工業技術研究院地址的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

模型思維：簡化世界的人工智能模型

為了解決工業技術研究院地址的問題，作者龔才春 這樣論述：

對從事演算法研究與演算法開發的人來說，模型的學習與使用必不可少。尤其是在目前備受關注的人工智慧領域裡，人人談模型，新模型也是層出不窮，讓人眼花繚亂。   模型讓人又愛又恨：可愛的地方在於它確實能夠解決實際問題，而且其有效性一般都經過了檢驗；可恨的地方在於學習它是一件非常痛苦的事情，尤其是對人工智慧的初學者來說。   《模型思維》將人工智慧在現實生活場景中解決的問題分類，並根據這個分類來介紹各種模型。書中將人工智慧問題分為權重問題、狀態問題、序列問題、表示問題、相似問題和分類問題六大類，方便讀者瞭解各個模型之間的關係，也方便讀者理解各個模型的適用場景。   《模型思維》儘量更多地結合模型的使用場

景，更多地介紹實際業務需求之間的關係，更多地採用生活中淺顯易懂的例子，方便人工智慧的初學者學習模型。   《模型思維》不僅適合希望學習和運用人工智慧模型到具體應用場景的企業工程師、科研院所的學生和科研人員，也適合對人工智慧模型感興趣的讀者，説明其將模型思維應用到生活中。 龔才春 畢業於中國科學院計算技術研究所，工學博士學位；教授，博士生導師；長期從事人工智慧與人力資源等領域的研究。   中關村科金技術人工智慧研究院院長，職品匯創始人，大街網原首席科學家，阿裡巴巴原搜索研發專家。   在大資料採擷方面有許多成功經驗，創辦了大資料虛假簡歷識別平臺職品匯；在自然語言處理，尤其是語

義理解、知識圖譜等方面有深刻理解，中文幽默識別是其一個有特色的研究工作；曾負責淘寶評論的情感分析等工作。 第1篇 模型為什麼這麼神奇 模型是一個很常見的名詞。與人力資源管理相關的有漏斗模型、人才模型、定級模型等；與工程師相關的有線性回歸模型、隱瑪律可夫模型、LDA模型等；與業務相關的有價格預測模型、銷量預測模型等；與銷售相關的有SSM模型、銷售漏斗模型、銷售能力模型等；與行銷相關的有市場衝突矩陣模型、品牌五力模型、區域行銷模型等……但到底什麼是模型、怎麼選擇合適的模型、怎麼創新模型，則是仁者見仁，智者見智。 第1章 為什麼要建立模型 2 1.1 什麼是模型 2 1.2 無處不在的模型 4 1

.3 模型的意義 4 1.3.1 萬有引力定律 4 1.3.2 大陸漂移假說 5 1.3.3 日心說 5 1.4 模型都是對的嗎 6 1.4.1 模型可以是錯的 7 1.4.2 模型可以是未被證實的 7 1.4.3 模型可以是互相矛盾的 7 1.5 什麼模型是好模型 8 1.5.1 表示客觀事物的能力 8 1.5.2 簡化客觀事物的能力 9 1.5.3 評價模型好壞的模型 9 1.6 模型的演化 9 1.7 正確看待模型的價值與缺陷 10 1.7.1 正確看待模型的局限性 10 1.7.2 用歷史的觀點看模型 10 1.7.3 拋棄對模型的階級觀點 11 1.7.4 用發展的觀點看模型 11

1.8 本書的特點 12 1.8.1 對讀者的基礎要求 12 1.8.2 從場景出發講模型 12 1.8.3 從方法論的視角講模型 13 1.8.4 用類比的技巧講模型 13 1.8.5 避免讀者被數學公式嚇倒 13 1.8.6 避免“知識的詛咒” 14 1.9 本書主要內容 14 1.9.1 權重模型 15 1.9.2 狀態模型 15 1.9.3 序列模型 15 1.9.4 表示模型 16 1.9.5 相似模型 16 1.9.6 分類模型 16 第2章 模型的運用 18 2.1 用知識圖譜表示問題 18 2.1.1 知識圖譜的基本理念 18 2.1.2 建立知識圖譜的一般步驟 19 2.1.

