Android Weekly #203 中文版

文章 & 教程

使用RenderScript 对图片进行简单快速处理 (medium.com)

想用几行代码就简单快速地编辑图片吗?想只使用你手机中GPU的运算能力而不使用复杂的OpenCL吗?好吧,RenderScript正是你想要的。

理解Android的命名规范(tir38.com)

本文探究了Task, Process, Activity, Fragment, Context等的涵义。

库和SDK的性能问题(blog.nimbledroid.com)

许多库和软件开发工具包(SDK)会导致严重的启动延迟和其他性能问题。这些延迟很难被追踪,因为开发者通常对库和SDK的执行很少一无所知。

Android的网格布局(medium.com)

Dmytro Danylyk之所以写这篇文章是因为GridLayout布局被不恰当地忽视了,但是它在某些场合却相当有用。

接口隔离原则(realm.io)

Donn Felker继续着他的系列文章,这次是论述接口隔离原则。

Android审核(karumi.github.io)

操作系统(iOS)和Android应用的技术审核已经成为Karumi团队日常工作中不可或缺的内容。本文中他们回顾了那些按技术区域划分需要核查的我们认为最重要的事情。

Android的易用性测试(robots.thoughtbot.com)

如果拥有好的工具,忽略易用性就不再是你不得不做的妥协。这里有一些方法帮助你的团队确保将易用性加入进去,成为你最终产品测试的一部分的。

Keddit—第8部分:Kotlin中的方向变化 (medium.com)

在第8部分中,作者回顾了如何正确处理设备中的方向变化,并且审视了如何处理运行时的改变以便使我们不会丢失已经请求的消息,所有这些都位于一个可用的Kotlin app中。

ITDD - Android 使用RESTMock做Instrumentation TDD (medium.com)

介绍了一种新型REST mocking库以及它的使用

高级RxJava: Google Agera与ReactiveX的比较 (akarnokd.blogspot.hu)

Dávid Karnok详细阐述了Google的新型响应实现工具Agera的执行细节。

支持Android N开发者的Android Studio 2.1预览(android-developers.blogspot.com)

Google发布了Android Studio 2.1,它支持Android N开发。

Android中使用SQLDelight(blog.alexsimo.com)

Alexandru Simonescu详细论述了如何在你的应用中使用SQLDelight库。

库 & 代码

Agera(github.com)

Google刚刚发布了Agera,一组类和接口用来帮助书写函数型、异步、响应式的Android应用。你会在wiki上发现相关介绍并能找到与RxJava进行比较的论述。

Flaggr-android (github.com)

一个库,允许你根据上下文使一些特性(连同/或者)部分代码(有效/失效)。

Retrolambda (jake wharton fork) (github.com)

Retrolambda是针对Java 7, 6以及5的Java 8的lambda表达式补丁。这是一个Jake Wharton制作的专用fork,它包含了数个优化帮助减少了每个lambda产生的方法的数量。

RxDrive (github.com)

针对Google Drive Android API的RxJava 封装。

RESTMock (github.com)

RESTMock是运行于Square的okhttp/MockWebServer顶端的一个库。它允许你指定Hamcrest匹配器以匹配HTTP请求,并可以指定返回何种响应。

新闻

Android Studio v2.1发布稳定版(www.androidpolice.com)

这次发布包括对Android N的支持,许多Java 8中的语言特性,向Jack编译器的半官方转换,一个最新的新项目向导,对新的更快速的Android模拟器的进一步改进。

视频&播客

What’s New in Android Studio 2.1 (www.youtube.com)

在Android Tool Time里和Reto Meier一起进一步学习Android Studio 2.1。

Android with Rebecca Franks (soundcloud.com)

Kenneth, Kevin和Len与Rebecca Franks一起讨论全球Android系统的手机开发,Google开发者平台和她最近获得的谷歌开发专家(Google Developer Expert)称号。

Decompress 1 (fragmentedpodcast.com)

在本次的Decompress第一期里播放了人们谈论他们喜欢使用的字体,对Xcode的厌恶,测试的烦恼以及针对Google最新发布的库Agera的热烈讨论。

理解AutoValue - Value types minus the boiler plate (caster.io)

介绍了AutoValue,简单创建不变值类型的Java库,还介绍了它如何帮助你更好更快的编写代码。

Android对话:Roberto Orgiu (www.youtube.com)

Huyen对话Roberto Orgiu,Turin-based Android开发者,Droidcon Italy crew的成员,谈论 Zeroconf和Droidcon Italy

特刊

开发者调查(vmob.me)

目的是发现你与本国其他开发者相比较境况如何,基于编程语言,使用的开发工具,或者软件类型。参与VisionMobile的15分钟的开发者工具标准调查,说说你所使用的工具有多么出色或者多么糟糕,描述你在构建什么,为什么,以及你从哪里发现的,它是怎样的。

英文原文:Android Weekly #203
中文翻译:http://www.open-open.com/lib/view/open1462154300125.html
译者:青岛海边 校对:OPEN编辑
本译文仅用于学习和交流,转载请注明文章译者、出处、和本文链接
我们遵照 CC 协议,如有侵犯到您的权益,请联系我们

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值