2019 年 7 月

第 35 卷,第 7 期

.NET 重整:Microsoft 對 .NET 5 的計劃

[C#]

.NET 重整:Microsoft 對 .NET 5 的計劃

作者:Mark Michaelis

Mark Michaelis 這個月將深入探討萬眾矚目的通用架構 .NET 5,該架構將 .NET Framework、Xamarin/Mono 和 .NET Core 統一到了單一且通用的目標,提供給電腦、Web、雲端和裝置開發人員使用。

Naked 編碼: Naked 網路專欄

[程式設計師雜談]

Naked 編碼:Naked 網路

Ted Neward

Ted Neward 為 Naked Objects Framework 系列作結,並稍微研究了 NOF Restful API 網路,以及網路互動儲存在用戶端與伺服器所共用超媒體文件中的整體狀態。

了解 Azure AI 服務

[Azure ML]

了解 Azure AI 服務

Ashish Sahu

人工智慧與機器學習服務愈來愈容易利用,但開發人員與資料科學家仍面臨著愈演愈烈的兩者擇一困境。Ashish Sahu 將在本次實際操作探索中,帶大家全面了解 AI 案例,並探索各種 Microsoft Azure AI 服務在各階段的可能應用方式。

ASP.NET Core gRPC 服務專欄

[技術最前線]

ASP.NET Core gRPC 服務

Dino Esposito

gRPC 是遠端程序呼叫架構,其會透過 HTTP/2 使用二進位通訊協定連線至用戶端和遠端服務。Dino Esposito 會示範如何搭配 ASP.NET Core 與 .NET Core 3.0 使用 gRPC。

利用 ASP.NET Core 中的 AI 驅動授權原則來限制網站存取

[ASP.NET Core 3.0]

利用 ASP.NET Core 中的 AI 驅動授權原則來限制網站存取

Stefano Tempesta

Stefano Tempesta 繼續了他對生物特徵辨識安全性的探索,同時逐步解說如何從註冊為 IoT 裝置的相機收集臉部資訊,並將資料串流至 Azure 中的 IoT 中樞。這個解決方案利用了機器學習服務,該服務會針對過去的資料集分析每個存取要求,來防堵未經授權的入侵。

它們去哪兒了?專欄

[不吐不快]

它們去哪兒了?

David S. Platt

David Platt 在 MSDN Magazine 負責結尾專欄的第十年即將到來,她將花點時間回顧過去的歷程,並為以前專欄提到的一些人事物補充資訊。

使用 AutoML 來建立機器學習預測系統

[機器學習服務]

使用 AutoML 來建立機器學習預測系統

James McCaffrey

Microsoft ML.NET 是充滿機器學習函式的大型開放原始碼程式庫,能讓您使用 C# 語言程式來建立預測模型。撰寫這種程式並不容易,但 James McCaffrey 將會說明 AutoML 系統如何使用 ML.NET 命令列介面 (CLI) 工具來為您建立預測模型。此外,AutoML 系統還會產生使用該模型的可自訂範例程式碼。

統一理論專欄

[編者小記]

統一理論

Michael Desmond

.NET 5 將 .NET Framework、.NET Core、Xamarin 和 Mono 都整合到了單一架構。.NET 5 在您接下來的開發中扮演著什麼樣的角色?