tips and tricks

1. Docker

1. Comandos: Recordatorio rápido de los comandos Docker.

2. ASP.NET

W#

1. Servicios de fondo con Hangfire: una manera fácil de realizar el procesamiento de fondo con .NET.
2. Performance C#: Comparación de perfomance entre la lista x enumerable usando para, foreach y Linq. ¿Cuáles son las apuestas para la mejor actuación?
3. Unidad de trabajo: Implementación del estándar del repositorio con unidad de trabajo.
4. Linq: Concepto y ejemplos de LINQ para facilitar la comprensión.

Aplicación web

1. Razor de sintaxis para el núcleo ASP.NET: Renderiza C# a HTML a través de la sintaxis de afeitar.
2. HTML Ayudantes x ayudantes de etiquetas: compare el uso de la etiqueta HTML Helpers x Holpers y aprenda cómo crear etiquetas personalizadas.

Openid y Oauth 2.0

1. IdentityServer4: Marco que implementa los protocolos gratuitos de OpenID y OAuth 2.0, código abierto y disponible para ASP.NET Core.

3. Flutter

1. Paquete Get: Paquete Get for Flutter con recursos de inyección de gestión, dependencia y navegación estatal.
2. Pruebas de unidad y widgets: proyecto Flutter con demostración de pruebas unitarias y pruebas de widgets.
3. Lista de animación de imágenes: lista de imágenes, similar a Instagram, con una animación de como en el doble usuario del usuario.

4. Angular

1. Formas dinámicas: proyecto angular con el objetivo de simular la creación de forma dinámicamente.

5. Python, Pandas y Aprendizaje automático

Pitón

1. DateTime: manipular fechas y horas.
2. Organizador de archivos: Organice los archivos de un directorio por tipo.
3. Decoradores: agregue características a un método existente sin cambiar su estructura.

Pandas

1. pandas.core.groupby.groupby.cumCount (): cree una columna de auto -columna basada en un grupo de columnas.
2. pandas.cut (): convierte los datos numéricos en datos categóricos.
3. pandas.dataframe.diff (): calcule la diferencia de valor entre cada línea de un cuadro de datos.
4. pandas.dataframe.unstack (): convierte los índices en columnas.
5. pandas.series.st.contains (): vea si un valor o expresión regular está contenido dentro de una serie.
6. pandas.melt (): Convierta los elementos de una lista en varias líneas en DataFrame.
7. pandas.dataframe.explode (): disponible en la versión 0.25, convierta los elementos de una lista en varias líneas en DataFrame.
8. pandas.api.types.CategoricalDType: Defina un orden para variables categóricas.

Aprendizaje automático

1. Variables categóricas: Conozca 3 técnicas para trabajar con variable categórica.
2. Valores faltantes: cumplir con 3 técnicas para trabajar con valores faltantes.
3. Sklearn.pipeline.pipeline: agrupe los pasos de preprocesamiento y modelado de datos.
4. sklearn.model_selection.cross_val_score: ejecute el proceso de modelado en diferentes subconjuntos de datos para obtener varias mediciones de calidad del modelo.

Desafíos

1. Tarjeta de crédito Kaggle: pronóstico de saldo: este cuaderno presenta un modelo capaz de predecir el saldo de la tarjeta de crédito de acuerdo con una serie de características del usuario.
2. Tarjeta de crédito Kaggle: segmentación del cliente: este estudio de caso requiere desarrollar un modelo para identificar segmentos de clientes con el fin de definir una estrategia de marketing.