April 2019
Band 34, Nummer 4
[Xamarin]
Neuerungen in Xamarin.Forms 4.0
Xamarin.Forms 4.0 befindet sich noch in der Vorschau, aber eine Reihe neuer Features und Verbesserungen sind bereits verfügbar, z.B. die neue CollectionView und die aktualisierten CarouselView-Steuerelemente, die Visual-Eigenschaft und die Shell. Erfahren Sie, was Sie in der neuesten Version vorfinden und welche Art von Unterstützung Sie in der nächsten Edition von Visual Studio erwarten können.
[Data Points]
EF Core in einer containerisierten Docker-App
In Anbetracht der Zeit, die sie damit verbracht hat, mehr über EF Core und Docker zu erfahren, hatte Julie Lerman sich vorgestellt, dass es nicht allzu schwierig sein würde, beides zusammen zu verwenden, um eine containerisierte App zu erstellen und einen Datenpersistenzmechanismus hinzuzufügen. Es hat sich jedoch herausgestellt, dass es komplizierter war, als sie gedacht hatte. Erfahren Sie wie und warum, und nutzen Sie ihre Erfahrungen, um Ihre eigenen Anstrengungen zu erleichtern.
[Machine Learning]
Closed-Loop-Intelligenz: Ein Entwurfsmuster für Machine Learning
Machine Learning ist ein fantastisches Tool, aber das Beste daraus zu machen, erfordert weitaus mehr, als ein Modell zu erstellen und einige Vorhersagen zu treffen. Dieser Artikel beschreibt die Technologie, die Sie implementieren können, um den Wachstumsprozess einer auf Machine Learning basierenden Lösung zu unterstützen und sie aus einer fehleranfälligen ersten Version in eine Intelligenzleistung mit Weltklasse zu transformieren.
[Künstlich Intelligent]
Wie lernen neuronale Netze?
Backpropagation, Gradientenverfahren und Verlust sind alles Begriffe, die im Zusammenhang mit Machine Learning stehen. Dieser Artikel untersucht den Vorgang der Backpropagation ausführlich und stellt den Prozess vor, mit dem Computer die Verwendung von Keras erlernen können.
[Azure Confidential Computing]
Sicheres Machine Learning mit mehreren Parteien mit Azure Confidential Computing
Erfahren Sie, wie vertrauliche Daten in einer SQL Server-Datenbank mit Always Encrypted mit der Secure Enclaves-Technologie gespeichert und mithilfe des Open Enclave SDK mit einem Machine Learning-Dienst gemeinsam genutzt werden, der in einer vertrauenswürdigen Ausführungsumgebung ausgeführt wird. In diesem Beispiel ermöglicht eine Machine Learning-Anwendung mehreren Parteien im Gesundheitswesen die gemeinsame Nutzung von Daten, um ein besseres Vorhersagemodell zu erstellen.
[Test Run]
Neuronale Anomalieerkennung mit PyTorch
Anomalieerkennung ist der Vorgang, bei dem seltene Elemente in einem Dataset gefunden werden. Unter Verwendung der PyTorch-Bibliothek stellt James McCaffrey ein Demoprogramm vor, das einen neuronalen Autoencoder zur Verarbeitung der Anomalieerkennung erstellt. Dies bringt einen zusätzlichen Vorteil mit sich, da neuronale Techniken nicht-numerische Daten durch Codieren dieser Daten verarbeiten können.
[.NET]
Implementieren Ihrer eigenen Unternehmenssuche
Die Suche ist eine der leistungsstärksten Funktionen in einer IT-Infrastruktur. Dennoch bleibt sie weitgehend unverstanden und wird nur dann beachtet, wenn etwas fehlt oder nicht funktioniert. Erfahren Sie, wie Sie mit der Entwicklung einer Unternehmenssuch-API in C# mit Solr und SolrNet beginnen können.
[Fangen Sie bitte nicht mit diesem Thema an]
Humor auf dem Prüfstand
Im Geiste des Aprilscherzes beschließt David Platt, Cortana, Siri, Alexa und OK Google zu bitten, ihm einen Witz zu erzählen. Die lahmen Witze, die er als Antwort erhalten hat, haben ihn veranlasst, sich ausführlicher mit der schwierigen Beziehung zwischen Computern und Humor auseinanderzusetzen.
[Anmerkung des Herausgebers]
Anpassung an Machine Learning
Geoffrey Hultens Beitrag zu Machine Learning-Mustern und -Praktiken befasst sich mit einem wichtigen Aspekt für Entwickler, die sich zunehmend mit Machine Learning und KI beschäftigen.