给大家带来的是一个仿美团首页分类按钮的库,这个库比美团的更灵活,可以设置任意的View到ViewPager页中。
美团外卖商家端基于 FlutterWeb 的技术探索已久,目前在多个业务中落地了App、PC、H5的多端复用,有效提升了产研的整体效率。在这过程中,性能问题是我们面临的最大挑战,本文结合实际业务场景进行思考,介绍美团外卖商家端在 FlutterWeb 性能优化上所进行的探索和实践,希望对大家能有所帮助或启发。
轻松一刻 漫画来自于设计师西乔《神秘的程序员们》 小程序官方更新 小程序升级录音、拍摄、音视频播放等多媒体能力 资讯与教程 微信小程序使用CSS3字体 小程序如何更换主体以及修改管理员权限? 微信小程
完整项目 GSD_WeiXin 高仿微信 v2ex - v2ex的客户端,新闻,论坛。 V2ex-Swift - 用Swift写的V2EX客户端。 iBBS-Swift - “新手开源一个用Swift(2.0)写的论坛客户端”。BBS 服务端。 wikipedia-ios - 维基百科-ios客户端。 jetstream-ios - 一款Uber的MVC框架,它同时提供了多用户实时通讯支持,一旦启动JetStream后端服务,通过WebSocket协议可以分钟建立多用户实时通讯应用。
作者 CDA 数据分析师 前言 2017年7月29日,由CDA数据分析师主办,以“跨界互联 数据未来”为主题的CDAS 2017第四届中国数据分析师行业峰会在北京中国大饭店隆重举行。 7月29日当天,除了引人眼球的主会场以外,上午同步开放4个分论坛,我们将逐一推送每个分论坛的盛况,以及演讲嘉宾速记稿整理,给每一个CDA成员奉上干货。 CDAS 2017第四届中国数据分析师行业峰会大数据与云计算分论坛中,来自美团、微软、中国电信、易观等五位专家到会分享了云计算作为计算资源的底层,是如何支撑着上层大数据
小编因为工作的原因,经常要带新人,小编发现现在很多新人,技术层面的理论知识其实并不确实, 少的就是实际上手试一试的项目经验。 苦思冥想、痛定思痛,小编今天就给大家介绍一些适合新人上手学习尝试的开源项目,希望对初学者小伙伴有所帮助~ 以下项目排名不分先后~ 今日头条复刻项目 一个精仿今日头条的项目,数据是抓取今日头条App的数据。 使用RxJava + Retrofit + MVP开发的开源项目。 使用各种第三方库: 已经实现了的功能: 项目技术要点如下: 1、新闻数据的抓取和分析,使用fidder抓取。
“Android 开发还有什么可以学习的?”近半年来,大家对于职业的未来发展、个人的成进阶都有一些迷茫和焦虑。
今天在Github的时候,又又又发现了一款厉害的源码,于是记录下来,推荐给你们哦。
我叫王小闰(花名,圈里人都叫我土哥),非科班出身,野生前端从业者,在小公司打杂三年后,意外地拿到了美团的offer,成功跳槽到了美团外卖事业部。
前言 我叫王小闰(花名),非科班出身,野生前端从业者,在小公司打杂三年后,意外地拿到了美团的offer,成功跳槽到了美团外卖事业部。 接下来,正文从这儿开始~ 3年前,我高中毕业,进了编程培训班,后来自修课程,学的是计算机科学与技术专业,之后顺利拿到了北航的学历证书。 培训班毕业出来之后,我来到了杭州。在杭州这个充满电商气息的地方,每个人都对自己的未来充满了希望,《猎场》里的郑秋冬如此,我也一样。 虽然我的家庭条件不是很差,但我还是希望通过自己的努力,实现当初的梦想,出任CTO,甚至财务自由。 来到杭州,我
导语 上周末,精神哥去参加了好友小青在北京办的T沙龙,探讨移动端热更新相关的话题。Bugly曾为大家介绍过不少腾讯内部的热更新的框架,正好这次看到了美团,去哪儿以及微博同学在应用热更新方面的实践,整理出来发给大家,本周整理的是美团大众点评的吴卓同学分享的分享的 美团 Hybrid 化建设,其他的内容也会在后面陆续放出。 Hybrid 是移动端热更新最常用的手段,限于 App Store 上架审核时间较长,美团大众点评也采取了该方案,欢迎来自美团大众点旅游业务 iOS 负责人吴卓分享《美团大众点评 酒旅方面
