iOSCon China 2012系列报道――设计篇

iOSConChina2012大会在上海及其他分会场召开,品雪与端木恒分别从移动产品的可用性设计和产品价值观与结构方面进行了深入分享,探讨了如何提升用户体验和打造有价值的产品。

3月25日,由多个社区联合主办的iOSCon China 2012大会在上海及多个分会场(北京、杭州、武汉、广州、澳大利亚)顺利召开,现场及线上直播的总参与人数超过800人,多位国内知名的iOS开发者就移动互联网的发展趋势、产品设计以及开发技巧等诸多话题做了精彩分享。

\

iOS第一个输入法iCosta for iPhone以及iOS平台上的演讲工具AirSlides的作者之一杨武(网名:品雪,微博@pinxue),根据自己的实践经验,就移动产品的可用性设计和大家做了一些分享。

\

品雪先讲了一个AirSlides的故事,很多试用的演讲者进入画笔后不知如何退出,这个情况超出了开发者的意料。他建议大家要真正从用户角度出发,理解用户的使用习惯,让用户觉得这个东西好用。可用性的好坏和一个产品卖的好不好是两回事,影响一个产品成功的因素有很多,比如你的产品是独一无二的,无可替代的。一旦找准了市场和方向后,可用性会变得相当重要。

\

品雪解释了他理解中的可用性――可用性就是使用者的心理感受,可用性有三个水平,即有用、能用和好用,而可用性的要素则包括稳定、顺手和赏心悦目。

\
  • 稳定,稳定压倒一切。时刻都可能崩溃的应用不是好应用,不可靠的应用也不可能是好用的应用。\
  • 反应快,界面流畅。用户等待的耐心是有限的,系统最好在100ms左右有反应,200ms用户还能忍,再高就不行了,实在不行,也别让用户等着,做个开场动画之类的东西。\
  • 顺手。品雪在现场做了一个小调查,习惯Vim的开发者远远多于Emacs,并不是说哪款编辑器功能更强大,大多数时候只是用顺手了而已。\
  • 赏心悦目。心理学上证明了好看的东西会让人觉得好用,PathClear的成功就是一个例子。\

说到如何提高可靠性,品雪建议大家扮演一位有品位的用户,要有开放性的试用人群,针对可用性还可以进行一些测试,比如观察、记录,甚至使用调查问卷。

\

下午的演讲环节中,曾任职于苹果与腾讯的产品设计师端木恒(@hengdm),就产品的价值观与结构,与大家分享了如何设计有价值的移动产品。他认为一款产品真正对用户有价值的地方是这款应用能让用户做什么,要关注用户在使用时的感受。

\
\tWe become what we behold. We shape our tools and then our tools shape us. ——Marshall McLuhan, 1964
\

作为工具的创作者,不能随便拿出一款迎合所谓的市场需求的工具,产品中应该能传达一种理念、价值观,苹果的产品就是如此。

\
  • 价值观。一个背后有强大精神力量的产品,用户一定会慢慢喜欢上它的。\
  • 革命性。产品要有远大的目标,明确的方向,步伐坚定。像iPhone这样的革命性产品,也是从微小的细节积累起来的。\
  • 纯粹。要坚定产品的定位,例如,Twitter就不会像国内的微博那样在时间线中插入太多的其他内容(视频、图片等),Dropbox对个人用户非常好用,但是它坚决不做仅针对企业的东西。\
  • 责任感。不要停留在表面浮躁的工作上,思考什么是对用户有价值的东西,如何让用户在使用的过程中感到愉悦。不要盲目地追求短期利益的最大化,那只是看似光辉的昙花一现,企业的目的是创造社会价值,赢利并不是企业活着的目的。例如,腾讯曾经也搞过月捐计划。\

他强调设计时的态度决定了很多东西,比如只许有一个按钮和按钮越少越好,能带来明显不同的结果。设计一款产品时,可以借鉴别人的东西,但绝对不要停留在抄袭和山寨的层次上。不要局限于中国的产品市场,要做无国界的产品,眼界要放的大一些。

\

产品设计是件重要的事情,别把设计不当回事,传统软件开发流程中,设计只占一小部分工作量,而苹果的应用开发流程中,设计占的比重一般超过一半以上。产品设计的流程主要有产品定义、产品功能设计、产品原型设计和设计优化组成,设计不是单独的步骤,需要很多人一起参与,除了产品经理和交互设计师,开发负责人和架构师一定要参与其中。如果团队较小,那么设计师最好是技术出身的。有好想法,但没有好的设计和实施,只是把东西堆砌在一起,最终的产品总会差强人意,产品不是一个功能的集合,它是一个解决方案。

\

在设计产品时,苹果会使用ADS(Application Definition Statement),列举产品与众不同的地方、解决方案以及针对的目标用户和场景。例如,苹果把桌面版的iPhoto功能精简到只剩几个核心功能,放在iPhone上,仅关注于照片分享,去掉了很多复杂的功能。简单是美,但在看似简单的表面背后,则充满了细节。随后,端木恒详细介绍了两个设计结构中的要素——信息结构与导航。

\

信息结构。苹果在设计产品信息结构时,会使用用户心智模型(User Mental Model),即用户在听到一个东西时的第一反应,确定对象、能做的事情、其他的概念,它们之间的关系和优先级。切记不要随意把信息分个类,然后丢给用户。

\

导航。导航不只涉及移动和切换,还涉及很多内容,信息结构会影响导航。iOS平台上常见的导航方式有翻页、列表、平行导航以及页签。应该尽量避免在应用内部采用网格的方式(九宫格)排布图标,图标位置的排布不可能适用全部用户,如果可以,让用户能自己来排布图标。

