面向服务的软件开发 面向服务的软件开发方法

大家好，今天小编关注到一个比较有意思的话题，就是关于面向服务的软件开发的问题，于是小编就整理了2个相关介绍面向服务的软件开发的解答，让我们一起看看吧。

大家做一个APP需要什么样的服务器？

一、根据APP规模的大小，来选择合适的配置与带宽，比如说新开发的，前期访问量小，可以用一个普通配置的云服务器就能满足需求，但如果是较大规模或者数据量比较多的APP，则需要用锐讯网络的高防服务器，配置高，带宽大。

二、根据用户分布区域来选择机房线路，大多APP是面向全国各地的用户，所以在服务器线路方面，推荐用多线或者BGP线路。

三、后期扩展性。随着APP规模的提升，后期升级配置以及带宽也是很常见的操作。

四、服务商的资质以及服务，APP是需要全天不间断运行的，所以选择一个有信誉，资质齐全，服务有保障的IDC服务商，在服务器出现问题时能第一时间响应并解决，非常重要。

主要看你APP的规模以及实现功能.如果是普通的新做的APP.其实用一个云主机就可以满足使用.如果是较大规模的.或者是有一定用户基数的.还是建议用独立服务器.每种用户的情况不一样.所以没有统一标准来做选择.

算法基础和数学基础都不高，学ai能干什么？

无论AI还是大数据分析、区块链，我们可以采用面向服务的方式来看。AI是一项技术革新，但终归是一种服务能力。单纯的AI技术如果不结合具体业务，也是没有实际意义的。

说起服务，就要提到服务提供者和服务使用者，前者生产服务，后者消费服务。分别来看：

1 AI提供者。也就是我们所说的生产AI算法的AI工程师，他们利用深度学习、神经网络等算法构造一种原本需要用大量人工才能实现的能力。目前在大学阶段还很少涉及这个方面的研究，从研究生阶段开始，计算机相关专业的学生可以选择这个方向做研究。也就是说，至少需要在计算机相关专业研究生这一学历攻读过程中，才能真正入门。面试过很多应聘者，通过自学能将算法研究明白并革新的人少之又少，所以如果高等数学和计算机理论不扎实，几乎无法踏入这个领域。这里我们特指的是产出算法的职位，而不是用程序实现现有算法的职位，实现算法和产出算法不在一个水平线上，普通程序员也可以实现或算法，但不能叫“AI工程师”。

2 AI使用者。前面提到过，AI是一种技术能力，技术能力需要有具体的业务来实践，如果能将现有的AI技术应用于某一领域，使某一领域的经济产出大幅提高，也是一种能力的体现。事实上，除了某些互联网大厂有能力高薪聘请技术专家研究算法，大部分企业都是使用者或者消费者，大家拿到算法应用在自己的企业或领域提升产量和绩效。打个比方，一个简单的聚类算法，应用在商店可以区分商品类别便于摆放布局，应用在银行可以区分用户类别提供个性服务，应用在商业可以实现精准营销，我们不需要知道聚类内部是怎么实现的。知道聚类怎么用，一样可以做出巨大贡献。

所以综上，如果您的算法和数学基础不高，建议您偏向后者，学习现有的主流AI技术能实现什么，然后应用到您所在的领域进行创新产生价值，而不必研究算法的内部原理甚至优化算法。

个人意见供您参考。

如果算法基础和数学基础都不高，学AI就只能做个调包侠了，除此之外还能为你提供解决某些问题的思路，如果是这样我建议你还是不要踏入这个行业了，做一个软件开发工程师也许会更好。

很多算法其实已经都被封装好了，你也不需要对算法和数学基础要求有多高，一句代价即可调用。下面就用MXNet深度学习框架来介绍一下，这里就以SSD目标检测算法为例

不用训练，也不需要任何的算法和数学基础你就完成了一个目标检测算法。

人工智能能够这么受欢迎，其实主要还是因为它确确实实能够解决很多痛点问题。比如说，某天你的上司给你提了一个需求，让你设计一套程序来识别一下，图片中的蜡笔小新

通过图片观察你可以发现，蜡笔小新有一个土豆头、大耳朵、喜欢穿红色短袖、黄色裤子等，然后再根据这些特征定义一系列的规则，最终我们的程序能够识别出蜡笔小新了，但是实际应用的时候你会发现这些特征大都需要设定阈值，而小新也不是那么听话只保持某个动作，他会做很多动作从而导致你的程序识别率并不高。

所以，这时候你必须要通过其它的方法来实现这个功能了，然而这时候你了解到了有一种目标检测算法可以很好的解决这个问题，这时候你学到AI算法就能够应用上了。

等你学完之后，想找一个人工智能开发岗位的工作时，你会发现面试官老是会问各种算法原理，如果没有一定数学知识和算法知识是很难学会这些东西的，所以如果这些基础不扎实在面试的时候就会被pass掉，更别说找一份好工作了。

到此，以上就是小编对于面向服务的软件开发的问题就介绍到这了，希望介绍关于面向服务的软件开发的2点解答对大家有用。