3 問題的屬性研究 19 2.1.4 問題的關係研究 20 2.2 問題分析的示例 20 2.2.1 前提假設分析 20 2.2.2 已有資料的分析 21 2.2.3 待求資料的分析 21 2.2.4 關係分析 21 2.3 權重問題的判斷 22 2.4 狀態問題的判斷 24 2.5 序列問題的判斷 25 2.6 表示問題的判斷 25 2.7 相似問題的判斷 26 2.8 分類問題的判斷 26 2.9 模型之間的關係 27 第2篇 權重模型：計算你的分量 世界上的萬事萬物，紛繁複雜，讓人眼花繚亂。幾千年來，人類一直在試圖發現事物背後的共性規律。在電腦學者眼裡，世界上幾乎所有問題，最終都可以歸

結為權重計算的問題。 權重問題是一個通用問題，在各個學科中都已經有許多深入的研究，也有了許多計算各種各樣權重的方法。將這些權重計算方法進行整理並抽象，就簡化為模型了。 第3章 TF-IDF模型 33 3.1 應用場景 33 3.2 詞頻率—逆文檔頻率模型的計算 34 3.2.1 詞頻率模型 34 3.2.2 逆文檔頻率模型 37 3.2.3 TF-IDF模型 39 3.3 詞權重模型的平滑 40 3.4 引申閱讀 40 3.4.1 發明歷史 41 3.4.2 發明人簡介 41 3.4.3 最新研究 42 3.5 本章總結 42 第4章 線性回歸模型 43 4.1 應用場景 43 4.2 直觀理

解回歸問題 44 4.3 一元線性回歸問題 45 4.3.1 鋼軌長度與溫度的關係 45 4.3.2 判斷最合適直線的兩個原則 47 4.3.3 最小二乘法 50 4.4 多元線性回歸問題 52 4.5 標準方程法 53 4.5.1 一些符號定義 53 4.5.2 矩陣表示 54 4.5.3 參數求解 55 4.5.4 用標準方程法計算銀行授信額度 58 4.6 梯度下降法 60 4.6.1 梯度下降法的直觀理解 60 4.6.2 坡度最陡下山法 63 4.6.3 坡度最陡下山法的類比 64 4.6.4 梯度下降法的計算 66 4.6.5 銀行授信額度的計算 67 4.7 梯度下降法與標準方程

法的區別 68 4.8 引申閱讀 69 4.8.1 最小二乘法的發明 69 4.8.2 梯度下降法的發明 69 4.8.3 最新研究 69 4.9 本章總結 71 第5章 PageRank模型 73 5.1 應用場景 73 5.2 PageRank的直觀演算法 74 5.2.1 直觀理解 75 5.2.2 模型的初始化 77 5.2.3 模型的反覆運算 79 5.3 直觀演算法的漏洞修復 81 5.3.1 非連通漏洞 81 5.3.2 過河拆橋型漏洞 82 5.3.3 孤芳自賞型漏洞 85 5.3.4 過分謙虛型漏洞 85 5.3.5 隨機遊走模型 86 5.4 PageRank模型的計算 8

8 5.4.1 連結關係表 88 5.4.2 連結流覽矩陣 88 5.4.3 直接流覽矩陣 89 5.4.4 狀態轉移矩陣 89 5.4.5 反覆運算計算 90 5.4.6 計算示例 91 5.5 引申閱讀 92 5.5.1 收斂性證明 93 5.5.2 發明歷史 94 5.5.3 發明人簡介 94 5.5.4 相關研究 95 5.6 本章總結 95 第3篇 狀態模型：加官進爵的模型 事物是變化的，我們也要從意識形態上跟上客觀事物的變化，否則就會犯“刻舟求劍”的笑話。目前，最好的描述事物狀態改變的模型是自動機模型，又被稱為有限狀態自動機模型。 在電腦領域，有很多自動機模型的應用場景。例如常見

