重構：改善.NET與C#應用程式的設計，償還欠下的技術債（使用GitHub Copilot與Visual Studio） (1版)

類似書籍推薦給您

【簡介】 『技術債在每個程式倉庫（codebase）中幾乎無所不在。它是一種隱喻，代表著軟體演變過程中留下的小小麻煩（有時並不那麼小），例如捷徑、混亂、設計不相符等問題，這些問題往往是由於軟體無法適應不斷變化的外部因素所造成的。如果不加以控制，這些問題就會導致工作效率急遽下降，而重構（refactoring）正是開發者處理這個問題的主要工具。這是每位開發者都應該掌握的重要技能。』 ——NimblePros首席架構師　Steve "ardalis" Smith 『這是一本.NET資淺到資深開發者都能受益的書。程式開發沒有人不需要重構，而重構未必需要很多高深的理論才能做，只要你學好本書的精髓，沒有Visual Studio一樣可以重構，只是有工具的幫忙可以發揮加分效果，這是我在審校本書時很深的體悟。』 ——微軟最有價值專家(Microsoft MVP)　陳傳興(Bruce Chen) 重構：改善.NET與C#應用程式的設計，償還欠下的技術債 Refactoring with C# 使用GitHub Copilot與Visual Studio 每個軟體專案剛開始時都是一塊全新的綠地(greenfield)樂園，但技術債(technical debt)往往比預期更早出現，軟體專案很快就會變成一片棕地(brownfield)荒野，徒留滿地遺留程式碼(legacy code)和技術債。在本書中，你將了解技術債的概念與成因，並學習使用Visual Studio的現代化工具，以及C# 12和.NET 8的最新語言功能，以此安全地重構你的C#程式碼。 我們將一步步指引你學會使用xUnit和Moq、Snapper、Scientist .NET等函式庫，使用這些工具，你就能執行更進階的單元測試，安全地進行重構。我們也會詳述SOLID原則，以及新版C#帶來的防禦性程式設計技巧，藉此打造更容易維護的程式碼。我們還會說明如何執行程式碼分析，並撰寫自訂的Roslyn分析器，來檢測和解決程式碼中獨有的問題。 程式設計的性質正在發生變化，為了迎接AI帶來的衝擊，本書「第11章」會專門討論GitHub Copilot Chat這個AI助理，看看它如何協助我們進行重構、測試、撰寫文件和產生程式碼。最後，我們也會討論如何在敏捷團隊和企業組織中，向領導者們溝通技術債的風險與重構的必要性，並獲得組織的支持與尊重。 讀完本書，你將理解重構的本質，了解如何安全、有效、可重複地償還應用程式中的技術債，同時為企業帶來價值。無論你是新手開發者，還是有多年經驗的資深開發者，相信你們都能在本書中找到一些實用的提示和技術。 ★學習目標★ ・理解技術債的成因、影響及預防方法 ・探索重構類別、方法和單行程式碼的不同做法 ・如何使用Moq等函式庫撰寫有效的單元測試 ・理解SOLID原則，以及如何打造可維護的程式碼 ・GitHub Copilot Chat如何協助開發者分析、改善和測試程式碼 ・應用程式碼分析和自訂Roslyn分析工具，確保程式碼保持整潔 ・在敏捷團隊中正面表達技術債的風險，並採用一致的程式碼標準 【範例程式碼】 讀者可以從GitHub下載本書的範例程式碼，如果程式碼有更新，作者也會直接更新在存放庫上：https://github.com/PacktPublishing/Refactoring-with-CSharp。 【彩色圖片】 博碩文化官網也有提供本書使用的螢幕畫面截圖及彩色圖表。 【目錄】 審校序 推薦序 貢獻者 前言 Part 1：在Visual Studio中使用C#進行重構 第1章：技術債、程式碼異味與重構 1.1 理解技術債和遺留程式碼 1.2 識別程式碼異味 1.3 介紹重構 1.4 案例研究：雲霄航空公司 1.5 小結 1.6 問題 1.7 延伸閱讀 第2章：重構簡介 2.1 技術需求 2.2 重構行李費用計算器 2.3 在其他編輯器中的重構 2.4 小結 2.5 問題 2.6 延伸閱讀 第3章：重構程式碼流程和迭代 3.1 技術需求 3.2 重構登機應用程式 3.3 控制程式流程 3.4 執行個體化物件 3.5 迭代集合 3.6 重構LINQ陳述式 3.7 檢查並測試我們重構後的程式碼 3.8 小結 3.9 問題 3.10 延伸閱讀 第4章：在方法層級的重構 4.1 技術需求 4.2 重構航班追蹤器 4.3 重構方法 4.4 重構建構函式 4.5 重構參數 4.6 重構為函式 4.7 介紹靜態方法和擴充方法 4.8 檢查並測試我們重構後的程式碼 4.9 小結 4.10 問題 4.11 延伸閱讀 第5章：物件導向重構 5.1 技術需求 5.2 重構航班搜尋系統 5.3 透過重構來組織類別 5.4 重構與繼承 5.5 使用抽象控制繼承 5.6 為更好的封裝進行重構 5.7 透過介面和多型來改善類別 5.8 檢查並測試我們重構後的程式碼 5.9 小結 5.10 問題 5.11 延伸閱讀 Part 2：安全地重構 第6章：單元測試 6.1 技術需求 6.2 理解測試和單元測試 6.3 使用xUnit測試程式碼 6.4 重構單元測試 6.5 探索其他測試框架 6.6 採取測試心態 6.7 小結 6.8 問題 6.9 延伸閱讀 第7章：測試驅動開發（TDD） 7.1 技術需求 7.2 什麼是TDD？ 