淘宝最便宜的小霸王游戏机都超过了五十,但是现在有了 PicoBoot 你用 40 块的树莓派就能搞出个任天堂游戏机(NGC)。PicoBoot 替换了 NGC 的 IPL 芯片,而 duf 替换了 Linux 的 df 命令解锁更多查看磁盘用量的姿势。
摘自:插坐学院 微信:chazuomba 刚开始创业,不知道如何推广,有没有什么好建议啊?于是我们便整理了这个专题——那些牛逼的互联网公司,在发展初期是如何推广的? 滴滴打车 滴滴打车一开始只在一个城市(北京),用最精锐的部队验证自己的模式,成功时再横向复制,从而形成了今天的规模。但开拓北京的市场,却不像滴滴创始人程维想象的那样简单。 推广初期,没有出租车公司愿意和滴滴合作,员工都很沮丧。程维鼓励大家:再坚持一下,跑完全部189家公司,没有一家愿意跟我们合作,我们就认了、放弃! 经过不懈的努力,滴滴终于谈
总第515篇 2022年 第032篇 近日,美团搜索与NLP部NLP中心语义理解团队的小样本学习模型FSL++在中文小样本语言理解权威评测基准FewCLUE榜单登顶,在自然语言推理(OCNLI)单任务中取得第一,并在极少数样本(一个类别仅100余个)的条件下,在新闻分类(TNEWS)、科学文献学科分类(CSLDCP)任务上超过了人类识别精确度。 1 概述 2 方法介绍 2.1 增强预训练 2.2 模型结构 2.3 数据增强 2.4 集成学习&自训练 3 实验结果 3.1 数据集介绍 3.2 实验对比 4
内容来源:2018 年 01 月 05 日,美团高级技术专家李燕青在“2018 移动技术创新大会”进行《终端主动监控平台的建设》演讲分享。IT 大咖说(微信id:itdakashuo)作为独家视频合作方,经主办方和讲者审阅授权发布。
今天给大家开源一个仿美团外卖的Vue项目,介绍Vue和vue-router的基本用法。
总第501篇 2022年 第018篇 知识图谱可视化可以更直观地查看和分析知识图谱的数据。本文主要介绍了美团平台在布局策略、视觉降噪、交互功能、可视化叙事、3D图谱可视化等方面的一些实践和探索,同时沉淀出了uni-graph图可视化解决方案,并支持了美团的很多业务场景,包括美团大脑、图数据库、智能IT运维、组件依赖分析、行业领域图谱等。希望能对从事知识图谱可视化方向的同学有所帮助或启发。 1 知识图谱可视化基本概念 1.1 知识图谱技术的简介 1.2 知识图谱可视化的简介 2 场景分析与架构设计 2.1
1.为 view、layer添加光晕层:http://code.cocoachina.com/view/134038 20170905111440152.png 2.MBProgressHUD封装https://github.com/lyc59621/MBProgressHUD-JDragon 20170905111806126.gif 3.仿百度云盘下拉菜单:http://code.cocoachina.com/view/133984 201709051118276
应用背景及现状 美团外卖业务自2013年9月启动至今已运营三年时间。截至2016年12月,美团点评整个外卖平台的日订单超过900万。从发展速度和体量上看,外卖业务仍处在迅猛发展的上升期。与早期飞速增长的状态相比,随着规模的不断扩大,业务的发展需要更健康、高效,这就对业务对象、业务环节的整体业务运营管理提出更高的要求。 特征档案平台向各业务提供了用户/商户筛选和档案管理服务,同时提供了数据查询、存储、生成、导出等数据管理功能,能够提高运营工作效率。当前用户特征档案平台覆盖全部的外卖用户,有特征标签近200个,
大家好,我是马彬,在美团主要负责短视频相关的算法研发,很荣幸能够来到LVS跟各位分享我们在美团业务场景下的短视频理解与生成技术实践。
