UX 互動設計聖經：提升互動體驗的 100 個 UX 設計法則

類似書籍推薦給您

【簡介】 【閱讀 100 個趣味案例分享，學會 100 個 UX 設計法則】 在我從事 UX 設計教學多年的過程中，我發現一件糟糕的事，就是市面上有一大堆關於 UX 的書籍和文章，他們往往是由局外人根據既有的觀點來編寫的。比如說，作者會寫出一堆描述使用過程應該怎麼做的範例，不過他們實際上並沒有參與那個設計的製作歷程——這完全是紙上談兵。 此外，很多書的編寫方式會讓你誤以為業界有一種完美的解決方案，如果你不跟著做就會鑄成大錯。但是實際上，完美的使用者體驗流程並不存在。即使是同一個工作職位，如果放在差異很大的公司，可能會面臨迥然不同的狀況。而且，幾乎每個問題的答案都是「視情況而定」！ 因此，這本書並不是一本技術操作手冊，它也不會教你如何成為完美的 UX 設計師。這本書比較像是一本引導你思考的案例集。——使用者到底是誰？我們為什麼要關心他們？試著去理解這些真實活著的人類——每一個可能與你的產品互動或是受到產品影響的人，這本書將幫助你找出使用者的需求、目標、渴望和動機，當你進入 UX設計這個領域時，這就是解決問題的第一步。 （以上節錄自本書序） 【提升 UX 思考力：做任何產品都需要的軟實力】 作者認為，一個出色的 UX 設計師除了具備出色的設計能力，還必須是一個優秀的偵探和一個稱職的心理治療師。UX 設計師必須知道如何讓人感到舒適、提出正確的問題、讀懂話語之間的隱藏資訊，並跟隨正確的直覺行動。這些軟實力對於讓設計流程順利進行至關重要，它能確保最終將設計出解決問題的好産品。讀完本書中的 100 個法則與案例，讀者的 UX 思考力一定能大幅提升。 本書特別推薦給：產品設計師、網站設計師、APP 設計師、介面設計師、簡報設計師……等從業人員。書中的 100 個法則，能幫助你搞懂使用者在想什麼、人和介面互動時可能會有什麼反應，這已經是各領域的設計師、產品製造者必備的知識。 【目錄】 第一章：思考 第二章：同理 第三章：定義 第四章：研究 第五章：設計 第六章：驗證

Big Data Science in Finance: Mathematics and Applications (1版)

類似書籍推薦給您

【簡介】 Explains the mathematics, theory, and methods of Big Data as applied to finance and investingData science has fundamentally changed Wall Street--applied mathematics and software code are increasingly driving finance and investment-decision tools. Big Data Science in Finance examines the mathematics, theory, and practical use of the revolutionary techniques that are transforming the industry. Designed for mathematically-advanced students and discerning financial practitioners alike, this energizing book presents new, cutting-edge content based on world-class research taught in the leading Financial Mathematics and Engineering programs in the world. Marco Avellaneda, a leader in quantitative finance, and quantitative methodology author Irene Aldridge help readers harness the power of Big Data.Comprehensive in scope, this book offers in-depth instruction on how to separate signal from noise, how to deal with missing data values, and how to utilize Big Data techniques in decision-making. Key topics include data clustering, data storage optimization, Big Data dynamics, Monte Carlo methods and their applications in Big Data analysis, and more. This valuable book: Provides a complete account of Big Data that includes proofs, step-by-step applications, and code samplesExplains the difference between Principal Component Analysis (PCA) and Singular Value Decomposition (SVD)Covers vital topics in the field in a clear, straightforward mannerCompares, contrasts, and discusses Big Data and Small DataIncludes Cornell University-tested educational materials such as lesson plans, end-of-chapter questions, and downloadable lecture slidesBig Data Science in Finance: Mathematics and Applications is an important, up-to-date resource for students in economics, econometrics, finance, applied mathematics, industrial engineering, and business courses, and for investment managers, quantitative traders, risk and portfolio managers, and other financial practitioners.