7.3 使用Visual Studio的TDD 7.4 何時使用TDD？ 7.5 小結 7.6 問題 7.7 延伸閱讀 第8章：使用SOLID避免程式碼反模式 8.1 識別C#程式碼中的反模式 8.2 撰寫SOLID程式碼 8.3 考慮其他的架構原則 8.4 小結 8.5 問題 8.6 延伸閱讀 第9章：進階單元測試 9.1 技術需求 9.2 使用Shouldly建立易讀的測試 9.3 使用Bogus產生測試資料 9.4 使用Moq與NSubstitute模擬依賴關係 9.5 使用Snapper固定測試 9.6 使用Scientist .NET進行實驗 9.7 小結 9.8 問題 9.9 延伸閱讀 第10章：防禦性程式設計技巧 10.1 技術需求 10.2 介紹雲霄API 10.3 驗證輸入內容 10.4 防止null值 10.5 超越類別 10.6 進階型別使用 10.7 小結 10.8 問題 10.9 延伸閱讀 Part 3：利用AI和程式碼分析進階重構 第11章：AI輔助重構：使用GitHub Copilot 11.1 技術需求 11.2 介紹GitHub Copilot 11.3 在Visual Studio中開始使用GitHub Copilot 11.4 使用GitHub Copilot Chat進行重構 11.5 使用GitHub Copilot Chat撰寫文件 11.6 使用GitHub Copilot Chat產生Test Stub 11.7 理解GitHub Copilot的限制 11.8 案例研究：雲霄航空公司 11.9 小結 11.10 問題 11.11 延伸閱讀 第12章：Visual Studio中的程式碼分析 12.1 技術需求 12.2 在Visual Studio中計算程式碼度量 12.3 在Visual Studio中進行程式碼分析 12.4 探索進階的程式碼分析工具 12.5 案例研究：雲霄航空公司 12.6 小結 12.7 問題 12.8 延伸閱讀 第13章：建立一個Roslyn分析器 13.1 技術需求 13.2 理解Roslyn分析器 13.3 建立一個Roslyn分析器 13.4 使用RoslynTestKit測試Roslyn分析器 13.5 將分析器分享為Visual Studio擴充功能 13.6 小結 13.7 問題 13.8 延伸閱讀 第14章：使用Roslyn分析器重構程式碼 14.1 技術需求 14.2 案例研究：雲霄航空公司 14.3 建立一個Roslyn分析器程式碼修正 14.4 使用RoslynTestKit測試程式碼修正 14.5 將Roslyn分析器發佈為NuGet套件 14.6 小結 14.7 問題 14.8 延伸閱讀 Part 4：企業中的重構 第15章：溝通技術債 15.1 克服重構的障礙 15.2 溝通技術債 15.3 優先處理技術債 15.4 獲得組織的認同 15.5 案例研究：雲霄航空公司 15.6 小結 15.7 問題 15.8 延伸閱讀 第16章：採用程式碼標準 16.1 技術需求 16.2 理解程式碼標準 16.3 建立程式碼標準 16.4 在Visual Studio中進行格式化和程式碼清除 16.5 使用EditorConfig套用程式碼標準 16.6 小結 16.7 問題 16.8 延伸閱讀 第17章：敏捷重構 17.1 在敏捷環境中的重構 17.2 成功應用敏捷重構策略 17.3 完成大規模重構 17.4 重構出錯時的復原方式 17.5 部署大規模重構 17.6 案例研究：雲霄航空公司 17.7 小結 17.8 打造更永續的軟體 17.9 問題 17.10 延伸閱讀

Towards Net-Zero Carbon Initiatives: A Life Cycle Assessment Perspective

類似書籍推薦給您

