Публикации по теме 'entity-framework-core'
Entity Framework Core: расширение столбца на несколько свойств сущности
Работая над составлением курса Entity Framework Core 2.1, я наткнулся на функцию ValueConverter .
Это позволяет вам подключиться к середине преобразования из определенного столбца в настраиваемое свойство в вашем классе сущности и наоборот.
Первый вариант использования, который я придумал, - это сериализованные данные JSON в столбце SqlServer. В настоящее время у нас есть нечто подобное в нашем проекте, и это выглядит многообещающим. Фактически, это уже сделано .
Давайте..
Предоставление связанных объектов в вашем веб-API
При работе над созданием мощного API вы обнаружите, что имеете дело с ресурсами и другими ресурсами, и эти «ресурсы» имеют «отношения» между собой, и это мощно, поскольку мы можем использовать силу реляционных данных для создания удивительных способов отображения информации или использования. это. Но если вы на самом деле не понимаете, как определить эту связь, как я показал вам в своей последней статье об отношениях в Entity Framework Core, или вы не знаете, как заставить их работать..
Часть 3. Получение данных из Sqlite с помощью нашего .NETCore API
Теперь пришло время научиться извлекать данные из базы данных с помощью нашего API.
Давайте создадим папку под названием Models.
он будет содержать класс, представляющий данные, которые мы хотим получить
public class Value
{
public int Id {get;set;}
public double Amount {get;set;}
}
Затем мы создаем папку с именем «Данные», эта папка будет содержать наш класс контекста.
назовем его DataContext
public class DataContext : DbContext
{
public..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..