近年来，在线教育业务蓬勃发展，业务模式和教学场景也在不断的推陈出新，新的模式和场景对直播技术提出了新的挑战，特别是沉浸式课堂教学对直播的实时性和互动性要求越来越高，作业帮运用了大量ai技术试图应对这些挑战。
大规模检索系统一直都是各个公司平台业务的底层基石，往往是以千台裸金属服务器级别的超大规模集群的方式运行，数据量巨大，对于性能、吞吐、稳定性要求极为苛刻，故障容忍度很低。
日志对研发工程师来说异常关键，同时随着微服务的流行，服务部署越来越分散化，所以我们需要一套日志服务来采集、传输、检索日志。
在作业帮的云原生容器化改造进程中，各业务线原本部署在虚拟机上的定时任务逐渐迁移到 kubernetes 集群 cronjob 上。
本文主要分享了作业帮在实际应用 k8s 过程中遇到的问题以及最终探讨出的金马国际的解决方案，希望对广大开发者有所帮助。
本文讲述作业帮的云原生历程，并围绕云原生架构和多云架构两大金马国际的解决方案进行深入延展。
本文介绍了作业帮的 wenet onnx 端到端语音识别推理方案，实验表明，相比 libtorch，onnx 的方案可获得 20% 至 30% 的速度提升。
沉浸式课堂教学对直播的实时性和互动性要求越来越高，传统的基于 rtmp 的直播技术已无法满足这一诉求。
作业帮研发团队借助 ai 视觉识别技术，解决孩子上网课“溜号”、“距离屏幕过近”等实际问题，让人工智能技术于在线教育场景中真正落地。
本文介绍作业帮“手势识别”ai 功能的研发过程
本文介绍作业帮的“语音弹幕”功能
数据分析系统在数据创造价值过程中起着非常关键的作用，直接影响业务决策效率以及决策质量。
“接到这个项目需求时，凭我多年做音视频的经验，就知道这个项目是一个棘手的活。”
分享了作业帮自研的 zrtc 技术的应用发展情况。
分享了 nlp((natural language processing) 技术在在线教育服务中的实践和创新。