¿Cómo comenzaría con el cambio de funciones o el desarrollo de indicadores de funciones en mi empresa? Actualmente utilizamos ramificaciones.

Bueno, las banderas de características no están necesariamente destinadas a ser independientes de la ramificación. De hecho, los dos son complementarios, por lo que el hecho de que use un DVCS no significa que tenga que cambiar radicalmente su forma de operar.

Cuando presenta una marca / alternar, básicamente está mitigando el riesgo al envolver sus fragmentos de código en condicionales que le permiten controlar la visibilidad de ese código.

En general, los indicadores / controles / controles de funciones aprovechan el poder del desarrollo basado en pruebas (TDD). Este es el proceso de liberar e iterar características rápidamente, probar esas características y realizar mejoras. Piense en ello como la metodología Lean UX. Lanzas funciones ligeras para recibir comentarios del mercado. Repite esos comentarios, realiza mejoras y vuelve a implementar.

Piense en el desarrollo basado en indicadores de características como una forma de recibir comentarios iterativos del mercado sobre su producto, en lugar de depender únicamente de los comentarios aislados de los clientes. Es una forma de probar cómo funcionan sus funciones en el mundo real y no solo en un entorno de prueba artificial.

Aquí hay algunos recursos de bandera / alternar recursos y bibliotecas para ayudarlo a comenzar (según su pila):

  • JavaScript
  • Ir
  • IOS móvil
  • .NET / C #
  • Nodo JS
  • PHP
  • Pitón
  • Rubí

More Interesting

Para un problema de clasificación (dos clases), ¿es mejor usar dos salidas con softmax o una salida con entropía cruzada binaria?

¿Qué intentos hay para crear redes neuronales más similares al cerebro biológico?

¿Cómo es el curso de aprendizaje automático NPTEL?

¿El sobreajuste es un problema en el aprendizaje de refuerzo profundo?

Al entrenar y probar conjuntos de datos, ¿es posible probar un conjunto de datos completamente diferente del conjunto de entrenamiento?

¿Es realmente posible comenzar una carrera seria de IA / ML con el objetivo final de trabajar en un lugar como OpenAI, Google o DeepMind a través del autoestudio?

¿Cuáles son las aplicaciones más prometedoras de ML / AI en el cuidado de la salud, excluyendo la informática de imágenes?

¿Puede el aprendizaje profundo manejar datos desequilibrados?

¿Las redes neuronales son siempre convexas con respecto a los pesos? Y si no, ¿cómo funciona tan bien el descenso de gradiente?

¿Qué conocimiento previo es necesario para el aprendizaje automático?

¿Cuáles son los algoritmos para el resumen automático? ¿Alguien puede explicar los pasos en el resumen automático?

¿Qué es más exigente, desarrollo de aplicaciones, aprendizaje automático, aprendizaje profundo, inteligencia artificial o IOT?

¿Cuáles son las diferencias entre los algoritmos CHAID y CART para el crecimiento de los árboles de decisión?

Entre la agrupación y la clasificación, ¿cuál requiere más experiencia?

¿Cómo deciden las personas en aprendizaje profundo qué artículos no leer?