Po dodaniu modułu Pester do systemu Windows 10 stał się on de facto standardowym narzędziem do testów jednostkowych wśród użytkowników PowerShella. Pokazujemy, jak stosować to narzędzie, oraz opisujemy rozwiązania, które wykorzystując Pestera w tle, realizują zupełnie odmienne cele – testują konfigurację środowisk wirtualnych, serwerów baz danych oraz usług na co dzień wykorzystywanych na serwerach Windows.

Aplikacja „Podłączanie pulpitu zdalnego” była do tej pory podstawowym narzędziem do pracy z usługami terminalowymi Windows Server. Microsoft pracuje nad alternatywnym sposobem korzystania ze zdalnego dostępu, który wymaga wyłącznie przeglądarki internetowej. Już teraz możemy zainstalować wersję próbną tej usługi i sprawdzić jej działanie.

W artykule prezentujemy możliwości wykorzystania systemów unified communication do usprawnienia pracy personelu medycznego oraz procesu obsługi pacjenta. Przedstawiamy również, jak integrację tego typu systemów z rozwiązaniami chmurowymi zrealizować w praktyce.

Utrzymanie usługi Active Directory w bardzo dużych środowiskach to wyzwania związane z automatyzacją zadań oraz spełnianiem wymagań stawianych przez działy bezpieczeństwa. ADManager Plus jest oprogramowaniem, które ułatwia pracę administratorom, dostarcza im cennej wiedzy o stanie usługi i pozwala zapomnieć o wykonywaniu rutynowych, powtarzalnych prac.

W tej części kursu kontynuujemy naukę bibliotek Pandas w Pythonie. Tym razem pokażemy, jak wykorzystywać zaznaczanie warunkowe, pracować z wielowarstwowym indeksem, a także jak grupować i uzupełniać brakujące dane.

Python, wizualizacja danych, możliwości biblioteki Pandas, wykorzystywanej do szybkich analiz, a także do przygotowywania i oczyszczania danych. Przedstawiamy możliwości kolejnego narzędzia wspomagającego pracę osób pracujących jako data scientist.

W kolejnej części cyklu prezentującego możliwości języka programowania Python w zakresie analizy i przetwarzania danych przedstawiamy operacje na danych przy użyciu NumPy, a na koniec prezentujemy krótki test sprawdzający zdobytą wiedzę.

W dwóch pierwszych częściach cyklu artykułów przedstawiona została teoria budowy i działania modeli głębokiego uczenia maszynowego, zaczynając od klasyfikatorów liniowych, poprzez hiperparametry, regułę łańcuchową, metodę wstecznej propagacji błędów, w pełni połączeniowe sieci neuronowe, aż po konwolucyjne sieci neuronowe. W części trzeciej opisujemy sposoby tworzenia modeli rozpoznających obrazy na platformie Microsoft Cognitive Toolkit oraz techniki optymalizujące proces uczenia tych modeli.

Pierwsza część cyklu artykułów o modelach głębokiego uczenia maszynowego była poświęcona metodom analizy obrazów przy użyciu klasyfikatorów liniowych. W tej części przyjrzymy się metodzie uczenia głębokich sieci neuronowych metodą wstecznej propagacji błędów oraz poznamy budowę i działanie konwolucyjnych sieci neuronowych.

W kilkuczęściowym kursie pokażemy, jak wygląda praca osób na stanowisku data scientist. To coraz popularniejszy zawód, w dodatku bardzo dobrze płatny. Wystarczy opanować zasady i przyswoić wiedzę, by później tworzyć własne projekty czy znaleźć dobrze płatną pracę. Wbrew pozorom nauka tej specjalizacji nie jest przesadnie skomplikowana, dlatego tym bardziej warto zainwestować w nią swój czas.