VB.net与 C# 该学哪样好些

funbird 2004-01-09 03:25:31

我曾经学习过VB6，也做个一些小SQL server数据库MIS系统
现在我想升级学习.net，但不知道C#和VB.net该学哪样好

谢谢大家，提些建议，免得少走些弯路。

...全文

99 11 打赏收藏转发到动态举报

写回复

用AI写文章

11 条回复

切换为时间正序

请发表友善的回复…

发表回复

Didizyp 2004-01-30

打赏
举报

其实都是一回事，但VB不强调大小写。

fallingstarNo1 2004-01-29

打赏
举报

当然是学C#啦，C#的功能比VB强多了！！

Ninputer 2004-01-25

打赏
举报

现在VB.net的用户群已经比较稳定了，而且VB.net没有任何功能比C#差劲，所以为了保护你所学知识，减少事件的浪费，还是使用VB.net。在使用过程中你会自动学会c#的，我保证。

flying310 2004-01-15

打赏
举报

有vb的基础还是学vb.net的好。

Bkoklam 2004-01-14

打赏
举报

虽然现在VB的用户是很庞大的一个团队，而C＃是崭新的面向对象的程序设计语言，目前来说他的用户数量还是没有VB多，但从长远的应用前途来看学C＃还是最佳的选择。
本人原来是BCB的疯狂用户，但我现在开始迁移到C＃了（其中肯定有原因的）。

dahuzizyd 2004-01-13

打赏
举报

学VB.net更快些，但是我觉得C#将来会用的多些

dabai1980 2004-01-13

打赏
举报

什么都一样～
不过建议学习VB.NET

阿云ivan 2004-01-13

打赏
举报

当然是学C#啦，C#的功能比VB强多了！！

yujun366 2004-01-13

打赏
举报

C＃

clicknet 2004-01-12

打赏
举报

你是VB出生的建议学vb.net比较快.
如果是c++ 出生的就学c#

xygxyg 2004-01-12

打赏
举报

请不要拿那种一年级小孩子,都知道的问题来,浪费大家的时间和眼睛

stm32单片机项目资料智能家居资料参赛作品低成本的智能家居联网控制解决方案

原创 Coding Agent Worktree Ownership Auditor 工具，将智能体会话、分支、工作树、文件锁、提交和合并请求建图，发现并发修改冲突和无人归属产物。压缩包包含完整源码、3 项自动化测试、可复现合成示例、离线 HTML/JSON/SVG 报告、1080×720 真实运行效果图、README、运行说明、功能清单、MIT License 及原创与授权声明。运行时零第三方依赖，不包含热点产品或开源项目源码、Logo、官方截图、论文、生产日志或其他受限素材。

数据名称： 337个城市农业机械化数据（2000-2025年）数据范围： 337个城市数据来源：国家统计局、《中国统计年鉴》、各地方统计局及年鉴等数据注意：含原始数据、线性插值、回归填补等三种版本，其中原始数据中含有一定缺失值，请谨慎使用数据指标：年份、省份、城市、省份代码、城市代码、农业机械总动力(千瓦)、农业机械总动力_名义增速(%)、农村用电量(万千瓦时)、农村用电量_名义增速(%)、农业机械化强度(千瓦/公顷) 目前各地农业机械化情况哈尔滨市大力推进智能农机装备迭代升级，全市主要农作物耕种收综合机械化率稳定在99%以上，位居全国省会城市前列。齐齐哈尔市深耕黑土地保护性耕作，2025年全市大型智能拖拉机、高端联合收割机保有量持续攀升，大豆、玉米全程机械化作业实现全覆盖。

内容概要：本文研究了基于ARIMA-CNN-LSTM的分层式组合预测模型，旨在克服单一模型在处理时间序列数据时的局限性。该模型充分融合ARIMA模型对线性趋势与周期性成分的建模能力、卷积神经网络（CNN）对局部非线性特征的高效提取能力，以及长短期记忆网络（LSTM）对长期时序依赖关系的捕捉能力，构建了一个兼具线性与非线性建模优势的混合预测框架。通过在电力负荷、风速、交通流量等多种实际场景中的实验验证，该组合模型在预测精度、泛化能力和稳定性方面均显著优于单一模型，尤其适用于复杂多变的时间序列预测任务。; 适合人群：具备一定时间序列分析基础，熟悉Python编程，从事数据分析、人工智能或相关领域研究的研发人员及研究生。; 使用场景及目标：①解决复杂时间序列预测任务中线性与非线性特征共存的问题；②提升在电力负荷、环境监测、金融等领域的预测准确率；③为多模型融合方法的研究与应用提供实践参考。; 阅读建议：学习者应在掌握ARIMA、CNN和LSTM基本原理的基础上，结合文中提供的Python代码实现，动手复现实验过程，并尝试在不同数据集上进行调参与优化，以深入理解组合模型的设计思想与技术细节。

参照赵国庆（2024）的做法，团队对来自产业经济评论《企业数字化转型是否赋能企业新质生产力发展——基于中国上市企业的微观证据》一文中的基准回归部分进行复刻基于2015-2023年中国A股上市公司数据，实证分析企业数字化转型对新质生产力的影响效应一、数据介绍数据名称：企业数字化转型是否赋能企业新质生产力发展数据范围：A股上市公司数据年份：2015-2023年有效样本：25330条数据说明：参考宋佳等(2024)的研究测算新质生产力水平，根据年报词频构建数字化转型内含原始数据、dofile和基准回归二、数据指标股票代码股票简称年份省份城市区县省份代码城市代码区县代码行业代码行业名称企业上市年龄是否ST或金融类资产负债率企业新质生产力水平数字化转型MD&A词汇和加1取对数数字化转型MD&A词汇B 第一大股东持股比例企业市盈率企业资本密集度两权分离率女性董事人数三、参考文献赵国庆,李俊廷.企业数字化转型是否赋能企业新质生产力发展——基于中国上市企业的微观证据[J].产业经济评论,2024,(04):23-34.

.NET技术其他语言

1,979

社区成员

12,447

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章