的正向最大匹配分詞演算法其實就是一個自動機模型；在自然語言處理中，中文分詞、語音辨識、詞性標注、字串查找、拼寫糾錯、模糊匹配等都是自動機模型的變種；在網路安全領域中，我們最熟悉的病毒掃描場景，很多都使用了AC自動機模型，這也是一種狀態轉移自動機模型。 第6章 有限狀態自動機模型 100 6.1 應用場景 100 6.1.1 Java詞法分析 100 6.1.2 Java詞法分析示例 101 6.2 直觀理解與形式化描述 103 6.2.1 自動機模型的直觀理解 103 6.2.2 形式化描述 105 6.3 詞法分析自動機模型 105 6.3.1 注釋識別自動機 105 6.3.2 保留字識別

自動機 107 6.4 位址解析自動機模型 108 6.4.1 位址解析場景概述 108 6.4.2 地址解析的難度 109 6.4.3 標準地址庫建設 110 6.4.4 位址識別自動機模型 111 6.5 引申閱讀 113 6.5.1 發明歷史 113 6.5.2 發明人簡介 114 6.5.3 最新研究 115 6.6 本章總結 115 第7章 模式匹配自動機模型 116 7.1 應用場景 116 7.2 形式化描述 118 7.3 BF模式匹配演算法 118 7.3.1 BF演算法的直觀理解 118 7.3.2 BF演算法的匹配過程示例 119 7.3.3 BF演算法的偽代碼表示 12

1 7.3.4 BF演算法的自動機模型 121 7.4 RK模式匹配演算法 122 7.5 KMP模式匹配演算法 123 7.5.1 KMP演算法的直觀理解 123 7.5.2 KMP演算法的匹配過程示例 125 7.5.3 移動長度的計算 127 7.5.4 KMP演算法的自動機模型 129 7.5.5 KMP演算法的總結 129 7.6 BM模式匹配演算法 129 7.6.1 後向BF演算法 130 7.6.2 實現跳躍式匹配 131 7.6.3 基於壞字元的模式匹配過程 132 7.6.4 壞字元匹配演算法的缺陷 137 7.6.5 好尾碼的匹配規則 138 7.6.6 BM模式匹配演算

法介紹 141 7.6.7 BM演算法的自動機模型 143 7.7 AC模式匹配演算法 143 7.7.1 TRIE樹的使用 144 7.7.2 TRIE樹的構建 145 7.7.3 失效指針的直觀理解 146 7.7.4 失效指針的設置示例 147 7.7.5 失效指標的設置演算法 150 7.7.6 AC演算法的匹配過程示例 152 7.8 Wu-Manber模式匹配演算法 153 7.8.1 Wu-Manber演算法的直觀理解 153 7.8.2 Wu-Manber演算法的總體思路 155 7.8.3 字元塊 156 7.8.4 後移長度陣列 157 7.8.5 字元塊的雜湊值 159

7.8.6 倒排鏈表 159 7.8.7 首碼雜湊值 160 7.8.8 Wu-Manber演算法示例 161 7.9 引申閱讀 163 7.10 本章總結 166 第4篇 序列模型：揭示現象背後的規律 序列模型，就是根據可觀察的現象序列，探索其背後不可觀察的神秘序列。我們能夠想到的需要探索現象背後的邏輯、本質、規律等，都可以歸結為序列模型。 第8章 隱瑪律可夫模型 170 8.1 應用場景 171 8.2 瑪律可夫鏈 171 8.3 隱瑪律可夫模型的定義 173 8.3.1 直觀定義 173 8.3.2 形式化定義 174 8.3.3 盲人與苔蘚的例子 174 8.4 兩個假設 176 8

.4.1 齊次瑪律可夫假設 176 8.4.2 觀察獨立性假設 176 8.5 評估問題 177 8.5.1 評估問題的應用價值 177 8.5.2 暴力求解法 178 8.5.3 前向演算法 179 8.5.4 前向演算法的形式化描述 185 8.5.5 前向演算法的演算法描述 186 8.5.6 後向演算法 187 8.6 解碼問題 190 8.6.1 暴力求解法 190 8.6.2 維特比演算法 190 8.6.3 維特比演算法的形式化描述 197 8.7 學習問題 198 8.7.1 監督學習 199 8.7.2 非監督學習 201 8.7.3 一個更簡單的EM演算法例子 202 8.

