【LINQ 编写 C#】【PaaS】【机器学习】| Chat · 预告

1

用 LINQ 编写 C# 都有哪些一招必杀的技巧？

作者简介：

曹某某，来自南京的 .NET 码农，微软 MVP，CSDN 版主。将近10年里干过架构师，也当过产品经理，csdn 中的 caozhy，人称老曹。

程序员中英语不错，业余还玩玩天文，猫奴一枚。

Chat 简介：

熟练使用 LINQ，可以把原先要写几十行的代码，用一行搞定，堪称 C# 语言中的瑞士军刀。

很多人理解中，LINQ 是一种数据库查询的替代品，很多人只知道用 where，orderby 等几个关键字，对 LINQ 的强大功能还没有了解。

我将在这个讨论中给大家展示 LINQ 的一些技巧。你将看到，用 LINQ 编写洗牌算法、排列组合、递归遍历、表单验证、批量操作文件、运用表达式树实现元编程等。

长按扫码报名

2

PaaS 平台的架构、现状及未来

作者简介：

杨小哥，TruePaaS 平台研发负责人。曾担任数梦工场PaaS平台研发。主要工作领域：linux 驱动，内核，容器平台，PaaS，微服务架构。

Chat 简介：

根据 Gartner 的报告，从 2015 到 2018 年，在电子商务相关领域不管是公司还是个人在做转型的过程中，基于 PaaS 的云开发模式是唯一可以协助其成功的因素。这表明在接下来的三年是云在电子商务领域扎扎实实落地的三年。

基于 PaaS 平台，用户可以快速完成关键业务的开发与部署，省去了在基础设施建设与环境运维方面投入的资金与时间。在这次分享中我将结合自身 PaaS 平台开发经验来阐述如下几个关于 PaaS 的问题：

1. PaaS 是什么？

2. 主流 PaaS 平台架构及对比?

3. PaaS 平台和 SaaS 应用市场是什么关系？

4. PaaS 平台下如何进行云原生应用开发 ？

5. PaaS 未来将如何发展畅想？

长按扫码报名

3

机器学习面试干货精讲

作者简介：

de,light，双985研究生学历软件工程出身，曾从事于Android、Linux嵌入式开发。

对人工智能有狂热兴趣，现专注机器学习与深度学习，有丰富机器学习实战经验，希望帮助更多的同学走进人工智能的世界。

Chat 简介：

随着 AlphaGo 打败世界冠军，人工智能越来越火。越来越多的小伙伴想要从事这方面的工作。

本场 Chat 的目标就是：帮助想从事这方面工作却又无从下手的人。略去繁杂的公式推导，以最通俗易懂的语言，抓住各个模型的最核心、面试中最容易问的地方，来一场干货精讲！内容如下：

1. 决策树（ID3，C4.5，CART）原理，信息增益，信息增益比的引入原因，Gini 指数的用途和原理

2. 随机森林原理，优缺点

3. Adaboost 原理

4. GBDT 原理以及与随机森林对比

5. Logistic 原理，损失函数，优缺点

6. SVM 原理，损失函数，优缺点

7. 利用 sklearn 进行案例实战分析

长按扫码报名

4

务实而深入地理解机器学习的几个经典算法

作者简介：

alg-flody，北京林业大学硕士研究生，工作三年多，现在某工业互联网公司从事算法研究，参与多个项目和公司产品研发，乐于知识分享，创办机器学习，深度学习相关的系统入门学习之微信公众号《算法channel》。

Chat 简介：

现实问题错综复杂，仅仅调调 Sklearn 或 TensorFlow 的几个 API 就能把事做好？ 应该没那么简单？！

通常先务实地学几个经典算法，体会其思想，最好能编写源码实现它们，然后再勇往直前。主要内容包括：

1. ML 的算法框架，通常包括哪几部分？

2. 海量的数据 feed 到 ML 算法模型后，如何高效地利用它们？最终学到了什么？ 让它们停下来的策略都有哪些？

3. OLS 线性回归的误差项为什么要满足高斯分布？最大似然估计原理如何通俗理解和灵活运用？

4. OLS 的直接求解是必然还是偶然？

5. OLS 的梯度下降如何实施？包括不调包的源码实现

6. 线性回归到逻辑回归，Sigmoid 映射起到了什么作用？

7. 实战逻辑回归任务，包括不调包的梯度下降源码实现。

8. 决策树的算法思想是什么？

9. 从数据结构看，基本的二叉树如何演化成了决策树？

10. 实战决策树做回归任务，包括不调包的源码实现。

长按扫码报名