As industrialized nations look into emerging new technologies focusing on renewable or efficient energy use — along with the move towards Sustainable Development Goals — challenges related to achieving low carbon economy projects have gained much attention. This book explores various initiatives and potential methods to achieve net-zero carbon targets and issues. Life Cycle Assessment (LCA) will play an important role as an effective and comprehensive method to analyze potential greenhouse gas emissions and other environmental impacts of a technology or system. LCA is a holistic and system-wide scientific method that can be used to quantify impact metrics chosen to evaluate any emerging Net-Zero Carbon technologies of interest, and reveal environmental trade-offs or further research opportunities that are required for balancing CO2 emissions. LCA perspectives of Net-Zero Carbon Technologies can also be used to outline decision-making strategies for a nation's shift towards low carbon economic development. Sample Chapter(s) Preface Chapter 1: Trends of Emerging Zero-Carbon Technologies: The Role of the Life Cycle Assessment for Evaluating Carbon Dioxide Reduction Targets Contents: Trends of Emerging Zero-Carbon Technologies: The Role of the Life Cycle Assessment for Evaluating Carbon Dioxide Reduction Targets (Hsien Hui KHOO and Reginald B.H. TAN) From Carbon Dioxide to Renewable Fuels and Chemicals: The Important Role of Catalysis (Pin LIM, CHANG Jie, CHEN Luwei, POH Chee Kok, LIM San Hua and Hsien Hui KHOO) Life Cycle Costing and Carbon Dioxide Emissions of Hydrogen Supply Chains using Different Energy Carriers: A Case Study of Japan for 2030 () Connection of the Methanol Economy to Net-Zero Emissions Supported by LCA-Based Environmental Performance Information (Róbert MAGDA, Judit TÓTH and Sarolta IGAZ) Life Cycle Assessment of Different Solar to Hydrogen Routes and Hydrogen Carriers (Zhihua WANG, Jinxu ZHANG and Runfan ZHU) Hydrogen Production from Biomass and Waste: Life Cycle Assessment Perspective and Deployment Opportunities (Massimiliano MATERAZZI, Andrea PAULILLO and Paola LETTIERI) Life Cycle Assessment of Chemical Recycling: Recommendations for a Systemic Assessment of its Contribution to the Circular Carbon Economy and Zero Waste Transition (Roh Pin LEE, Florian KELLER and Raoul VOSS) Evaluation of Recycling Methods: Towards Decarbonization of Chemicals and Fuels