7.4 更好一點的演算法 205 8.7.5 直觀方法 206 8.7.6 Baum-Welch演算法 207 8.7.7 Baum-Welch演算法的偽代碼表示 212 8.8 引申閱讀 213 8.8.1 發明人簡介 213 8.8.2 最新研究 214 8.9 本章總結 215 第9章 最大熵模型 216 9.1 應用場景 216 9.1.1 語義消歧 216 9.1.2 音字轉換 217 9.1.3 其他常見場景 217 9.2 直觀理解最大熵 217 9.2.1 熵增加原理 217 9.2.2 熵的定義 218 9.2.3 不要把雞蛋放在同一個籃子裡 219 9.2.4 不要隨意添加

主觀假設 219 9.3 最簡單的最大熵計算示例 220 9.3.1 方程組求解 220 9.3.2 最大熵化 221 9.3.3 拉格朗日乘子法 221 9.3.4 骰子的概率計算 223 9.3.5 計算複雜度分析 225 9.4 形式化定義 226 9.4.1 經驗分佈 226 9.4.2 特徵函數 227 9.4.3 特徵範本 228 9.4.4 約束條件及其期望 228 9.4.5 條件熵 230 9.4.6 最大熵的定義 230 9.5 最大熵模型的計算流程 231 9.5.1 模型訓練 231 9.5.2 模型執行 232 9.6 平滑方法 232 9.6.1 拉普拉斯平滑 23

3 9.6.2 古德—圖靈平滑 236 9.6.3 Jelinek-Mercer平滑 238 9.6.4 Katz平滑 239 9.6.5 絕對折扣平滑 241 9.6.6 Witten-Bell平滑 241 9.6.7 Kneser-Ney平滑 242 9.6.8 各種平滑方法的演化關係 243 9.7 特徵選擇 245 9.7.1 基於閾值的特徵選擇 245 9.7.2 增量式特徵選擇 245 9.8 參數計算 246 9.8.1 參數計算的形式化 246 9.8.2 參數的數值計算 248 9.9 引申閱讀 250 9.10 本章總結 251 第5篇 表示模型：萬事萬物的表示 當人們在

看到某個事物或現象後，需要向沒有看到的人描述這個事物或現象時，就需要盡可能找一個讓對方可以接受並理解的方式來表示該事物或現象。對事物或現象的表示，是這個事物或現象區別於其他事物或現象的基礎，是進行轉述、分析、處理的前提。 到了現代社會，表示方法越來越普遍，使用也越來越頻繁。重大的科技創新，往往都是從表示方法創新開始的。 第10章 向量空間模型 256 10.1 應用場景 256 10.2 之前的文本表示方法 257 10.3 向量空間模型 258 10.3.1 文檔的詞袋化 258 10.3.2 文檔的向量化 259 10.3.3 詞項的權重計算 261 10.4 相似度計算 263 10.5

引申閱讀 264 10.5.1 發明人介紹 264 10.5.2 最新研究 264 10.6 本章總結 265 第11章 潛在語義分析模型 266 11.1 應用場景 266 11.2 LSA模型的計算 268 11.2.1 詞—文檔矩陣 268 11.2.2 奇異值分解 270 11.2.3 降維處理 272 11.3 結果的解讀 275 11.3.1 3個矩陣的物理含義 275 11.3.2 實驗結果解讀 275 11.4 為什麼LSA模型有效 277 11.5 LSA模型的應用 278 11.5.1 識別同義詞和近義詞 278 11.5.2 文檔的聚類和分類 280 11.5.3 跨語

言語義檢索 281 11.6 LSA模型的不足 282 11.7 引申閱讀 283 11.7.1 發明人介紹 283 11.7.2 最新研究 283 11.8 本章總結 284 第6篇 相似模型：誰與我臭味相投 在現實生活的許多場景中，都需要判斷兩個事物有多相似。各種事物之所以可以比較，是因為我們已經潛在地計算了事物之間的相似度。之所以稱這種相似度是“潛在的”，是因為我們以為是在尋找事物之間的差異，其實在尋找差異之前我們已經找到了相似之處。 第12章 相似模型 288 12.1 歐幾裡得距離 288 12.2 曼哈頓距離 289 12.3 切比雪夫距離 292 12.4 閔可夫斯基距離 29

