标签分类 热门分类
当前位置:首页 > 计算机理论电子书 > 计算电子书网盘下载
积极计算:体验重塑科技未来 积极计算:体验重塑科技未来
RainyCG

RainyCG 提供上传

资源
47
粉丝
12
喜欢
253
评论
2

    积极计算:体验重塑科技未来 PDF 高质量原版

    计算电子书
    • 发布时间:

    给大家带来的一篇关于计算相关的电子书资源,介绍了关于积极计算、科技未来方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小3.09 MB,拉斐尔·A.卡里罗编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.2,更多相关的学习资源可以参阅 计算机理论电子书、等栏目。

  • 积极计算:体验重塑科技未来 PDF 下载
  • 下载地址:https://pan.baidu.com/s/1tNugJsN7cwEBDxJJ_kkv4
  • 分享码:m7h8
  • 积极计算:体验重塑科技未来 pdf

    在互联网技术迅猛发展和演变的全过程中,怎样精确定位客户要求迅速发布产品和服务,早已宛然变成决策公司生死攸关的重要。人们慢慢解决了以知识经济和高效率为特点的初期测算时期,正迈进1个借助技术性提高本人和社会发展优越感的高新科技感受时期。要想作出有使用价值的产品和服务,必须清晰掌握客户心理状态,高新科技感受、幸福快乐设计构思和感情测算已变成提高产品和服务品质尤为重要的要素。

    《积极主动测算》为精确定位客户要求、掌握客户心理状态、打造出下代操作界面和优良客户体验确立了全方位的基础理论和实操基本。人们解决了以知识经济和高效率为特点的初期测算时期,正迈进1个借助技术性提高本人和社会发展优越感的高新科技感受时期。在这里这书中,俩位创作者从好几个视角讨论了这些能够 造就社会发展福址、开发设计人们潜力的高新科技和设计构思。这书结合了不一样行业的基础理论、专业知识和试验方式,为积极主动测算出示了牢靠的基本和运用架构。除此之外,来源于社会心理学、免疫学和人机交互技术学等每个课程的权威专家们出示了精采的內容。俩位创作者表述了幸福快乐的各类指标值,包含积极主动的心态、自我认同、正念和换位思考等,并讨论了怎样运用高新科技提高这种指标值。*后,她们为未来的智能科技及设计构思明确提出了提议。

    目录

    • CHAPTER 01
    • 走进积极计算 //001
    • CHAPTER 02
    • 幸福心理学 //019
    • CHAPTER 03
    • 积极心理学的多学科基础 //061
    • CHAPTER 04
    • 技术研究中的幸福 //097
    • CHAPTER 05
    • 积极计算的框架与方法 //127
    • CHAPTER 06
    • 积极情感 //169
    • CHAPTER 07
    • 动机、投入和心流 //203
    • CHAPTER 08
    • 自我意识和自我同情 //245
    • CHAPTER 09
    • 正念 //283
    • CHAPTER 10
    • 同理心 //319
    • CHAPTER 11
    • 同情心和利他主义 //357
    • CHAPTER 12
    • 未来的路 //395

    上一篇:Oracle数据库技术与应用  下一篇:京东技术解密

    展开 +

    收起 -

     
    计算 相关电子书
    关于计算的学习笔记
    网友NO.923555

    mysql中常用日期比较与计算函数

    MySql中时间比较的实现 unix_timestamp() unix_timestamp 函数可以接受一个参数,也可以不使用参数。 它的返回值是一个无符号的整数。不使用参数,它返回自1970年1月1日0时0分0秒到现在所经过的秒数, 如果 使用参数,参数的类型为时间类型或者时间类型的字符串表示,则是从1970-01-01 00:00:00到指定时间所经历的秒数。 有了这个函数,就可以很自然地把时间比较转换为一个无符号整数的比较。 例如,判断一个时间是否在一个区间内 unix_timestamp( time ) between unix_timestamp( 'start ') and unix_timestamp( 'end' ) 这里是一个使用日期函数的例子。 下面的查询选择了所有记录,其date_col的值是在最后30天以内: mysql SELECT something FROM table WHERE TO_DAYS(NOW()) - TO_DAYS(date_col) = 30; DAYOFWEEK(date) 返回日期date的星期索引(1=星期天,2=星期一, ……7=星期六)。这些索引值对应于ODBC标准。 mysql select DAYOFWEEK('1998-02-03');- 3 WEEKDAY(date) 返回date的星期索引(0=星期一,1=星期二, ……6= 星期天)。 mysql select WEEKDAY('1997-10-04 22:23:00');- 5mysql select WEEKDAY('1997-11-05');- 2 DAYOFMONTH(date) 返回date的月份中日期,在1到31范围内。 mysql select DAYOFMONTH('1998-02-03');- 3 DAYOFYEAR(date) 返回date在一年中的日数, 在1到366范围内。 mysql select DAYOFYEAR('1998-02-03');- 34 MONTH(date) 返回date的月份,范围1到12。 mysql select M……