via a Circular Economy Model (TAY Siok Wei, Warintorn THITSARTARN and Hsien Hui KHOO) Feasibility Review of Hydrogen Production Options: Life Cycle Assessment and Economic Assessment (Pancy ANG and Hsien Hui KHOO) Life Cycle Assessment Digitalization to Assess the Performance of Linear Infrastructure Projects (Koji NEGISHI) Biodiesel Production from Palm Oil Feedstock: Techno-Economic Assessment and Life Cycle Assessment Applications (Iskandar HALIM and Hsien Hui KHOO) Progress on Carbon Balancing in Life Cycle Assessment with a Focus on the Ecosystem Service Contribution (Benedetto RUGANI and Marco ALLOCCO) Multi-Criteria Decision-Making Framework for Sustainability Assessment (Dhanush MAJJI and Arnab DUTTA) Environmental and Economic Impacts of Food Waste Management — A Focus on Sustainability and Life Cycle Assessment (Matthew FRANCHETTI, Alex SPIVAK, Shrijith Ashok KUMAR and Lakshika KURUPPUARACHCHI) The Net-Zero Carbon Dioxide Framework for Life Cycle Assessment of Carbon Dioxide Capture, Utilization and Storage Techniques (Arezoo AZIMI, Li SHEN and Mijndert VAN DER SPEK) Power Plant Integrated with Carbon Capture and Utilization: Potential Carbon-based Fuels and Chemicals in Singapore (S C Lenny KOH, Hsien Hui KHOO and Moein SHAMOUSHAKI) Readership: Life Cycle Analysis Practitioners, Environmental Researchers/Scientists, and Professors.

C#也能完整AI：TensorFlow.NET實戰現場 (1版)

類似書籍推薦給您

內容簡介 ★在最熟悉的作業系統、IDE中，用Tensorflow開發深度學習專案★ ☆使用Tensorflow.NET在Visual Studio下完成AI開發☆ 　　坊間幾乎所有和AI、深度學習、機器學習有關的書籍或教材，均是以Python及相對的框架進行開發，並且建議架設在Linux上。雖然這個環境非常適合進行AI專案的開發，但對於已經熟悉Visual Studio下.NET架構的大部分Windows開發者來說，如果能使用Tensorflow的強大，再加上早就上手的.NET甚至是C#語言，學習曲線真的就只剩下深度學習，排除了Linux及Python的困難。 　　微軟在.NET平臺上引入機器學習，努力使機器學習技術跨越鴻溝，普及至大多數人手中。微軟的ML.NET旨在實現人工智慧的「民主化」，讓每個人都能使用並受益於人工智慧技術。在.NET生態中，人工智慧領域的SciSharp Stack團隊為TensorFlow提供了.NET Standard Binding，使得.NET開發人員可以使用C#在跨平臺的.NET Standard框架上開發、訓練和部署機器學習模型。他們還打造了TensorFlow.NET這個專屬於.NET開發人員的機器學習平臺，簡化了使用TensorFlow的過程。 　　本書即是針對這個族群的使用者，讓.NET眾多的使用者直接跨入AI的領域，在最親切的環境學習，一定會事半功倍。 　　本書為介紹TensorFlow.NET的詳細指南，共有23章。