SharePoint 学习记事(一)

本文记录了在公司收购美国本土公司后,面临的技术挑战与应对策略,特别聚焦于SharePoint平台的学习与应用。从平台搭建到开发学习,旨在通过实践提升团队能力,适应新业务需求。

记录背景:

随着公司业务的拓展,为拿到更多的项目,让原本不太信任我们的美国大佬相信我们的实力,让在美国的销售发挥他的能力,所以公司在13年下半年筹划收购了一家美国本土的公司。大约400人的规模,这个公司之前是专门做MS的解决方案。这样我们国内负责MS的团队加上我们的部门 整体要与这个公司整合。单独成立一条业务线,分离与其他三条线之外。这样国内的团队业务将有所拓展。从收购的公司分出一些业务 Sharepoint , BA/BI , CRM, .Net 定制。为了更好的迎合这一变化,我们需要做准备,并且学习这些技术。

所以拿到了领导布置的任务:了解学习sharePoint。

学习计划:

因为我们还是小白,所以做以下学习计划。

建议SharePoint平台搭建与开发学习计划分成三个阶段:平台搭建阶段、商务用途评估阶段、开发学习阶段。

平台搭建阶段:跟据SharePoint版本选型,快速搭建一套平台。初步了解SharePoint相关特性,软件支撑及相关架构。

商务用途评估阶段:评估潜在用户可能需要使用的SharePoint功能,进行有珍对性的学习研究,并尝试无代码开发的相关配置。

开发学习阶段:下载二次开发所需软件,并搭建开发环境,通过实例进一步熟悉整个开发模式。

第一阶段平台搭建的目标

1.1.    搭建版本选型

SharePoint2013

1.2硬件环境准备

综合硬件要求:处理器64位,4个内核,内存8GB.   硬盘80G以上,主频 2.4以上

1.3.    安装软件准备

SharePoint2013

Window Server 2012

SQL2012

时间计划

完成第一阶段初定14个工作日,详细不必罗列,(中间很可能因为公司内部限制,打乱计划)。

后面计划略~

 

多次燃气学习的欲望,又被打灭。这一次自己好好的补充下营养吧。

转载于:https://www.cnblogs.com/Elsie/p/3435368.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值