3 12.5 馬哈拉諾比斯距離 293 12.5.1 用歐氏距離計算身材相似度 293 12.5.2 歐氏距離失效的原因 294 12.5.3 引入原因 295 12.5.4 方差與協方差 295 12.5.5 馬氏距離的定義 298 12.5.6 馬氏距離為什麼有效 299 12.6 皮爾遜相關係數 299 12.7 Jaccard相關係數 300 12.8 余弦相似度 302 12.9 漢明距離 304 12.10 KL散度 305 12.11 海林格距離 307 12.12 編輯距離 307 12.13 本章總結 312 第7篇 分類模型：物以類聚，人以群分 分類問題是我們在日常生活中

每時每刻都可能遇到的。分類也是所有決策制定的基礎，沒有分類，就不可能有決策的制定與實施。各行各業每天都在處理各式各樣的分類問題：高校要根據高考成績判斷是否錄用考生；HR要根據候選人簡歷判斷是否安排面試；公司CEO要根據市場情況及時調整產品戰略和銷售目標；農民要根據天氣、作物生長狀況等決定是否澆水、施肥；廚師要根據火候判斷菜品是否應該出鍋；司機要根據目的地和交通狀況決定是直行還是轉向…… 在現實生活中，我們可能遇到的分類問題千差萬別，可以對分類問題進行分類，從而使每一類分類問題可以用一類分類模型來處理。 第13章 感知機模型 315 13.1 應用場景 315 13.2 神經元的工作原理 317

13.3 感知機模型的原理 320 13.3.1 感知機模型的數學表示 320 13.3.2 感知機模型的分類原理 320 13.3.3 距離的計算 323 13.3.4 代價函數 323 13.4 參數訓練 324 13.4.1 梯度下降法 324 13.4.2 計算示例 325 13.5 引申閱讀 326 13.5.1 發明歷史 326 13.5.2 最新研究 327 13.5.3 與其他模型的關係 327 13.6 本章總結 328 第14章 邏輯回歸模型 329 14.1 應用場景 329 14.2 直觀理解邏輯回歸模型 330 14.2.1 邏輯回歸的目標模型 330 14.2.2

邏輯回歸模型的工作原理 332 14.3 邏輯回歸模型的計算 333 14.3.1 相關符號表示 333 14.3.2 代價函數 334 14.3.3 梯度下降法 335 14.4 引申閱讀 336 14.4.1 發明人簡介 336 14.4.2 發明歷史 337 14.4.3 最新研究 337 14.5 本章總結 338 第15章 樸素貝葉斯模型 339 15.1 應用場景 339 15.2 先驗概率和後驗概率 340 15.3 貝葉斯公式 341 15.3.1 全概率公式 341 15.3.2 逆概率公式 342 15.4 獨立假設 343 15.5 文本分類的案例 344 15.5.1

訓練樣本介紹 345 15.5.2 詞典與先驗概率 345 15.5.3 直接使用貝葉斯公式 346 15.5.4 拉普拉斯平滑 347 15.6 引申閱讀 349 15.7 本章總結 349 第16章 決策樹模型 350 16.1 應用場景 350 16.2 決策樹模型的直觀理解 351 16.2.1 猜數字的遊戲 351 16.2.2 猜動物的遊戲 352 16.2.3 決策樹模型要解決的問題 354 16.3 最佳決策樹 354 16.3.1 蠻力的方法 355 16.3.2 從數據中領悟審批原則 355 16.3.3 什麼是好問題 356 16.4 信息量的計算 357 16.4.1