这篇文章是关于作者在美团前端和客户端实习面试中的经历。作者分享了面试问题及自己的回答,包括自我介绍、JavaScript数据类型、数组方法、排序算法、面向对象编程、HTTP协议等问题。文章中还描述了作者对于前端岗位的挑战和困惑,认为当前的职业选择面临瓶颈,不知道该往哪个方向继续努力。通过面试经历和提问,读者深入了解了作者在求职过程中的发展和学习经历。
小程序体验师:潘一滔 不知道你是不是和我一样,订外卖的次数明明不多,但手机里的外卖 app 就是不敢删,留着?又嫌占地方。 如果是的话,恭喜你,知晓程序(微信号 zxcx0101)本期推荐的这款「美团外卖+」小程序,将为你打开一扇新世界的大门。 「美团外卖+」长什么样? 打开「美团外卖+」,整个界面是一副标志性的「美团外卖黄」,跟美团外卖 app,以及大街上随处可见的美团外卖配送员的制服颜色一样。 小程序底端有三个 tab 栏,分别是「首页」、「订单」,「我的」,基本覆盖了一个外卖 app 所需要的所有功能
在多形态业务场景下,如何保障多端体验的一致性,是前端技术领域一个比较受关注的方向。美团外卖前端技术团队基于 Flutter Web 探索跨端(App\PC\H5)的解决方案,真正实现“Write Once & Run AnyWhere”。本文系该团队的实践经验总结,希望能对大家有所帮助或者启发。
轻松一刻 漫画来自于设计师西乔《神秘的程序员们》 资讯与教程 【微信小程序】再次授权地理位置getLocation+openSetting使用 实战分享,蓝牙在小程序中的应用! 小北微信小程序之小白教
其实推荐系统前面已经讲过不少,那时候主要是放在机器学习上讲的,既然这次要系统撸一遍数据挖掘,就把推荐系统单独拿出来说一说。相信如果做过推荐系统的人,都知道是什么回事。一堆features,一堆算法模型,一堆online、offline规则和计算,还有若干的场景。包括著名的netflix、Amazon做的推荐场景都有哪些,有哪些坑需要注意的,之前都有说过。 像阿里还时不时会搞搞天池算法大赛,像最近在弄一个简历筛选推荐算法竞赛,有兴趣的小伙伴都可以去参与了解下。拿些数据来练练,对自己经验的积累还是挺有好处的。
Logan是美团点评集团移动端基础日志组件,这个名称是Log和An的组合,代表个体日志服务。同时Logan也是“金刚狼”大叔的名号,当然我们更希望这个产品能像金刚狼大叔一样“犀利”。此前我们公众号发布过一篇文章《Logan:美团点评移动端基础日志库揭秘》,主要讲述了Logan的很多技术细节。本文将重点阐述Logan的整体框架。
mpvue 是一个使用 Vue.js 开发小程序的前端框架,目前支持 微信小程序、百度智能小程序,头条小程序 和 支付宝小程序。框架基于 Vue.js,修改了的运行时框架 runtime 和代码编译器 compiler 实现,使其可运行在小程序环境中,从而为小程序开发引入了 Vue.js 开发体验。
随着网络时代的进步,网购成了大众的必不可缺少的一部分,任何人都可以通过网购来购买自己所需的产品,不用出门,也能购买到想要的用品。当然美团,淘宝也是网购中的一种专属APP,无论是在美团上购物,还是点外卖订餐,只需要选择所需要的产品,点击购买即可。当然在美团进行订餐后,订餐后消费者的评论信息,也成了商家的推广方式之一,或者评论信息也成了大众选择这家餐厅订餐的重要原因之一。
进入夏季,在经过春季人员招聘之后,企业各岗位上的人员已陆续到位。公司人员越来越多,劳动合同管理成为了一个让HR们头疼不已的问题。
AI(人工智能)技术已经广泛应用于美团的众多业务,从美团App到大众点评App,从外卖到打车出行,从旅游到婚庆亲子,美团数百名最优秀的算法工程师正致力于将AI技术应用于搜索、推荐、广告、风控、智能调度、语音识别、机器人、无人配送等多个领域,帮助美团数亿消费者和数百万商户改善服务和体验,帮大家吃得更好,生活更好。
