2019 年 2 月

第 34 卷,第 2 期

C# - 盡可能地減少多執行緒 C# 程式碼的複雜度

[C#]

盡可能地減少多執行緒 C# 程式碼的複雜度

Thomas Hansen

比起多執行緒程式設計,有幾項作業更加具有挑戰性。本文將會探討多執行緒程式碼帶來的挑戰,並提供一些創新的方法,來協助避開多執行緒程式碼的繁雜問題。

資料點 - 使用 Azure Cosmos DB 為 MongoDB 提供的 API 來探索 Azure Cosmos DB 的多模型功能專欄

[資料點]

使用 Azure Cosmos DB 為 MongoDB 提供的 API 來探索 Azure Cosmos DB 的多模型功能

Julie Lerman

為了更加了解 Azure Cosmos DB 多模型功能,Julie Lerman 調查了適用於 MongoDB 的 Cosmos DB API,順便瞧瞧新的資料庫有什麼新功能。

機器學習 - 邊緣的機器學習:Azure ML 和 Azure IOT Edge 整合

[機器學習服務]

邊緣的機器學習:Azure ML 和 Azure IOT Edge 整合

Ted Way

了解如何將機器學期 (ML) 的好處帶往邊緣。本文示範了如何利用自訂視覺服務來訓練影像分類模型、利用 Azure Machine Learning 註冊和訓練模型,並利用 Azure IoT Edge 管理模型以及將 ML 模型部署至邊緣裝置。

程式設計師雜談 - Naked 編碼:Naked 演講者專欄

[程式設計師雜談]

Naked 編碼:Naked 演講者

Ted Neward

Ted Neward 在 Naked Objects Framework (NOF) 系列的第二篇文章開始調查 NOF 功能,並將重點放在使用者能夠在 NOF 類別上定義的項目,以及定義的項目會如何轉譯為 UI 及資料庫持續性。

Azure - 在 Azure 上建置及部署具備高可用性和復原的解決方案

[Azure]

在 Azure 上建置及部署具備高可用性和復原的解決方案

Srikantan Sankaran

本文會討論在 Azure 中建置及部署具備高可用性和復原的應用程式時,應了解的關鍵層面。了解如何使用 Azure Service Fabric 來封裝和部署啟用 Docker 容器的應用程式,以及實作以微服務架構為基礎的協調流程與服務探索功能。

人工智慧 - 進一步探討神經網路專欄

[人工智慧]

進一步探討神經網路

Frank La La

Frank La Vigne 寫道,在他親自設計了一個神經網路之後,才真正體會到神經網路的力與美。在本月的專欄中,他會示範如何從零開始,利用 Python 打造出簡單的神經網路。

Azure - 利用 Azure 機密運算來保護自己的資料

[Azure]

利用 Azure 機密運算來保護自己的資料

Stefano Tempesta

在人們將極度機密的智慧財產和資料移往公用雲端時,安全性是首要考量。Microsoft 利用 Azure 機密運算克服了安全性難題,成為第一個為使用中資料提供保護的雲端提供者。

技術最前線 - 搞定 Blazor 中的表單專欄

[技術最前線]

搞定 Blazor 中的表單

Dino Esposito

Dino Esposito 繼續探索 Blazor。他在這個月說明了 Blazor 的設計如何使其得以接收和處理事件,而不受周圍環境影響,並探索如何處理輸入表單與用戶端對伺服器的通訊。

測試回合 - 使用 Infer.NET 來為競爭者評分專欄

[測試回合]

使用 Infer.NET 來為競爭者評分

James McCaffrey

Infer.NET 是開放原始碼庫,可用來建立隨機性程式設計系統。James McCaffrey 會透過為一組競爭者評分 (並排名) 來示範如何開始使用 Infer.NET。

不吐不快 - 我們的視界專欄

[不吐不快]

我們的視界

David S. Platt

大無畏專欄作家 David Platt 從哥德的第一個不完整性定理與維爾納海森堡的測不準定理中獲得了啟發,他問道:「有沒有什麼問題是 Google 不可能正確回答的?」。

編者小記 - 新年新氣象?專欄

[編者小記]

新年新氣象?

Michael Desmond

隨著神奇又會預知天氣的土撥鼠再次主宰了我們的氣候,Michael Desmond 從 MSDN Magazine 特約編輯們那兒帶來了一些令人耳目一新的預測。