資訊熵的定義 357 16.4.2 熵的計算示例 358 16.4.3 熵的單位 359 16.5 資訊增益與ID3演算法 359 16.5.1 條件熵的定義 360 16.5.2 資訊增益的計算 360 16.5.3 使用資訊增益選擇特徵 361 16.5.4 ID3演算法 364 16.6 資訊增益比與C4.5演算法 364 16.6.1 資訊增益比的定義 364 16.6.2 計算示例 365 16.6.3 C4.5演算法 365 16.7 基尼係數與CART演算法 366 16.7.1 基尼係數定義 367 16.7.2 基尼係數計算示例 368 16.7.3 CART分類樹演算法

372 16.7.4 CART回歸樹 373 16.8 引申閱讀 375 16.8.1 發明歷史 375 16.8.2 最新研究 377 16.9 本章總結 377 第17章 支援向量機模型 378 17.1 應用場景 378 17.2 一元支持向量機 379 17.3 二元支持向量機 383 17.3.1 實例場景描述 383 17.3.2 最佳分類面 384 17.3.3 最佳分類直線的函數形式 385 17.3.4 分類間隔的計算 387 17.3.5 最大化問題的數學表示 388 17.3.6 拉格朗日乘子法 389 17.4 支持向量機的對偶問題 391 17.4.1 SVM模型的數

學描述 391 17.4.2 SVM模型的對偶問題 392 17.5 支持向量機的參數求解 396 17.5.1 SMO演算法的形式描述 396 17.5.2 SMO演算法的整體思路 397 17.5.3 參數更新過程 399 17.5.4 乘子的啟發式選擇 401 17.6 引申閱讀 402 17.6.1 發明歷史 402 17.6.2 發明人簡介 403 17.6.3 最新研究 403 17.7 本章總結 404

好設計!打動人心征服世界：全方位了解產品設計的入門聖經(三版)

為了解決工業技術研究院地址的問題，作者保羅‧羅傑斯,亞歷斯‧彌爾頓 這樣論述：

好設計是有力的工具，可以形塑這個世界，定義我們的生活方式。 小至衣架垃圾桶等日常用品，大至家具住宅汽車飛機等建築運輸工具， 再到平板電腦和智慧型手機等3C電子產品， 從一件產品到一個系統，再到一份服務， 好設計，體現設計者創意巧思，滿足消費者使用需求， 增進品牌價值，促進商業活動，改善生活品質，讓世界更美好！ 　　◆從研究到簡報，從概念形成到製作原型，從設計製造到行銷銷售，完整而全面解釋產品設計的各個階段和流程！ 　　◆產品設計最簡明精采的導讀，從歷史脈絡到實務訓練，從當代趨勢議題到職業生涯指引，深入淺出，一應俱全！ 　　◆專訪業界具影響力的領導人物，如IDEO執行長提姆‧布朗（T

im Brown）、德國工業設計師茱莉亞‧洛曼（Julia Lohmann）、日本設計公司Nendo等，挖掘專業智慧經驗分享；探討具象徵意義的代表案例，如百元電腦、蘋果視覺語言、OXO「好握」廚房用具等，深入產品設計現場和第一手內幕！ 　　◆設計大師&設計公司分享設計心法：英國「藝術與工藝運動」之父莫里斯（William Morris）、史上第一位工業設計師貝倫斯（Peter Behrens）、現代運動旗手密斯凡德羅（Ludwig Mies van der Rohe）、美國工業設計之父洛伊（Raymond Loewy）、美國夫妻檔設計師查爾斯＆蕾‧伊姆斯（Charles &

Ray Eames）、百靈設計總監拉姆斯（Dieter Rams）、義大利前衛設計先鋒索薩斯（Ettore Sottsass）、法國設計鬼才史塔克（Philippe Starck）、荷蘭設計師汪德斯（Marcel Wanders）、蘋果設計資深副總裁艾夫（Jonathan Ive）、Droog Design、frog design…… 　　◆全球知名品牌展演經典設計：Apple、Airbus、Alessi、Bang & Olufsen、Braun、Dyson、Herman Miller、IKEA、Kartell、Muji、OXO、Porsche、Samsung、Sony、Toyota