美团研发团队基于React Native开源框架,并结合美团业务场景,定制化开发了一套动态化方案。本文主要分享该动态化方案在美团外卖业务场景中的实践,希望能给大家一些启发。
本文根据美团高级技术专家翟艺涛在2018 QCon全球软件开发大会上的演讲内容整理修改而成。文章分享了深度学习在酒店搜索NLP中的应用,并重点介绍了深度学习排序模型在美团酒店搜索的演进路线。
小程序开发框架 mpvue 是一个使用 Vue.js 开发小程序的前端框架,目前支持 微信小程序、百度智能小程序,头条小程序 和 支付宝小程序。框架基于 Vue.js,修改了的运行时框架 runtime 和代码编译器 compiler 实现,使其可运行在小程序环境中,从而为小程序开发引入了 Vue.js 开发体验。 主要特性 使用 mpvue 开发小程序,你将在小程序技术体系的基础上获取到这样一些能力: 彻底的组件化开发能力:提高代码复用性 完整的 Vue.js 开发体验 方便的 Vuex 数据管理方案:方便构建复杂应用 快捷的 webpack 构建机制:自定义构建策略、开发阶段 hotReload 支持使用 npm 外部依赖 使用 Vue.js 命令行工具 vue-cli 快速初始化项目 H5 代码转换编译成小程序目标代码的能力 项目地址 开源地址:https://github.com/Meituan-Dianping/mpvue 新一代渠道包打包神器 Walle(瓦力):Android Signature V2 Scheme签名下的新一代渠道包打包神器 瓦力通过在Apk中的APK Signature Block区块添加自定义的渠道信息来生成渠道包,从而提高了渠道包生成效率,可以作为单机工具来使用,也可以部署在HTTP服务器上来实时处理渠道包Apk的升级网络请求。 配置build.gradle 在位于项目的根目录 build.gradle 文件中添加Walle Gradle插件的依赖, 如下:
有一段时间没更新博客了,近来都在做毕业设计,今天空出时间来更新一发。给大家带来的是仿美团的下拉刷新。相信美团大家都用过,下面就贴出了美团的下拉刷新效果:
在App开发中,内嵌WebView始终占有着一席之地。它能以较低的成本实现Android、iOS和Web的复用,也可以冠冕堂皇的突破苹果对热更新的封锁。 然而便利性的同时,WebView的性能体验却备受质疑,导致很多客户端中需要动态更新等页面时不得不采用其他方案。 以发展的眼光来看,功能的动态加载以及三端的融合将会是大趋势。那么如何克服WebView固有的问题呢?我们将从性能、内存消耗、体验、安全几个维度,来系统的分析客户端默认WebView的问题,以及对应的优化方案。 性能 对于WebView的性能,给人
用户模型和用户画像的区别。用户模型是指真实用户的虚拟代表,在真实数据的基础上抽象处理的一个用户模型,是产品在描述用户需求时使用的概念。用户画像是从海量的用户数据中,建模抽象出每个用户的属性标签体系,这些属性通常要具有一定的商业价值。
前言 美团是数据驱动的互联网服务,用户每天在美团上的点击、浏览、下单支付行为都会产生海量的日志,这些日志数据将被汇总处理、分析、挖掘与学习,为美团的各种推荐、搜索系统甚至公司战略目标制定提供数据支持。大数据处理渗透到了美团各业务线的各种应用场景,选择合适、高效的数据处理引擎能够大大提高数据生产的效率,进而间接或直接提升相关团队的工作效率。 美团最初的数据处理以Hive SQL为主,底层计算引擎为MapReduce,部分相对复杂的业务会由工程师编写MapReduce程序实现。随着业务的发展,单纯的Hive S
导读:美团是一个生活服务领域的平台,需要大量知识来理解用户的搜索意图,同时对于商家侧我们也需要利用现有的知识对海量信息进行挖掘与提取,进而优化用户体验。今天分享的主题是知识图谱在美团推荐场景中的应用。主要包括以下几方面内容:
本文根据美团资深研发工程师寒阳在美团技术沙龙第40期《前端遇上黑科技,打造全新界面体验与效率》的演讲内容整理而成。本文介绍了如何使用构建时预渲染技术,对移动端首帧白屏问题进行优化。
