2017 年 11 月
第 33 卷,第 11 期
Visual Studio - 在 Visual Studio for Mac 中進行程式碼編輯與偵錯
Alessandro Del Sole 會帶您了解一些 Visual Studio for Mac 中最實用的生產力功能,讓您用來編輯與偵錯程式碼,從而建置高品質的應用程式。
程式設計師雜談 - 如何使用 MEAN:Angular 表單
Angular 中的資料輸入看似與 Web 相同,但 Angular 的做法稍微不同,即以元件的角度出發,而不是與傳統頁面類似。
辨識服務 - 運用辨識服務從文字轉換為目標式情感分析
了解如何使用 Microsoft 辨識服務的文字分析和語言分析 API 來分析文字 (例如客戶評論),以了解客戶對產品及服務的感受。
人工智慧 - 公開 Azure Machine Learning Studio 中的機器學習服務模型
Frank La Vigne 會在他首個人工智慧專欄的續篇中,探討如何使用資料模型,以及如何將其公開到 Web 成為服務。
機器學習服務 - 利用 Azure Machine Learning 時間序列分析進行異常偵測
異常偵測是 IoT 解決方案中最重要的功能之一,這項功能會持續收集並分析感應器資料。Dawid Borycki 會提供他的 RemoteCamera UWP 應用程式,以向您展示如何使用 Azure Machine Learning 時間序列異常偵測來找出異常的感應器讀數。
技術最前線 - ASP.NET MVC Core 檢視的方針
ASP.NET Core 中的 Razor 檢視助長了 HTML 傳遞的變革。Dino Esposito 探討了您能夠使用 Razor 檢視達到哪些目的。
安全性 - 讓資料與應用程式免於未經授權的洩漏及使用風險
資料的安全性取決於處理該資料的應用程式,而即使是生產應用程式,都有可能洩漏資料給偵錯工具。Joe Sewell 會說明 Visual Studio 內含的工具如何讓您的 .NET 應用程式偵測、回報與回應未經授權的偵錯及其他執行階段攻擊。
測試回合 - 使用 C# 的核心羅吉斯迴歸
核心羅吉斯迴歸 (KLR) 是能夠用於進行二進位預測的機器學習服務技術。James McCaffrey 會說明運作方式,並提供示範程式來講解。
Devops - 使用 Visual Studio 及 TFS 進行持續資料移轉
在現代應用程式開發中,持續整合是重要且公認的做法。而資料又何嘗不能同等對待呢?了解如何在已建立生產資料模型的 SQL 專案上,使用 Visual Studio 與 Team Foundation Service 來設定持續 SQL 資料整合。
不吐不快 - 封箱膠帶
封箱膠帶這個神奇的製品,在數不清的黏貼補漏任務中證明了自身的價值。現在,MSDN Magazine 的專欄作家 David Platt 想問,在軟體開發中扮演封箱膠帶角色的是什麼呢?
新崛起 - 被壓垮的創造力
期限的壓力和複雜的專案需求很容易令人喘不過氣。《新崛起》專欄作家 Krishnan Rangachari 提供了一些撇步,讓您即使身在槍林彈雨中,都能保持冷靜、維持生產力及發揮創意。