情人節，對于程式員來說隻是一個正常加班的周四而已，但如果你正在思索“如何過情人節”的問題，恭喜你！你已經超脫了程式設計語言，IDE的境界，站在程式員鄙視鍊的頂端！
那麼，程式員如何優雅的過情人節？
0.代碼情詩告白來一波
如果你還單身，别人去約會的時候，我們可以這麼優雅的過：
1.看看書
2019年開發者必讀！20位阿裡技術大牛們幫你列了一份經典書單！ 10本免費的機器學習和資料科學書籍 機器學習和資料科學領域必讀的10本免費書籍 七本書籍帶你打下機器學習和資料科學的數學基礎 2018年最佳深度學習書單2.優酷上看看燒腦電影
3.蝦米上聽聽歌，敲代碼效率飛起來
以下歌曲為
雲栖微網誌開發者粉絲推薦：
1）.The Scientist
2）.牛仔很忙
3）.道家清心訣
4）.我的一個道姑朋友
5）.萬神紀
6）.嘀嗒
7）.大悲咒
8）.小半
9）.夜的鋼琴曲
10）.夢中的婚禮
4.學習程式設計
程式設計語言系列講座免費學：
1）.
《Python程式設計基礎實戰》2）.
《Java基礎、進階特性入門》3）.
《深度學習JavaScript和React技術》4）.
《快速上手C++》5.關注最新的開源項目
2018年末2019年伊始，阿裡巴巴釋出數個開源項目：
1）.深度學習架構 X-Deep Learning
開源時間：2018年12月
項目介紹：
以深度學習為核心的人工智能技術，過去的幾年在語音識别、計算機視覺、自然語言處理等領域獲得了巨大的成功，其中以GPU為代表的硬體計算力，以及優秀的開源深度學習架構起到了巨大的推動作用。
盡管以TensorFlow、PyTorch、MxNet等為代表的開源架構已經取得了巨大的成功，但是當我們把深度學習技術應用在廣告、推薦、搜尋等大規模工業級場景時，發現這些架構并不能很好的滿足我們的需求。沖突點在于開源架構大都面向圖像、語音等低維連續資料設計，而網際網路的衆多核心應用場景（如廣告/推薦/搜尋）往往面對的是高維稀疏離散的異構資料，參數的規模動辄百億甚至千億。進一步的，不少産品應用需要大規模深度模型的實時訓練與更新，現有開源架構在分布式性能、計算效率、水準擴充能力以及實時系統适配性的等方面往往難以滿足工業級生産應用的需求。
X-DeepLearning正是面向這樣的場景設計與優化的工業級深度學習架構，經過阿裡巴巴廣告業務的錘煉，XDL在訓練規模和性能、水準擴充能力上都表現出色，同時内置了大量的面向廣告/推薦/搜尋領域的工業級算法解決方案。
github位址：
https://github.com/alibaba/x-deeplearning更多介紹：
阿裡開源首個深度學習架構 X-Deep Learning！2）.自研科學計算引擎Mars
開源時間：2019年1月
科學計算即數值計算，是指應用計算機處理科學研究和工程技術中所遇到的數學計算問題。比如圖像處理、機器學習、深度學習等很多領域都會用到科學計算。有很多語言和庫都提供了科學計算工具。這其中，Numpy以其簡潔易用的文法和強大的性能成為佼佼者，并以此為基礎形成了龐大的技術棧。
Numpy的核心概念多元數組是各種上層工具的基礎。多元數組也被稱為張量，相較于二維表/矩陣，張量具有更強大的表達能力。是以，現在流行的深度學習架構也都廣泛的基于張量的資料結構。
随着機器學習/深度學習的熱潮，張量的概念已逐漸為人所熟知，對張量進行通用計算的規模需求也與日俱增。但現實是如Numpy這樣優秀的科學計算庫仍舊停留在單機時代，無法突破規模瓶頸。當下流行的分布式計算引擎也并非為科學計算而生，上層接口不比對導緻科學計算任務很難用傳統的SQL/MapReduce編寫，執行引擎本身沒有針對科學計算優化更使得計算效率難以令人滿意。
基于以上科學計算現狀，由阿裡巴巴統一大資料計算平台MaxCompute研發團隊，曆經1年多研發，打破大資料、科學計算領域邊界，完成第一個版本并開源。 Mars，一個基于張量的統一分布式計算架構。使用 Mars 進行科學計算，不僅使得完成大規模科學計算任務從MapReduce實作上千行代碼降低到Mars數行代碼，更在性能上有大幅提升。目前，Mars 實作了 tensor 的部分，即numpy 分布式化， 實作了 70% 常見的 numpy 接口。後續，在 Mars 0.2 的版本中， 正在将 pandas 分布式化，即将提供完全相容 pandas 的接口，以建構整個生态。