最近一段时间,“反垄断”成了国内的重要事件。继阿里被约谈整改之后,另一个互联网巨头美团也屡陷风波。
效果广告的主要特点之一是可量化,即广告系统的所有业务指标都是可以计算并通过数字进行展示的。因此,可以通过业务指标来表示广告系统的迭代效果。那如何在全量上线前确认迭代的结果呢?通用的方法是采用AB实验(如图1)。所谓AB实验,是指单个变量具有两个版本A和B的随机实验。在实际应用中,是一种比较单个(或多个)变量多个版本的方法,通常是通过测试受试者对多个版本的反应,并确定多个版本中的哪个更有效。Google工程师在2000年进行了首次AB实验,试图确定在其搜索引擎结果页上显示的最佳结果数。到了2011年,Google进行了7000多次不同的AB实验。现在很多公司使用“设计实验”的方法来制定营销决策,期望在实验样本上可以得到积极的转化结果,并且随着工具和专业知识在实验领域的发展,AB实验已成为越来越普遍的一种做法。
本文中的问题精选自上期【你问我答】——深度学习专题中读者的提问。【你问我答】是由美团点评技术团队推出的线上问答服务,你在工作学习中遇到的各种技术问题,都可以通过我们微信公众号发问,我们5000+工程师会义务为你解答,欢迎大家踊跃提问。高质量、定义清晰的问题会优先获得解答。 Q1:您好,有一个问题想请教一下。这里有一批用户的App行为数据,但是有些存在缺失,怎样从相对完整的用户行为数据中,推断出用户缺失的那部分行为数据?思路是怎样的? A:如果缺失的用户行为数据是数值型,可以建立预测缺失数据的模型,用已有
网络相关 网络连接 AFNetworking - ASI不升级以后,最多人用的网络连接开源库,iOS的网络编程之AFNetworking使用,iOS的开发下载文件速度计算 , AFNetworking 3.0迁移指南 , AFNetworking2.0源码解析<一> ,AFNetworking2.0源码解析<二>,AFNetworking源码解析<三>,AFNetworking源码解析<四>。 Alamofire.swift - Alamofire是AFNetworking的作者mattt
美国时间2019年1月8日-11日,第52届国际消费性电子展(以下简称“CES”)在拉斯维加斯举办。美团作为首次参展的企业,在现场打造了一个“智慧城市”,参观者置身其中多个分区中,仿佛来到科技世界的现实中控室。本次展会上的美团无人配送携全线无人配送产品亮相,其中包括了一款首次亮相的室内机器人和小型飞行器。
2018年3月8号,美团点评宣布其研发、运维了近一年的小程序开发框架mpvue(mini program vue)正式开源,在前端界引起不小的反响,Star数量高达7700,仅次于微信官方推荐的框架wepy。同时,mpvue的用户量打破了美团点评分布式监控系统CAT保持多年的记录,一跃成为公司最大的开源框架。
CAT 作为服务端项目基础组件,提供了 Java, C/C++, Node.js, Python, Go 等多语言客户端,已经在美团点评的基础架构中间件框架(MVC框架,RPC框架,数据库框架,缓存框架等,消息队列,配置系统等)深度集成,为美团点评各业务线提供系统丰富的性能指标、健康状况、实时告警等。
在自然语言处理中,我们经常思考,怎么样才能做好自然语言的理解工作。对我们人类来说,理解某一个自然语言的文本信息,通常都是通过当前的信息,关联自己大脑中存储的关联信息,最终理解信息。例如“他不喜欢吃苹果,但是喜欢吃冰淇淋”,人在理解的时候关联出大脑中的认知信息:苹果,甜的,口感有点脆;冰淇淋,比苹果甜,口感软糯、冰凉,夏天能解暑;小孩更喜欢吃甜食和冰淇淋。所以结合这样的知识,会推理出更喜欢冰淇淋的若干原因。但是现在很多自然语言理解的工作还是聚焦在信息的层面,现在的理解工作类似于一个贝叶斯概率,从已知的训练文本中寻找符合条件的最大化文本信息。
领取专属 10元无门槛券
手把手带您无忧上云