2019 年 1 月
第 34 卷,第 1 期
[機器學習服務]
Windows 上的 PyTorch 簡介
與 Microsoft CNTK、Google TensorFlow 及 scikit-learn 這些熱門程式庫相較之下,PyTorch 是與眾不同的神經網路程式庫,並在較低的層級運作。了解如何開始使用 PyTorch 程式庫,以及善用程式碼額外控制權的方法。
Connect(); 2018 特刊
Microsoft 與開發人員社群之間的交流,並不限於 Connect(); 大會。這份 MSDN Magazine 特刊探討了 Microsoft 傳達的願景,及其對開發人員有何影響。
[.NET]
利用概率程式設計的機器學習服務
當我們為了解決機器學習服務問題,而要建置統計模型時,概率程式設計是相當實用的方法。了解 Infer.NET 這種提供演算法的 Microsoft 架構,如何以資料為基底進行概率推斷,讓這種方法更易於實作。
[資料點]
EF Core Cosmos DB 提供者預覽的概觀
在兩集連載的第一集中,Julie Lerman 將帶領大家了解 EF Core 中的 Cosmos DB 提供者預覽,並講述部分基本概念,內容包括如何將提供者加入解決方案、讓 EF Core 建立 Cosmos DB 資料庫,以及將資料儲存到集合。
[程式設計師雜談]
Naked 編碼
Naked Objects Framework 的目標是延伸此一想法:開發人員應只專注於業務領域,使用者則能夠直接使用物件,而沒有任何外加之物。Ted Neward 開始的新系列將會探討基礎概念。
[SQL]
Azure SQL Database Hyperscale 簡介
了解 Azure SQL Database Hyperscale 這個擁有獨特優勢的革命性新架構,也就是與先前的 SQL 引擎世代完全相容。
[技術最前線]
Blazor 中的範本型元件
只有具備範本支援的元件才稱得上合理,而 Blazor 元件也不例外。Dino Esposito 會在最新的 Blazor 專欄中探討 Blazor 元件的運作方式,方法是更新在之前專欄中提到的預先輸入範例,並將其轉換為範本型元件。
[測試回合]
使用 C# 的自組織對應
雖然自組織對應算是較為簡單的機器學習服務技術/物件,但因為變化多端又具有類似其他數種 ML 技術的特性,所以常使人們混淆。James McCaffrey 會說明其運作方式和有效的利用方法。
[編者小記]
搭上 AI 潮
一月發行的 MSDN Magazine 把重點放到了機器學習服務和人工智慧上,此外還探討了 PyTorch 低層級神經網路程式庫,以及適用於 .NET 的 ML.NET 架構等進階工具組。