Skip to content
  • 首页
  • Spatial Web
  • Graph
  • Deep Learning
  • Cloud-Native
  • Functional & Reactive Programming
  • 移动应用开发
  • 持续交付
  • 敏捷开发
  • 编程语言
  • Cloud-Native 元素卡
  • 文章列表
  • 联系我
  • Yelp
  • Facebook
  • Twitter
  • Instagram
  • Email
Web 3.0 Cloud-Native 产品级敏捷

整合 "Spatial Web"、"Graph"、"Deep Learning"、"Cloud-Native"、"Functional & Reactive Programming" 打造更开心、更健康、更有价值的 Web 3.0 产品开发生态系统

Primary Menu
  • 首页
  • Spatial Web
  • Graph
  • Deep Learning
  • Cloud-Native
  • Functional & Reactive Programming
  • 移动应用开发
  • 持续交付
  • 敏捷开发
  • 编程语言
  • Cloud-Native 元素卡
  • 文章列表
  • 联系我

联系我

  • Home
  • 联系我
2017-12-312018-02-08 Ken Fang Share

     

    繁简体转换

    不转换 大陆简体 台灣正體

    关于我

    方俊贤; Ken Fang; A9 Atlas 工作室

    2019, 08. 一种深度学习的算法, 预测微服务持续部署、持续发布后对产品整体质量的影响, 获得国家知识财产局专利; 符合专利法实施细则第 44 条的规定。
    专利号: 201910652769.4

    主要专长: 运用深度学习的算法模型分析开发者的行为, 以提升软件开发的效率与质量、微服务化的架构设计、探索性测试、有价值的产品特性挖掘、使用者行为 (场景) 分析、领域驱动设计。

    曾任职于: 腾讯科技 (深圳) 有限公司 专家项目经理; 雅各布森软件 (北京) 有限公司 首席谘询顾问; Rational; Telelogic; Borland; 联华电子; 京元电子。

    有二十多年半导体、 电信产业、军事研究单位与互联网的产品研发与咨询服务等的经验。

    于 Illinois Institute of Technology, Chicago, USA 获得电子计算机科学硕士

     

     

     

     

    通过电子邮件订阅博客

    输入您的电子邮件地址订阅此博客,并通过电子邮件接收博客更新通知。

    热门主题

    • 当深度学习遇到了微服务; 微服务部署预测模型
    • 开发者测试; Story 场景树、Property-Based Testing、Contract Testing
    • Feature Engineering: Understanding Datasets
    • 机器学习: NumPy 102
    • 机器学习: NumPy 101
    • 机器学习: 线性代数 101
    • 产品 (微服务) 缺陷预测模型
    • 打造成功的软件产品的三大核心的能力:机器学习、由方法论所形成的系统化的思维、引导用户
    • Scrum, DevOps 又再度重演软件工程没效、低效率的历史
    • 软件产品的成功方程式

    近期文章

    • 当深度学习遇到了微服务; 微服务部署预测模型
    • 开发者测试; Story 场景树、Property-Based Testing、Contract Testing
    • Feature Engineering: Understanding Datasets
    • 机器学习: NumPy 102
    • 机器学习: NumPy 101
    Copyright All rights reserved Theme: Blog Expert by Themeinwp