tips and tricks

1. Docker

1. Befehle: Schnelle Erinnerung an Docker -Befehle.

2. ASP.NET

W#

1. Hintergrunddienste mit HangFire: Eine einfache Möglichkeit, die Hintergrundverarbeitung mit .NET durchzuführen.
2. Performance C#: Perfomance -Vergleich zwischen der Liste x Aufzählbar für, foreach und linq. Was sind die Wetten für die beste Leistung?
3. Arbeitseinheit: Implementierung des Repository -Standards mit Arbeitseinheit.
4. LINQ: Konzept und Beispiele für LINQ, um das Verständnis zu erleichtern.

Web -App

1. Syntax Rasiermesser für ASP.NET CORE: Rendern C# zu HTML durch die Razor -Syntax.
2. HTML -Helfer X -Tag -Helfer: Vergleichen Sie die Verwendung von HTML -Helpern X Holpers -Tag und lernen Sie, wie Sie benutzerdefinierte Tags erstellen.

OpenID und OAuth 2.0

1. IdentityServer4: Framework, das die kostenlosen OpenID- und OAuth 2.0 -Protokolle, Open Source implementiert und für ASP.NET Core verfügbar ist.

3. Flattern

1. Paket GET: Paket Get für Flutter mit staatlichen Management-, Abhängigkeits- und Navigationseinspritzressourcen.
2. Einheiten- und Widget -Tests: Flutter -Projekt mit Demonstration von Unit -Tests und Widget -Tests.
3. Animationsliste von Bildern: Bildliste, ähnlich wie bei Instagram, mit einer Animation von Like in the Double User Touch.

4. Angular

1. Dynamische Formen: Winkelprojekt mit dem Ziel, die Erstellung der Form dynamisch zu simulieren.

5. Python, Pandas und maschinelles Lernen

Python

1. DateTime: Manipulieren Sie Daten und Stunden.
2. Dateiorganisator: Organisieren Sie die Dateien eines Verzeichnisses nach Typ.
3. Dekorateure: Fügen Sie eine vorhandene Methode hinzu, ohne ihre Struktur zu ändern.

Pandas

1. pandas.core.groupby.groupby.cumCount (): Erstellen Sie eine Self -Column -Spalte basierend auf einer Gruppe von Spalten.
2. pandas.cut (): Numerische Daten in kategoriale Daten umwandeln.
3. pandas.dataframe.diff (): Berechnen Sie die Wertdifferenz zwischen jeder Zeile eines Datenrahmens.
4. pandas.dataframe.unstack (): Umwandelt Indizes in Spalten.
5. pandas.series.st.contains (): Sehen Sie, ob in einer Reihe ein regulärer Wert oder Ausdruck enthalten ist.
6. pandas.melt (): Umwandeln Sie die Elemente einer Liste in mehrere Zeilen im DataFrame.
7. pandas.dataframe.explode (): Umgestellt aus Version 0.25 die Elemente einer Liste in mehrere Zeilen im DataFrame.
8. pandas.api.types.categoricalDtype: Definieren Sie eine Reihenfolge für kategoriale Variablen.

Maschinelles Lernen

1. Kategorische Variablen: Kennen Sie 3 Techniken, um mit variabler kategorisch zu arbeiten.
2. Fehlende Werte: Treffen Sie 3 Techniken für die Arbeit mit fehlenden Werten.
3. Sklearn.pipeline.pipeline: Gruppieren Sie die Schritte für Vorverarbeitungs- und Datenmodellierungsschritte.
4. sklearn.model_selection.cross_val_score: Führen Sie den Modellierungsprozess in verschiedenen Datenuntergruppen aus, um verschiedene Modellqualitätsmessungen zu erhalten.

Herausforderungen

1. Kaggle Credit Card - Balance Prognose: Dieses Notizbuch bietet ein Modell, das die Kreditkartenbilanz gemäß einer Reihe von Benutzermerkmalen vorhersagen kann.
2. Kaggle Credit Card - Kundensegmentierung: Diese Fallstudie erfordert die Entwicklung eines Modells, um Kundensegmentierungen zu identifizieren, um eine Marketingstrategie zu definieren.