Mars作為新一代超大規模科學計算引擎，不僅普惠科學計算進入分布式時代，更讓大資料進行高效的科學計算成為可能。
https://github.com/mars-project/mars 阿裡重磅開源首款自研科學計算引擎Mars，揭秘超大規模科學計算 Mars——基于矩陣的統一分布式計算架構 Mars 是什麼、能做什麼、如何做的——記 Mars 在 PyCon China 2018 上的分享 Mars 如何分布式地執行 Mars 算法實踐——人臉識别3）.圖深度學習架構Euler
這是國内首個在核心業務大規模應用後開源的圖深度學習架構。此次開源，Euler内置了大量的算法供使用者直接使用，相關代碼已經可在GitHub上進行下載下傳。
圖學習和深度學習都是人工智能的一個分支，作為阿裡巴巴旗下的大資料營銷平台，阿裡媽媽創新性地将圖學習與深度學習進行結合，推出了Euler，可幫助大幅度提升營銷效率。Euler已在阿裡媽媽核心業務場景進行了錘煉和驗證，同時，在金融、電信、醫療等涉及到複雜網絡分析的場景中也具有很高的應用價值。例如，使用者可以利用Euler對基于使用者交易等金融資料建構的複雜異構圖進行學習與推理，進而應用于金融反欺詐等場景。
https://github.com/alibaba/euler Euler 問世！國内首個工業級的圖深度學習開源架構，阿裡媽媽造4）.分布式事務解決方案 Fescar
阿裡是國内最早一批進行應用分布式（微服務化）改造的企業，是以很早就遇到微服務架構下的分布式事務問題。
2014 年，阿裡中間件團隊釋出 TXC（Taobao Transaction Constructor），為集團内應用提供分布式事務服務。
2016 年，TXC 經過産品化改造，以 GTS（Global Transaction Service）的身份登陸阿裡雲，成為當時業界唯一一款雲上分布式事務産品，在阿雲裡的公有雲、專有雲解決方案中，開始服務于衆多外部客戶。
2019 年起，基于 TXC 和 GTS 的技術積累，阿裡中間件團隊發起了開源項目 Fescar（Fast & EaSy Commit And Rollback, FESCAR），和社群一起建設這個分布式事務解決方案。
TXC/GTS/Fescar 一脈相承，為解決微服務架構下的分布式事務問題交出了一份與衆不同的答卷。
https://github.com/alibaba/fescar 阿裡開源分布式事務解決方案 Fescar 全解析5）.實時計算平台Blink
Blink是一項典型的“傳火于薪”開源技術，傳承自Flink開源架構，後者最早适用于小流量網際網路場景的資料處理。
由于看好實時計算，阿裡率先對Flink進行改造，并将Flink的計算能力推向巅峰，推出内部版Blink，将計算延遲降低到人類無法感覺的毫秒級：浏覽網頁的時候，你隻是眨了一下眼睛，但在淘寶、天貓處理的資訊已經重新整理了17億次。
實時計算到底有多重要？2004年，谷歌開啟了離線計算時代，可以針對海量資料進行定時計算，但随着電商、金融等行業的發展對大資料計算提出了新的需求，在金融交易場景裡，風控系統如果不能實時觀察每一個賬戶的行為動态，就可能因為1秒的延遲遺漏風險，無法阻斷危險交易，造成消費者損失。但實時計算突破了這一技術瓶頸。
現在，阿裡巴巴集團的全部核心業務已經用上Blink。除了技術大考雙11之外，ET城市大腦實時計算着杭州1300個信号燈路口、4500路視訊，保障着交通動脈的通暢；淘寶、天貓每天為數億使用者展現實時的“專屬”頁面。
未來，這項技術還會被應用到社會的各個場景：工廠裝置的物聯網裝置能實時分析資料、提高生産良品率；物流派送平台能第一時間下單，把商品及時送到消費者手中；導航軟體時刻緊随出行軌迹，不再錯過轉彎口……
https://github.com/apache/flink/tree/blink 阿裡雲重磅開源實時計算平台Blink，挑戰計算領域的“珠峰”祝大家初十情人節快樂！