和生产的发布流程，让开发和测试同学从基础的环境配置和发布解放出来，使其更聚焦自己的项目开发和测试。结合五阿哥容器云平台和Docker容器技术的实践，本文先介绍如何实现7*24小时“一站式”的持续交付，实现产品的上线。

XLearning由360系统部大数据团队与人工智能研究院联合开发，基于Hadoop Yarn完成了对TensorFlow、MXNet、Caffe、Theano、PyTorch、Keras、XGBoost等常用深度学习框架的集成。平台上线运行近一年时间，经多次版本迭代更新，为各类深度学习框架的使用者提供了统一、稳定的作业提交平台，实现了资源共享，极大的提高了资源利用率，并且具有良好的扩展性和兼容性，在公司搜索、人工智能研究院、商业化、数据中心等业务部门得到广泛使用。

标题是我以第一视角基于 Electron 开发客户端产品的体验，我将在之后分一系列文章向有兴趣的朋友一步一步介绍我是怎么从玩玩具的心态开始接触 Electron 到去开发客户端产品，最后随着业务和功能的复杂度提升再不断地优化客户端。

C++具有多种软件包管理器，它们在功能特点上各有所长，但是软件开发人员的迫切需要的是通用的软件包管理器。由于 C++ 并不具有通用的构建系统，因此实现通用的软件包管理器无疑非常复杂。本文作者提出了一种采用通用的标准化规范文件的方法，实现相对简单，并且可行。该方法有助于实现不同的构建和软件包工具间的协同和互操作。