Prius、Wedgwood……      　　我們可以說完全生活在設計的世界。生活中充滿眾多設計過的產品、空間、系統、服務和經驗，一切種種都是創造來回應某種身體、情感、社會、文化或經濟上的需要。產品設計最簡單的定義，就是設計產品，但還有一層更廣的含義，包括創意的成形、概念的發展、產品測試與製造，或是完成一件實品、一個系統或一份服務。產品設計師的角色涵蓋多種專業學科，例如行銷、管理、設計和工程，同時也結合藝術、科學和商業，藉此創造出有形產物。 　　本書為產品設計這個領域，以及產品設計師的關鍵角色，提供廣泛深入的介紹。帶領讀者有系統地認識創造一項新產品時，所牽涉其中的各種活動──從概念設計到

生產，從原型製作到行銷。同時也探索產品設計的各種本質和面向，以及目前最新的設計手法、製造技術和趨勢潮流。對設計運動和人物也有著豐富的評薦，並提供知名產品設計師的案例，鼓勵讀者挑戰傳統，以嶄新有趣的方式來思考設計，是了解產品設計和進入這個產業的最佳指南！ 好評推薦 　　國內外產官學專家一致好評推薦！ 　　◆顏君庭│Pinkoi共同創辦人 　　◆吳漢中│2019浪漫臺三線藝術季設計總監 　　面對專業跨界時代的到來，設計即將成為一門普遍的必修知識。這本書何嘗不是企業與文創界了解設計專業的入門磚，而且從最根本的產品設計開始，即便設計專業用語可能陌生了些，但透過精采的圖文導引，降低專業門檻，讓學

習曲線可以平滑些，跨界把星點連成屬於自己的圖案，因為每個人都有設計潛能，每家公司都可以是設計導向，每個產業都是設計產業。 　　◆官政能│實踐大學工業產品設計學系榮譽講座教授 　　啟動設計，像是航向大海；既有已知，又帶著對未知的嚮往。但唯有「敢於冒險」，才可領會箇中真趣，開闢出自己發現的新航道。本書有如一張航海圖，又備記了珍貴的航行知識、事件啟發以及先行好手的獨家心法。閱讀它，一則可供作設計導航，再則書中多有敢於冒險的創新寫照，可資取法。是以，大力推薦。 　　◆胡佑宗│唐草設計有限公司總經理 　　歷史脈絡、問題面貌、工作流程、該掌握的所有工具及知識以及未來可能的諸般挑戰……如果這些都還沒讓你

卻步，你就會想知道該如何學，又該怎麼找到一個職場的起點。如果還是不夠清楚，那就再為你找些高手來現身說法。以上所有這些，全都攤在眼前這本《好設計！打動人心征服世界》。 　　◆陳禧冠│仁寶集團創意中心設計長 　　本書作者以設計文化為起源議題，360度全面性地剖析這門藝術科學的各個面向，企圖將一門多面又深奧的應用哲理，以相對明晰的介紹來傳遞設計文化的學問。而其中穿插了名設計師專訪的內容；從設計者很生活化的分享，來表述前文所提的無形價值的意義與操作。如此平衡又深入淺出的舖陳，將一門深層又複雜的專業，以文理分明的清晰觀點貫穿全書。縱使非專業設計讀者，也必能享受與理解此一普世價值的新顯學！ 　　◆張光

民│台灣設計研究院總顧問 　　本書特別強調產品設計的產業鏈的重要性，從產品概念的形成、材料運用、製造程序、行銷推廣等，做了一次總整理，作者在書中論述學理、側重方法、導引議題、援用案例，並訪談多位國際設計界成功人士，借重其豐富經驗提供設計實務參考，撰寫方式深入淺出，視野廣泛，圖文並茂，是近年不可多得的設計專書，對我國產品設計界之推廣助益良多，值得一讀。 　　◆謝榮雅│奇想創造GIXIA Group執行長 　　我始終認為有脈絡地理解產品設計全貌，是形塑設計師專業素養的基礎工程。我將以本書反覆驗證自己多年來在設計實務和設計教育上的觀察和心得，並且做為奇想團隊未來對內、對外進一步落實專業設計訓練的指

