.NET 如何平滑的转其他语言?

小老弟,也是工作了5年的老菜鸟了。最近看园子里面很多兄弟都在帖子回复里面说转型了这个,转型了那个。

现在是移动互联网时代,大家也知道微软在移动互联网基本已经宣告死刑了。虽然不愿意承认,但是现在是Android一统天下的时候,当然还有一个IOS在旁边。

.NET最大的命门是国内几乎没有互联网公司使用.NET做主流开发,就算曾经用的是它,现在也在大批量的转型使用JAVA等其他语言。就算微软开源了,跨平台了也几乎不会再转回去。

你想啊。我辛辛苦苦转成JAVA并且运行稳定,而且有很多积累和高手。为什么因为你只是能够跨平台了我就换回去。

游戏端不太清楚,大家都说Unity3D如何了得。可以用C#去编写脚本。估计这个可以是我们C#开发人员转的一个方向吧。但是市场的大需求还是JAVA,PHP等语言。

你看看现在随便哪个前端出来都是20-30K,随便哪里出来的JAVA,PHP都是20-30K;但是.NET有吗?有,但是对比前面的语言来说真是极少。

大家写代码,当然不伦任何行业的工作,大家都是为了能够有体面的,好点的生活。既然.NET这条路暂时不好走,那么我们何不先换一条路走呢。

正所谓男怕选错行,女怕嫁错郎。

想创个楼。大家能在回复里面说说,都是如何转的呢?,中间有哪些过程和教训?提供一些心得体会,让我们这些想转的兄弟们少走弯路。

.NET是很好,但是它在国内环境下,确实付出和回报比和其他语言差距较大。

时间: 2024-12-28 13:34:02

.NET 如何平滑的转其他语言?的相关文章

python 书籍推荐 三

主要先学习<python语言入门>学完后,研究<征服python>Python简明教程(A Byte of Python) 此书讲解简洁易懂,适合初学者 剖析Python源代码 此书是国内出的一本较好的Python书籍,从Python解释器角度来分析Python的行为 <python学习手册>第三版 <Python核心编程> PyDev for Eclipse 布同:如何循序渐进学习Python语言 大家都知道Python语言是一种新兴的编程语言.1989年

HT for Web基础动画介绍

在上一篇<基于HT for Web矢量实现3D叶轮旋转>一文中,我略微提了下HT for Web基础动画的相关用法,但是讲得不深入,今天就来和大家分享下HT for Web基础动画的相关介绍及用法. 先上一段枯燥的理论知识,大家混个眼熟. 在HT的数据模型驱动图形组件的设计架构下,动画可理解为将某些属性由起始值逐渐变到目标值的过程, HT提供了ht.Default.startAnim的动画函数,其示例代码如下. ht.Default.startAnim({ frames: 12, // 动画帧

R语言与数据分析之七:时间序列简单指数平滑

上篇我们对时间序列数列有了整体的认识并将时间序列进行了分解,今天和小伙伴们分享常用预测算法中相对最简单的:简单指数平滑法.简单指数平滑适用于可用相加模型描述,并且处于恒定水平和没有季节变动的时间序列地短期预测. 简单指数平滑法提供了一种方法估计当前时间点上的水平.为了更加准确的估计当前时间的水平,我们使用alpha参数来控制平滑,alpha的取值在0-1之间.当alpha越接近0,临近预测的观测值在预测中的权重就越小. 我们采用伦敦1813年到1912年全部的每年每英尺降雨量来做分析对象,首先读

R语言与数据分析之九:HoltWinters指数平滑法

今天继续就指数平滑法中最复杂的一种时间序列:有增长或者降低趋势并且存在季节性波动的时间序列的预测算法即Holt-Winters和大家分享.这种序列可以被分解为水平趋势部分.季节波动部分,因此这两个因素应该在算法中有对应的参数来控制. Holt-Winters算法中提供了alpha.beta和gamma 来分别对应当前点的水平.趋势部分和季节部分,参数的去执法范围都是0-1之间,并且参数接近0时,近期的观测值的影响权重就越小.我们以澳大利亚昆士兰州海滨纪念商品的月度销售日子为分析对象,老套路,咱先

R语言与数据分析之八:霍尔特指数平滑法

上篇我和小伙伴们分享了简单指数平滑法,简单指数平滑法只能预测那些处于恒定水平和没有季节变动的时间序列,今天和大家分享非恒定水平即有增长或者降低趋势的,没有季节性可相加模型的时间序列预测算法---霍尔特指数平滑法(Holt). Holt 指数平滑法估计当前时间的水平和斜率.其平滑水平是由两个参数控制,alpha:估计当前点水平:beta:估计当前点趋势部分斜率.两个参数都介于0-1之间,当参数越接近0,大部分近期的观测值的权值将较小. 我们以1866年到1911年每年女士裙子直径为案例,我们首先录

survival analysis 生存分析与R 语言示例 入门篇

生存分析,survival analysis,顾名思义是用来研究个体的存活概率与时间的关系.例如研究病人感染了病毒后,多长时间会死亡:工作的机器多长时间会发生崩溃等.  这里“个体的存活”可以推广抽象成某些关注的事件. 所以SA就成了研究某一事件与它的发生时间的联系的方法.这个方法广泛的用在医学.生物学等学科上,近年来也越来越多人用在互联网数据挖掘中,例如用survival analysis去预测信息在社交网络的传播程度,或者去预测用户流失的概率. R里面有很成熟的SA工具. 本文介绍生存分析的

R语言︱异常值检验、离群点分析、异常值处理

在数据挖掘的过程中,数据预处理占到了整个过程的60% 脏数据:指一般不符合要求,以及不能直接进行相应分析的数据 脏数据包括:缺失值.异常值.不一致的值.重复数据及含有特殊符号(如#.¥.*)的数据 数据清洗:删除原始数据集中的无关数据.重复数据.平滑噪声数据.处理缺失值.异常值等 缺失值处理:删除记录.数据插补和不处理 主要用到VIM和mice包 install.packages(c("VIM","mice")) 1.处理缺失值的步骤 步骤: (1)识别缺失数据:

java语言的特性及应用

java语言定义: Java是一种可以撰写跨平台应用程序的面向对象的程序设计语言. Java 技术具有卓越的通用性.高效性.平台移植性和安全性,广泛应用于PC.数据中心.游戏控制台.科学超级计算机.移动电话和互联网,同时拥有全球最大的开发者专业社群. 组成: Java由四方面组成:●Java编程语言,即语法.●Java文件格式,即各种文件夹.文件的后缀.●Java虚拟机(JVM),即处理*.class文件的解释器.●Java应用程序接口(Java API). Java分为三个体系,分别为Java

Canny边缘检测算法原理及C语言实现详解(原创码字)

Canny算子是John Canny在1986年提出的,那年老大爷才28岁,该文章发表在PAMI顶级期刊上的(1986. A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 8, 1986, pp. 679-698).老大爷目前在加州伯克利做machine learning,80-90年代视觉都是图像处理,现在做视觉都是机器