“Hack for Cloud beginners” Microsoft Hackathon - 微软黑客松大赛 开始报名啦!

蝶恋花雨 2017-10-17 08:00:18
加精

在这美丽的西子湖畔,微软欢迎各行各业的开发者参与此次Hack for Cloud Beginner黑客松大赛。我们致力于为开发者们提供在技术、社区领域中的交流平台,重在参与,意于创新。 
此次黑客松大赛将于10月22日在中国杭州拉开帷幕,参与者将分为“Data”以及“人工智能下的聊天机器人”两大分组,将有来自微软美国总部、微软大中华区创新技术合作事业部以及微软最有价值专家项目组的技术专家,作为组长和导师和您一起感受开发的乐趣以及高科技的魅力!带着您手中的项目或技术问题加入我们,一起享受黑客松的快乐吧!


活动地点:杭州拱墅区湖墅南路28号  杭州JW万豪酒店

活动时间:2017年10月22日(周日) 8:30-15:00

嘉宾介绍:
 

严飞
微软大中华区 创新技术合作事业部 总经理
二十年信息科技领域技术和管理经验,曾就职于西门子、爱立信、蚂蚁金服等海内外知名高科技企业。在研发、服务和市场领域积累了丰富的理论和实践经验。 
清华大学MBA、德国爱尔兰跟-纽伦堡大学通信工程硕士、浙江大学计算机学士。
 

梁迪
微软中国MVP项目组负责人
就职于微软(中国),致力于企业级生态圈建立,技术社区文化传播。曾就任美国欧洲500强各大公司市场部门,希望将微软中国技术社区与第三方社区,特别是开源社区联盟一起,做出具有中国本地特色的科技生态圈。


两组强大阵容介绍:
 

Data组 组长——梁桐铭
微软最有价值专家 从2015年5月开始在国内的开源社区中进行推广ASP.NET Boilerplate Project开源框架,创建了”角落的白板报”博客,发表一些基础性文章来帮助大家提高开发技巧。

2016年8月,制作了代码生成器(ABP Code Generator),辅助与ABP框架以提高开发人员的效率,也支持最新的Visual Studio 2017。 目前作为公司的技术leader,经过推广ABP框架之后使用.NET开发的人数也逐步上涨。现在也在开发中尝试使用.NET Core作为开发。

 
导师:闫伟
微软(中国)有限公司创新技术合作事业部开发技术顾问。致力于微软新技术与平台的推广与合作,构建开发者应用生态系统,推广微软“云+ 端”及IT 消费者化的远景和理念。对于微软人工智能与公有云Azure平台等相关技术应用及开发有着丰富经验。
 

导师:Bernd Verst
微软Azure针对开发者群组的云技术专家。专注于Linux,Containers和Python。

人工智能下的聊天机器人组 组长——丁煜恒
微软(中国)有限公司创新技术合作事业部技术顾问。致力于推广微软人工智能Bot Framework, 微软认知服务Cognitive Services以及Cortana Extensibility 等技术的落地和实现,进行微软新技术与平台的推广与合作,构建开发者应用生态系统

时间
主题
08:30-09:00
签到
09:00-09:30
开场致词
09:30-10:00
MVP Program 介绍
10:00-14:00
(含用餐时间)黑客松大赛 Hacking for Cloud Beginners / 技术话题演讲及分组
14:00-15:00
评选及颁奖

Note:


人工智能下的聊天机器人组需要做以下准备:

1)Visual studio 2017;
2)Windows 10; 
3)1元Azure试用账号:

Data组须知:

1)自带数据及项目参加者,可参与database/CosmoDB/Machine Learning/PowerBI项目;
2)非自带数据及项目参加者,可使用现场提供的数据或hands-on内容。 

酒店信息:

酒店电话:0571-85788888
入住酒店:杭州JW万豪酒店
酒店地址:杭州拱墅区湖墅南路28号

报名地址: 