定教材。 　　◆提姆‧布朗（Tim Brown）│IDEO設計顧問公司執行長 　　我只希望自己在接受成為一名設計師的教育時，能夠有像《好設計！打動人心征服世界》這樣一本簡明、資訊充足、圖片完備的參考書；保羅‧羅傑斯&亞歷斯‧彌爾頓透過解釋設計師的工作為何、如何進行、以及如何思考的方式，介紹這個複雜的主題。無論你是不是想以設計師為業、攻讀設計、或者已經在實務界，都應該要買這本書來詳讀一番。 　　◆湯瑪士‧米契爾博士（C. Thomas Mitchell）│印第安納大學布魯明頓校區（Bloomington） 　　這是一本理想的導論，其中不僅涵蓋了這個領域的歷史和脈絡，同時也符合當下的趨

勢、材料、製造技術等。本書的設計極為美麗合宜，極力推薦！ 　　◆賴瑞‧萊弗（Larry Leifer）│史丹福大學工程學院教授 　　作者引用許多例子，揭示這個領域是如何嚴謹而令人振奮，而美好的成果，就像運動競技一樣，來自於嚴苛的體力勞動，有辦法適應的心靈，就能夠靈思泉湧。 　　◆瑞秋‧庫柏（Rachel Cooper）│蘭開斯特大學設計管理系教授 　　假如你想找一本有趣易讀的當代產品設計介紹，那非本書莫屬了。精采的圖片和案例研究，以及嚴謹的寫作風格和結構，是產品設計新手的最佳入門參考書！

基於Android的移動式簽到系統整合研究-以政府機關差勤實務為例

為了解決工業技術研究院地址的問題，作者蔡孟諭 這樣論述：

隨著資訊科技的蓬勃發展及我國電子化政府的政策推動，目前我國的政府機關已幾乎全面使用電子化出勤系統。為了提升出勤作業簽到流程的便利與效率，政府部門廣泛使用電子簽到設備（如RFID閱讀器、指紋讀取機、身分證條碼閱讀器、人臉辨識裝置等）來搭配線上差勤系統，更進一步地，近年已有廠商開發出可安裝於個人智慧型手機的差勤簽到APP，透過如GPS、藍芽、wifi、網路IP等定位技術，以提供員工更加便捷的簽到程序。為解決員工每日上下班時冗長的簽到隊伍問題，新北市政府從民國109年起，便在原有「新北市政府公務雲」APP中推出了「差勤按刷卡」功能，該功能可透過捕捉辦公地點所裝設之特定藍芽訊號以完成簽到作業。此功能

的提供，大幅減少了新北市政府員工排隊簽到的等候時間，有效提高了出勤簽到的效率。另外，為了配合居家辦公的出勤型態，此APP也提供了居家辦公專用的「差勤按刷卡（居家）」功能，讓員工也能在居家辦公時簡單透過手機完成差勤打卡作業。然而，出勤簽到APP的出現雖然提供了快速便利，但其流程與功能上卻存在了一些問題，例如其忽略了簽到人員身份識別的重要性，或對於簽到人員所在地點並無任何判斷機制等問題，這些漏洞將導致代刷卡或不實簽到的可能性，反而在差勤管理實務上產生額外弊端。本研究目的在於改良目前政府機關所使用之出勤簽到APP，使用目前市面智慧型手機皆具備之基本功能（藍芽、定位、攝影機等），對出勤簽到APP的簽到

流程進行再設計；將簽到人員的身分驗證及確認簽到地點的機制納入，避免出勤簽到時可能存在之不實簽到與代簽弊端。簡而言之，本研究係在現有出勤簽到系統APP之基礎上，增加了定位、身分辨識及方便使用者自行檢測APP運作是否正常之測試等功能。本研究所提出的簽到APP整合了藍芽定位、GPS定位及人臉辨識等技術作為驗證機制，能以「事前查核」取代「事後查核」，強化了「居家辦公」及「公假公差」人員之差勤管理，彌補了原先出勤簽到APP可能有的漏洞及不足的功能、也減少了非必要之限制，提供人事人員於差勤管理上更大的助益。