    网友NO.322761

    详解Python计算机视觉 图像扭曲(仿射扭曲)

    对图像块应用仿射变换,我们将其称为图像扭曲(或者仿射扭曲)。该操作不仅经常应用在计算机图形学中,而且经常出现在计算机视觉算法中。 一、仿射变换原理 仿射变换能够保持图像的“平直性”,包括旋转,缩放,平移,错切操作。对于三个点,仿射变换可以将一副图像进行扭曲,使得三对对应点对可以完美地匹配上。仿射变换具有6个自由度,有三个对应点对可以给出6个约束条件(对于这三个对应点对,x和y坐标必须都要匹配) 仿射变换是在几何上定义为两个向量空间之间的一个仿射变换或者仿射映射。由一个非奇异的线性变换(运用一次函数进行的变换)接上一个平移变换组成。在有限维的情况,每个仿射变换可以由一个矩阵A和一个向量b给出,它可以写作A和一个附加的列b。一个仿射变换对应于一个矩阵和一个向量的乘法,而仿射变换的复合对应于普通的矩阵乘法,只要加入一个额外的行到矩阵的底下,这一行全部是0除了最右边是一个1,而列向量的底下要加上一个1。 二、图像中的图像 仿射扭曲简单的一个例子是,将图像或者图像的一部分放置在另一幅图像中,使得它们能够和指定的区域或者标记物对齐。 以下是代码: from PCV.geometry import warp, homographyfrom PIL import Imagefrom pylab import *from scipy import ndimage# 仿射扭……

    网友NO.508246

    Python中排列组合计算操作的实现示例

    这篇文章主要介绍了Python实现的排列组合计算操作,涉及Python数学运算的相关函数与使用技巧,需要的朋友可以参考下 本文实例讲述了Python实现的排列组合计算操作。分享给大家供大家参考,具体如下: 1. 调用 scipy 计算排列组合的具体数值 from scipy.special import comb, perm perm(3, 2)6.0 comb(3, 2)3.0 2. 调用 itertools 获取排列组合的全部情况数 from itertools import combinations, permutations permutations([1, 2, 3], 2)itertools.permutations at 0x7febfd880fc0 # 可迭代对象 list(permutations([1, 2, 3], 2))[(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)] list(combinations([1, 2, 3], 2))[(1, 2), (1, 3), (2, 3)] 以上就是Python中排列组合计算操作的实现示例的详细内容,更多请关注码农之家其它相关文章! ……

    网友NO.381234

    pandas进行时间数据的转换和计算时间差并提取年月日

    #pd.to_datetime函数 #读取数据import pandas as pddata = pd.read_csv('police.csv') #将stop_date转化为datetime的格式的dataframe,存到stop_datetimedata['stop_datetime'] = pd.to_datetime(data.stop_date') #自定义一个时间,计算时间差 data_new = pd.to_datetime('2006-01-01')data['time_d'] = time_new - data.stop_datetimedata['time_d'].head() #统计各年份和月份出现的次数 data.stop_datetime.dt.year.value_counts()data.stop_datetime.dt.month.value_counts() #提取年、月、日 #提取年data['year'] = data.stop_datetime.dt.yeardata['year'].head() #提取月份data['month'] = data.stop_datetime.dt.monthdata['month'].head() #提取日data['day'] = data.stop_datetime.dt.daydata['day'].head() #使用时间序列数据绘图 data['stop_time_datetime'] = pd.to_datetime(data.stop_time)data.groupby(data.stop_time_datetime.dt.hour).drugs_related_stop.sum().plot() 以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持码农之家。 ……

    Copyright 2018-2020 xz577.com 码农之家

    电子书资源由网友、会员提供上传,本站记录提供者的基本信息及资源来路

    鸣谢: “ 码小辫 ” 公众号提供回调API服务、“ 脚本CDN ”提供网站加速(本站寻求更多赞助支持)

    版权投诉 / 书籍推广 / 赞助:520161757@qq.com

    上传资源(网友、会员均可提供)

    查看最新会员资料及资源信息