現代色彩: 從理論到實務的全方位色彩指南,一書掌握完整色彩理論X配色方法+數位與印刷色彩應用 (5版)

類似書籍推薦給您

【簡介】 色彩是一門活的學問，每年或每季流行的色彩都不盡相同，新的顏色不斷地出現或被重新定義，而科技與媒體的演變更會影響色彩的發展，像是近年來網頁的動態圖像、手機、平板電腦、液晶或是HD電視等科技的色彩顯示，都再再重寫了色彩的應用方法。有趣的是，從另一個角度來看，活生生的色彩卻又具有「永恒不變」的雙重性，人們不曾改變對於美麗彩虹的讚嘆，紅色令人聯想到危險、紫色卻能讓人感覺神秘的「色彩意象」相信也是大家對於色彩的共同經驗。 在我們的生活中，某些色彩的應用甚至是不允許改變的，試著想像：若將紅綠燈的燈號，改為紅燈行，綠燈停，那對我們的生活會造成多大的困擾？不斷演化卻又永恆不變的「雙重性」正是色彩本身饒富趣味的最大原因，只要願意用心觀察，色彩的變化就隱藏在我們生活中的各個角落，等待著你來挖掘它的驚喜與樂趣。 作者戴孟宗教授現為國立臺灣藝術大學圖文傳播藝術學系專任副教授，同時擔任X-Rite Pantone IFS / PantonLIVE 培訓師、數位色彩管理與國際色彩品質檢測培訓師、Esko ArtiosCAD 大中華區包裝設計教師、數位出版聯盟顧問、印刷研究中心紙器包裝與色彩管理顧問，其教學研究領域包含：色彩學、色彩管理、色彩分析與應用、特別色配墨、印刷色彩國際標準、電腦排版、數位出版、多媒體電子書、版面編排設計評估、閱讀與眼球追蹤評估、包裝設計、紙器結構設計、商品展示架設計、紙板與瓦楞紙設計與結構評估、影像處理、印前系統、印刷科技、印刷企畫與設計及印刷品質評估。 【目錄】 01 色光與視覺Spectrum and Color Vision 1-1 日光與色光 1-2 光譜 1-3 彩虹現象 1-4 色彩視覺三要素 1-5 眼睛疾病 02 色彩三要素Three Elements of Color 2-1 色彩的分類 2-2 色彩三要素 2-3 色相環與色立體 03 色彩混色Additive and Subtractive Colors 3-1 色光三原色與混色 3-2 顏料三原色與混色 3-3 補色 04 色彩系統Color Systems 4-1 伊登色相環 4-2 孟塞爾色彩系統 4-3 PCCS色彩系統 4-4 NCS色彩系統 4-5 CIE色彩系統 4-6 Pantone色票 05 色彩心理與應用Color Psychology and Application 5-1 色彩特性與認知 5-2 色彩的意象與心理 5-3 色彩的應用 5-4 叫色實驗 5-5 色彩腳本 06 色彩感覺Color Sensation 6-1 色彩的視覺機能 6-2 色彩的對比現象 6-3 色彩與心理感覺 6-4 色彩的視覺作用 07 色彩調和Color Harmony 7-1 配色原則 7-2 配色方法 7-3 色彩通用設計 7-4 配色美度係數 08 配色感知強度Adjectives & Sensations of Color 8-1 配色感知強度調查動機 8-2 配色調查方法 8-3 綜合分析 09 數位色彩Digital Color 9-1 像素 9-2 影像色彩模式 9-3 色彩位元深度 9-4 色域與色彩描述檔 9-5 軟體顏色設定 9-6 特別色的製作 9-7 色彩量測與轉換 10 印刷色彩Printing Color 10-1 印刷的製程與原理 10-2 彩色印刷 10-3 廣色域印刷 10-4 灰黑色印刷 10-5 敏感色印刷 10-6 印刷品質檢測

踏上生成式AI自學之路: 從底層技術、程式實作到企業應用 (1版)

類似書籍推薦給您

【簡介】 　　「人工智慧 (Artificial Intelligence, AI) 」 一詞，最早可追溯至20世紀中英國數學家艾倫．圖靈發表的論文Computing Machinery and Intelligence。隨著時間推移，硬體與軟體技術的迅速進步讓電腦運算速度大幅提升、成本顯著下降，並且配合演算法領域的卓越研究成果，人工智慧領域不再是遙不可及的夢想。21世紀初，AlphaGo達到可以對決頂尖圍棋高手的程度，到了2022年，OpenAI正式推出ChatGPT，更讓人工智慧真正普及到大眾生活。   　　生成式AI在各行各業專業領域中帶來重大變革，本書能幫助您突破生成式AI的工具性操作，深入了解其背後的技術、應用與影響力。全書共有七個章節，內容涵蓋生成式AI的底層邏輯、實務操作、企業管理策略等三個面向。   　　第一到三章聚焦於生成式AI的底層邏輯，會依序介紹AI先備知識、經典模型以及生成式AI 核心架構：Transformer，即便您沒有資訊背景也能夠讀懂。第四到六章聚焦於生成式AI的實務操作，介紹提示工程(Prompt Engineering)，教您如何讓生成式AI產出高品質的回應，並手把手地帶您使用ChatGPT API 實作兩個小專案：檢索增強生成(RAG)以及網站智能客服。第七章聚焦於生成式AI的企業管理策略，針對企業最迫切關注的議題：如何導入生成式AI，提出淺見與看法。 【目錄】 序言 1從AI 到生成式AI 1-1 生成式AI 的演進 1-2 生成式AI 的應用 1-3 生成式AI 的挑戰 2生成式AI 先備知識 2-1 機器學習 2-2 深度學習 2-3 自然語言處理與理解 2-4 文字轉向量 2-5 大型語言模型 2-6 RNN 遞迴神經網路 2-7 LSTM 長短期記憶模型 2-8 GAN 生成對抗網路 3 Transformer 深入淺出 3-1 Transformer 簡介 3-2 Transformer 輸入 3-3 Transformer 編碼器 3-4 Transformer 解碼器 3-5 Transformer 輸出 3-6 Google Titans 模型 3-7 DeepSeek R1 模型 4提示工程 4-1 提示工程簡介 4-2 指令微調(Prompt-Tuning) 4-3 上下文學習(In-Context Learning) 4-4 大模型微調(Fine-Tuning) 4-5 思維鏈(Chain of Thought) 4-6 客製化指令 5實作檢索增強生成 5-1 前置作業 5-2 準備目標檔案 5-3 切割目標檔案 5-4 建立向量資料庫 5-5 檢索合適的回答 5-6 問答 5-7 聊天 6實作網站智能客服 6-1 工具準備 6-2 建立主機空間 6-3 建立網站 6-4 編輯網頁 6-5 網站上網 6-6 建立系統後端 6-7 建立系統前端 7企業導入生成式AI 7-1 人工智慧原則 7-2 企業面臨的挑戰 7-3 生成式AI 的導入流程 7-4 未來趨勢—AI 代理 結語 看更多