http://www.huodongxing.com/event/2407015743200
...全文
3979 12 打赏 收藏 转发到动态 举报
写回复
用AI写文章
12 条回复
切换为时间正序
请发表友善的回复…
发表回复
  • 打赏
  • 举报
回复
酒店这么高档,去不起啊
Patient- 2017-10-19
  • 打赏
  • 举报
回复
┏┛┻━━━┛┻┓ ┃|||||||┃ ┃   ━   ┃ ┃ ┳┛  ┗┳  ┃ ┃       ┃ ┃   ┻   ┃ ┃       ┃ ┗━┓   ┏━┛   ┃ 史 ┃     ┃ 诗 ┃     ┃ 之 ┃     ┃ 宠 ┃   ┃   ┗━━━┓   ┃经验与我同在 ┣┓   ┃攻楼专用宠物 ┃   ┗┓┓┏━┳┓┏┛    ┃┫┫ ┃┫┫    ┗┻┛ ┗┻┛
「已注销」 2017-10-18
  • 打赏
  • 举报
回复
  • 打赏
  • 举报
回复
来支持一下
正怒月神 2017-10-17
  • 打赏
  • 举报
回复
  • 打赏
  • 举报
回复
水平相当次,就不去了。
jianghupt 2017-10-17
  • 打赏
  • 举报
回复
跟我有鸡毛的关系?
蝶恋花雨 2017-10-17
  • 打赏
  • 举报
回复
欢迎靠近杭州的就近参加。
_明月 2017-10-17
  • 打赏
  • 举报
回复
这个可以去观赛么?
源码链接: https://pan.quark.cn/s/0f7c75cb3aad ### MIPI Video Mode 与 Command Mode 的差异 #### 一、引言 MIPI (Mobile Industry Processor Interface) 是一种用于连接移动设备中处理器及其外围设备的标准化接口。MIPI 接口支持多种协议,其中包含 DSI (Display Serial Interface) 和 DCS (Display Control Interface) 等协议。在 MIPI 接口的应用中,主要涉及两种工作模式:Video Mode(视频模式)和 Command Mode(命令模式)。本文旨在系统性地阐述这两种模式的工作机制、特性以及实际应用环境。 #### 二、LCD RAM 概念说明 在进一步探讨 MIPI 的两种模式之前,有必要对文中提及的“LCD RAM”概念进行明确。实际上,“LCD RAM”并非一个通用术语,而是本文作者用来描述 LCD 控制器中用于存储显示数据的内存区域。LCD(Liquid Crystal Display,液晶显示屏)通常配备一个控制 IC(Integrated Circuit,集成电路),该控制 IC 可能内置 RAM 以缓存显示数据。 #### 三、MIPI Video Mode(视频模式) **定义:** - 视频模式是一种类似于传统 RGB 接口的工作模式,它要求主机持续不断地向显示器传输刷新数据。 - 在这种模式下,数据和控制信号以报文的形式通过 MIPI 总线进行传输。 - 显示器本身无需配备帧缓冲器,因为主机会周期性地刷新屏幕。 **特点:** 1. **实时性高:** 主机需要不...
源码下载地址: https://pan.quark.cn/s/a4b39357ea24 在电磁模拟技术中,CST(Computer Simulation Technology)是一种被广泛采纳的软件工具,它主要用于电磁场、微波、天线以及射频系统的设计工作。本资料将详细分析CST软件中离散端口的具体配置方法,这些方法对于提升仿真结果的精确度和专业水准具有决定性作用。离散端口在CST软件中扮演着模拟信号输入或输出的重要角色,它们构成了仿真模型不可或缺的部分。在配置离散端口时,一个核心的原则是保证端口的方向与网格线保持一致,这是因为这样做能够有效降低计算过程中产生的误差,并确保仿真数据的有效性。如果未能遵循这一指导原则,可能会引发未知的计算问题,进而导致仿真结果失去可靠性。 在CST软件中配置离散端口,通常需要借助“Pick Points”这一功能。通过选择“Pick Edge Center”选项,端口将被设定在模型边缘的中心位置上。然而,这种做法并不总是能够确保端口与网格线保持平行。在某些特定情形下,模型的几何构造可能不允许直接选取一个与网格线平行的边作为端口的安装位置。 为了克服这一挑战,可以采用多种不同的策略。如果模型本身已经包含一条与馈电口平行的边,那么可以直接利用这条边来建立端口,此时CST软件会自动调整端口使其与网格线对齐。另一种可选的方法是,当模型不具备现成的平行边时,用户可以手动构建一个几何结构,比如一个立方体,并使其边缘与馈电口平行。通过这种方式,新建立的几何结构的边缘就可以作为端口的位置,从而确保端口与网格线的平行关系。 在实施上述操作时,必须关注端口尺寸的合理性和物理意义的一致性。端口的尺寸应当依据实际天线馈电部分的尺寸进行适当调整,过大的端口或...
代码下载链接: https://pan.quark.cn/s/a4b39357ea24 【使用TensorFlow进行图像识别】 图像识别作为计算机视觉领域的关键任务之一,其核心在于通过算法解析和理解图像所包含的信息。在此资源中,我们将集中探讨如何借助功能强大的深度学习框架TensorFlow来执行手写数字识别。手写数字识别构成了众多实际应用的基础,例如自动支票处理、光学字符识别(OCR)等场景。 TensorFlow是由Google创建的一个开源库,它主要用于数值运算和机器学习,尤其在深度学习方面表现卓越。其核心优势在于可以构建并训练复杂的神经网络架构,并且在多种硬件环境中实现高效执行,涵盖CPU和GPU平台。 在此实践项目中,我们将运用TensorFlow来构建一个卷积神经网络(CNN)模型,这种架构是处理图像数据的理想选择。CNNs通过模仿人脑视觉皮层的运作机制,能够自主地提取图像中的关键特征,进而达成识别目标。在手写数字识别的特定情境下,这些特征可能涉及笔画的几何形态、走向以及相互间的连接模式。 对于CNN的基础结构,我们需要具备相应的认知,其通常由卷积层、池化层、全连接层以及激活函数等部分组成。卷积层借助滤波器(亦称卷积核)对图像进行扫描,以捕捉局部特征;池化层则用于降低数据维度,同时保留核心信息;全连接层将特征向量映射至各类别的概率分布;而激活函数如ReLU则通过引入非线性元素,使模型能够学习更为复杂的模式。 在此案例中,建议采用MNIST数据集,这是一个广泛用于手写数字识别的标准测试集。该数据集包含60,000个训练样本和10,000个测试样本,每个样本均为28x28像素的灰度图像,代表0到9这十个数字中的某一个。为了训练模型,必须首先加载数据,并...

7,776

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