当前位置:首页 > 计算机理论 >
《积极计算:体验重塑科技未来》电子书封面

积极计算:体验重塑科技未来

  • 发布时间:2019年09月14日 09:57:52
  • 作者:拉斐尔·A.卡里罗
  • 大小:3.09 MB
  • 类别:计算电子书
  • 格式:PDF
  • 版本:高质量原版
  • 评分:8.4

    计算推荐

    积极计算:体验重塑科技未来 PDF 高质量原版

      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:8.5分

      Tags:

      内容介绍

      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

      以上就是本次介绍的计算电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      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 -

      下载地址:百度网盘下载
      计算 相关电子书
      计算机科学精粹
      计算机科学精粹 PDF 原书高清版

      计算机科学导论精粹版 摒弃传统计算机科学教材的枯燥方式 将抽象理论具体化、复杂问题简单化 传授实现高效程序设计重要的基础知识

      立即下载
      云计算中的大数据技术与应用
      云计算中的大数据技术与应用 PDF 高清版

      云计算中的大数据技术与应用 系统阐述了物联网、云计算的最新技术进展和应用案例。首先从物联网、云计算的定义入手,分析物联网和云计算面临的挑战。其次对物联网和云计算分别做了深

      立即下载
      计算机视觉:模型、学习和推理
      计算机视觉:模型、学习和推理 PDF 全书影印版

      本书是一本从机器学习视角讲解计算机视觉的非常好的教材。全书图文并茂、语言浅显易懂,算法描述由浅入深,即使是数学背景不强的学生也能轻松理解和掌握

      立即下载
      深度学习实践:计算机视觉
      深度学习实践:计算机视觉 PDF 超清版

      本书主要介绍了深度学习在计算机视觉方面的应用及工程实践,以Python 3为开发语言,并结合当前主流的深度学习框架进行实例展示。

      立即下载
      Python计算机视觉编程
      Python计算机视觉编程 PDF 扫描清晰版 立即下载
      计算机科学概论
      计算机科学概论 PDF 清晰第5版

      本书由两位知名的计算机科学教育家编写,全面而细致地介绍了计算机科学的各个方面。每章后面都附带有大量的练习,可以帮助你即时重温并掌握这一章所述的内容

      立即下载
      OpenCV 3和Qt5计算机视觉应用开发
      OpenCV 3和Qt5计算机视觉应用开发 PDF 影印含源码版

      全书共分成12章,全方位系统化叙述了OpenCV3和Qt5的具体内容,包含:OpenCV和Qt详细介绍、建立OpenCV和Qt新项目、Mat和QImage、图型景图架构、OpenCV中的图象处理、特点与描述符、多核、视频分析、

      立即下载
      读者心得
      44小时40分钟前回答

      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……

      16小时51分钟前回答

      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……

      49小时8分钟前回答

      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……

      113小时27分钟前回答

      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_datet……

      码农之家

      越红丽 提供上传

      资源
      40
      粉丝
      46
      喜欢
      253
      评论
      10

      Copyright 2018-2021 www.xz577.com 码农之家

      版权投诉 / 书籍推广:520161757@qq.com