探討雲端運算、人工智慧、巨量資料和雲端原生應用對生活產生了深遠影響，之後說明機器學習.NET開發者的特點，在.NET生態中，SciSharp Stack的團隊，為TensorFlow提供了.NET Standard Binding，使.NET開發人員可以使用C#開發、訓練和部署機器學習模型。其中的產品就是TensorFlow.NET。 　　書中包括資料型態與張量詳解、Eager Mode詳解、自動求導原理與應用、線性回歸實操、MNIST手寫字元分類邏輯回歸、tf.data資料集建立與前置處理、深度神經網路實踐、AutoGraph機制詳解，以及.NET Keras簡明教學等。最後一部分是生產應用與案例，包含CPU和GPU環境下的TensorFlow.NET應用、工業生產環境應用案例、在C#下使用TensorFlow.NET訓練自己的資料集、視覺影像分類、視覺物件辨識、遷移學習應用、自然語言處理以及生成對抗網路等。其中還包含F#應用案例。 　　總體來說，這本書提供了一個全面的指南，旨在幫助.NET開發人員在機器學習領域探索和應用TensorFlow.NET，同時介紹了許多實用的範例和案例。 目錄 第一部分 TensorFlow.NET API入門 第1章 TensorFlow.NET 介紹 1.1 TensorFlow.NET 特性 1.2 TensorFlow.NET 開放原始碼函式庫結構 第2章 資料型態與張量詳解 2.1 資料型態 2.2 張量詳解 2.3 常數與變數 2.4 字串常見操作 2.5 基本張量操作 2.6 維度變換 2.7 合併分割 2.8 廣播機制 第3章 Eager Mode詳解 3.1 Eager Mode 說明 3.2 Eager Mode 比較 3.3 Eager Mode 數值運算 3.4 Eager Mode 張量降維運算 3.5 Eager Mode 矩陣運算 3.6 print 與tf.print 特性對比 第4章 自動求導原理與應用 4.1 機器學習中的求導 4.2 簡單函式求導 4.3 複雜函式求偏導 第5章 線性迴歸實作 5.1 線性迴歸問題 5.2 TensorFlow 下的線性迴歸 5.3 C# 和Python 的性能比較 第6章 MNIST手寫數字分類邏輯迴歸 6.1 經典的MNIST 手寫數字分類問題 6.2 邏輯迴歸程式實作 第7章 tf.data資料集建立與前置處理 7.1 tf.data 介紹 7.2 tf.data 資料集建立 7.3 tf.data 資料前置處理 7.4 tf.data 資料使用 第8章 深度神經網路實踐 8.1 深度神經網路介紹 8.2 TensorFlow.NET 程式實作1：DNN with Eager 8.3 TensorFlow.NET Keras 模型架設的3 種方式 8.4 TensorFlow.NET 程式實作2：DNN with Keras 第9章 AutoGraph機制詳解 9.1 AutoGraph 機制說明 9.2 AutoGraph 機制原理 9.3 AutoGraph 程式開發規範 第二部分 .NET Keras簡明教學 第10章 Keras簡介 10.1 Keras 特性 10.2 Keras 版本說明 第11章 模型與層 11.1 Keras 常用的模型與層 11.2 自訂層 11.3 自訂模型 11.4 模型常用API 概述 第12章 Keras常用API說明 12.1 回呼函式 12.2 資料集前置處理 12.3 最佳化器 12.4 損失函式 12.5 評估指標 第13章 Keras架設模型的3種方式 13.1 Sequential API 方式 13.2 Functional API 方式 13.3 自訂模型 第14章 Keras模型訓練 14.1 內建fit 訓練 14.2 自訂訓練 第三部分 生產應用與案例 第15章 CPU和GPU環境下的TensorFlow.NET應用 15.1 CPU 和GPU 環境架設及安裝 15.2 TensorFlow.NET 的影像利器SharpCV 第16章 工業生產環境應用案例 16.1 工業機器視覺領域應用 16.2 工業時間序列預測領域應用 第17章 在C#下使用TensorFlow.NET訓練自己的資料集 17.1 專案說明 17.2 模型介紹 17.3 資料集說明 17.4 程式說明 17.5 總結 第18章 視覺影像分類 18.1 卷積神經網路實現影像分類 18.2 卷積神經網路詳解 18.3 深入了解卷積神經網路 第19章 視覺物件辨識 19.1 視覺物件辨識原理簡述 19.2 YOLO v3 模型推理實踐 19.3 YOLO v3 模型訓練實踐 第20章 遷移學習應用 20.1 遷移學習原理簡述 20.2 Inception v3 網路 20.3 遷移學習程式實作 第21章 自然語言處理 21.1 自然語言處理簡述 21.2 詞向量 21.3 文字分類程式實作 第22章 生成對抗網路 22.1 生成對抗網路簡述 22.2 生成對抗網路實戰案例 第23章 F#應用案例 23.1 F# 簡明教學 23.2 F# 案例實踐 參考文獻