tips and tricks

1. นักเทียบท่า

1. คำสั่ง: การเตือนความจำอย่างรวดเร็วของคำสั่ง Docker

2. asp.net

W#

1. บริการพื้นหลังด้วย Hangfire: วิธีง่ายๆในการประมวลผลพื้นหลังด้วย. NET
2. ประสิทธิภาพ C#: การเปรียบเทียบ perfomance ระหว่างรายการ x ที่ระบุโดยใช้สำหรับ foreach และ linq การเดิมพันสำหรับประสิทธิภาพที่ดีที่สุดคืออะไร?
3. หน่วยงาน: การดำเนินการตามมาตรฐานที่เก็บด้วยหน่วยงาน
4. LINQ: แนวคิดและตัวอย่างของ LINQ เพื่ออำนวยความสะดวกในการทำความเข้าใจ

เว็บแอปพลิเคชัน

1. มีดโกนไวยากรณ์สำหรับ ASP.NET CORE: Render C# ถึง HTML ผ่านทางไวยากรณ์มีดโกน
2. HTML Helpers X Tag Helpers: เปรียบเทียบการใช้แท็ก HTML Helpers x Holpers และเรียนรู้วิธีการสร้างแท็กที่กำหนดเอง

OpenID และ OAUTH 2.0

1. IdentityServer4: เฟรมเวิร์กที่ใช้โปรโตคอล OpenID และ OAUTH 2.0 ฟรีโอเพ่นซอร์สและพร้อมใช้งานสำหรับ ASP.NET Core

3. กระพือ

1. แพ็คเกจรับ: แพ็คเกจรับสำหรับการจัดการกับการจัดการสถานะการพึ่งพาและทรัพยากรการฉีด
2. การทดสอบหน่วยและวิดเจ็ต: โครงการกระพือที่มีการสาธิตการทดสอบหน่วยและการทดสอบวิดเจ็ต
3. รายการภาพเคลื่อนไหวของรูปภาพ: รายการรูปภาพคล้ายกับ Instagram พร้อมกับภาพเคลื่อนไหวของ Like in the Double User Touch

4. เชิงมุม

1. รูปแบบแบบไดนามิก: โครงการเชิงมุมโดยมีวัตถุประสงค์เพื่อจำลองการสร้างรูปแบบแบบไดนามิก

5. Python, Pandas และ Machine Learning

งูหลาม

1. DateTime: จัดการวันที่และชั่วโมง
2. ตัวจัดระเบียบไฟล์: จัดระเบียบไฟล์ของไดเรกทอรีตามประเภท
3. นักตกแต่ง: เพิ่มคุณสมบัติลงในวิธีการที่มีอยู่โดยไม่ต้องเปลี่ยนโครงสร้าง

แพนด้า

1. pandas.core.groupby.groupby.cumcount (): สร้างคอลัมน์คอลัมน์ด้วยตนเองตามกลุ่มของคอลัมน์
2. pandas.cut (): แปลงข้อมูลตัวเลขเป็นข้อมูลหมวดหมู่
3. pandas.dataframe.diff (): คำนวณความแตกต่างของค่าระหว่างแต่ละบรรทัดของ dataframe
4. pandas.dataframe.unstack (): แปลงดัชนีเป็นคอลัมน์
5. pandas.series.st.contains (): ดูว่าค่าปกติหรือนิพจน์อยู่ในชุด
6. pandas.melt (): แปลงองค์ประกอบของรายการเป็นหลายบรรทัดใน DataFrame
7. pandas.dataframe.explode (): มีให้จากเวอร์ชัน 0.25, แปลงองค์ประกอบของรายการเป็นหลายบรรทัดใน dataframe
8. pandas.api.types.categoricaldtype: กำหนดลำดับสำหรับตัวแปรหมวดหมู่

การเรียนรู้ของเครื่องจักร

1. ตัวแปรหมวดหมู่: รู้ 3 เทคนิคในการทำงานกับตัวแปรหมวดหมู่
2. ค่าที่ขาดหายไป: พบ 3 เทคนิคสำหรับการทำงานกับค่าที่ขาดหายไป
3. sklearn.pipeline.pipeline: จัดกลุ่มขั้นตอนการประมวลผลล่วงหน้าและการสร้างแบบจำลองข้อมูล
4. sklearn.model_selection.cross_val_score: เรียกใช้กระบวนการสร้างแบบจำลองในชุดย่อยข้อมูลที่แตกต่างกันเพื่อให้ได้การวัดคุณภาพแบบจำลองต่างๆ

ความท้าทาย

1. บัตรเครดิต Kaggle - การพยากรณ์ยอดคงเหลือ: โน้ตบุ๊กนี้นำเสนอรูปแบบที่สามารถทำนายยอดคงเหลือของบัตรเครดิตได้ตามชุดของลักษณะของผู้ใช้
2. บัตรเครดิต Kaggle - การแบ่งส่วนลูกค้า: กรณีศึกษานี้ต้องมีการพัฒนารูปแบบเพื่อระบุการแบ่งส่วนลูกค้าเพื่อกำหนดกลยุทธ์การตลาด