2018 年 11 月
第 33 卷，第 11 期
.png ".NET Core - .NET Core 的发布选项")
.NET Core - .NET Core 的发布选项
了解 .NET Core 应用程序的发布选项。其中的两个选项（依赖于框架的部署和独立的部署）现已可用。第三个仍处于开发阶段的选项名为 CoreRT 部署，它从基于 .NET Core 的代码中生成本机二进制文件。
.png "孜孜不倦的程序员 - 如何成为 MEAN：测试 Angular")
专栏孜孜不倦的程序员 - 怎样算是 MEAN：测试 Angular
很清楚的一点是，测试不再是现代软件开发的可选部分，因此，Ted Neward 向你演示应如何对 Angular 应用程序进行测试。
.png "Azure 服务总线 - 使用 Azure 服务总线队列处理网站后台")
Azure 服务总线 - 使用 Azure 服务总线队列处理网站后台
在本文中，Will Stott 演示如何使用 Azure Functions 和服务总线队列在后台为 ASP.NET Core 2.1 WebApp 执行长时间运行的处理。
.png "人工智能 - 深入了解强化学习")
专栏人工智能 - 深入了解强化学习
强化学习是人工智能中最令人兴奋的领域之一。在本文中，Frank La Vigne 使用“多臂老虎机”问题探讨 Epsilon 贪婪算法，着重介绍 AI 代理面对的探索或利用困境。
.jpg ".NET - 使用符号委托创建你自己的脚本语言")
.NET - 使用符号委托创建你自己的脚本语言
是否厌倦了现代编程的复杂性？Thomas Hansen 是这样认为的。在本文中，他演示针对 .NET 的自制的脚本语言 Lizzie，该脚本语言使用符号委托 -- C# 设计模式，该模式从通过将字符串用作键的字典中查找委托。
.jpg "测试运行 - ML.NET 库介绍")
专栏测试运行 - ML.NET 库介绍
James McCaffrey 演示了二进制分类的逻辑回归方法，以向你介绍 ML.NET 库，该库将其原点作为内部 Microsoft 开发工具。与 CNTK 和 TensorFlow 等基于 Python 的库不同，ML.NET 无缝集成到 .NET 应用程序。
.png "机器学习 - 使用传感器和 Vision AI 分析奥林匹克跳水")
机器学习 - 使用传感器和 Vision AI 分析奥林匹克跳水
本文是着重介绍使用传感器遥测和机器学习以改进运动训练效果的第二部分。了解 Microsoft 如何与美国合作。奥林匹克跳水团队使用传感器数据、Vision AI 和同步的视频来分析跳水机制。
.jpg "别让我打开话匣子 - 钟为谁鸣")
专栏别让我打开话匣子 - 钟为谁鸣
从大烟草公司到国防承包商，他们都要应对自己制作的产品也会经常被用在不好的领域这一困境。David Platt 将在这里帮助我们使其合理化。
.jpg "编辑寄语 - 体育运动领域的传感器：深入了解应用的机器学习")
专栏编辑寄语 - 体育运动中的传感器：深入了解应用的机器学习
我们在四月发布了我们在体育运动功能方面的第一个传感器，开始了 Microsoft 与美国的合作。奥林匹克滑雪团队使用传感器遥测和 AI 改进训练效果。现在，我们本系列的第二篇文章介绍 Microsoft 与美国奥林匹克跳水团队的合作。