\

一个应用程序的界面应该让用户产生一种期待,所以要精心放置自己的功能。没有十全十美的应用,即使是像Path这样优秀的产品,也可能存在一些设计上的不足。

\

如果您对iOS开发及本次大会的内容感兴趣,主办方会在大会结束后整理并提供各位嘉宾的演讲视频及讲稿,请访问大会官网,也可以关注其官方微博(@iOSConCN)。

下载方式:https://pan.quark.cn/s/a4b39357ea24 在纺织制造领域中,纱线的品质水平对最终制成品的整体质量具有决定性作用。 鉴于消费者对于产品规格和样式要求的不断变化,纺织制造工艺的执行过程日益呈现为一种更为复杂的操作体系,进而导致对纱线质量进行预测的任务变得更加困难。 在众多预测技术中,传统的预测手段在面对多变量间相互交织的复杂关系时,往往显得力不从心。 因此,智能计算技术在预测纱线质量的应用场景中逐渐占据核心地位,其中人工神经网络凭借其卓越的非线性映射特性以及自适应学习机制,成为了众多预测方法中的一种重要选择。 在智能计算技术的范畴内,粒子群优化算法(PSO)和反向传播神经网络(BP神经网络)是两种被广泛采用的技术方案。 粒子群优化算法是一种基于群体智能理念的优化技术,它通过模拟鸟类的群体觅食行为来寻求最优解,该算法因其操作简便、执行高效以及具备优秀的全局搜索性能,在函数优化、神经网络训练等多个领域得到了普遍应用。 反向传播神经网络则是一种由多层节点构成的前馈神经网络,它通过误差反向传播的机制来实现网络权重和阈值的动态调整,从而达成学习与预测的目标。 在实际操作层面,反向传播神经网络因其架构设计简洁、实现过程便捷,因此被广泛部署于各类预测和分类任务之中。 然而,该方法也存在一些固有的局限性,例如容易陷入局部最优状态、网络收敛过程缓慢等问题。 而粒子群优化算法在参与神经网络优化时,能够显著增强神经网络的全局搜索性能并提升收敛速度,有效规避神经网络陷入局部最优的困境。 将粒子群优化算法与反向传播神经网络相结合形成的PSO-BP神经网络,通过运用粒子群优化算法对反向传播神经网络的权值和阈值进行精细化调整,能够在预测纱线断裂强度方面,显著提升预测结果的...
植物实例分割数据集 一、基础信息 数据集名称:植物实例分割数据集 图片数量: - 训练集:9,600张图片 - 验证集:913张图片 - 测试集:455张图片 总计:10,968张图片 分类类别:59个类别,对应数字标签0至58,涵盖多种植物状态或特征。 标注格式:YOLO格式,适用于实例分割任务,包含多边形标注点。 数据格式:图像文件,来源于植物图像数据库,适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发:数据集支持实例分割任务,帮助构建能够自动识别植物特定区域并分类的AI模型,辅助农业专家进行精准监测和分析。 • 智能农业应用研发:集成至农业管理平台,提供实时植物状态识别功能,为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新:支持植物科学与人工智能交叉领域的研究,助力发表高水平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习植物图像分析和实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性:标注采用YOLO格式,确保分割区域定位精确;包含59个类别,覆盖多种植物状态,具有高度多样性。 • 数据量丰富:拥有超过10,000张图像,大规模数据支持模型充分学习和泛化。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO、Mask R-CNN等),可直接用于实例分割任务,并可能扩展到目标检测或分类等任务。
室内物体实例分割数据集 一、基础信息 • 数据集名称:室内物体实例分割数据集 • 图片数量: 训练集:4923张图片 验证集:3926张图片 测试集:985张图片 总计:9834张图片 • 训练集:4923张图片 • 验证集:3926张图片 • 测试集:985张图片 • 总计:9834张图片 • 分类类别: 床 椅子 沙发 灭火器 人 盆栽植物 冰箱 桌子 垃圾桶 电视 • 床 • 椅子 • 沙发 • 灭火器 • 人 • 盆栽植物 • 冰箱 • 桌子 • 垃圾桶 • 电视 • 标注格式:YOLO格式,包含实例分割的多边形标注,适用于实例分割任务。 • 数据格式:图片为常见格式如JPEG或PNG。 二、适用场景 • 实例分割模型开发:适用于训练和评估实例分割AI模型,用于精确识别和分割室内环境中的物体,如家具、电器和人物。 • 智能家居与物联网:可集成到智能家居系统中,实现自动物体检测和场景理解,提升家居自动化水平。 • 机器人导航与交互:支持机器人在室内环境中的物体识别、避障和交互任务,增强机器人智能化应用。 • 学术研究与教育:用于计算机视觉领域实例分割算法的研究与教学,助力AI模型创新与验证。 三、数据集优势 • 类别多样性:涵盖10个常见室内物体类别,包括家具、电器、人物和日常物品,提升模型在多样化场景中的泛化能力。 • 精确标注质量:采用YOLO格式的多边形标注,确保实例分割边界的准确性,适用于精细的物体识别任务。 • 数据规模充足:提供近万张标注图片,满足模型训练、验证和测试的需求,支持稳健的AI开发。 • 任务适配性强:标注格式兼容主流深度学习框架(如YOLO系列),便于快速集成到实例分割项目中,提高开发效率。
【鲁棒优化、大M法、C&CG算法】计及风、光、负荷不确定性两阶段鲁棒优化(Matlab代码实现)内容概要:本文介绍了基于Matlab代码实现的计及风、光、负荷不确定性的两阶段鲁棒优化方法,重点应用鲁棒优化理论、大M法和C&CG算法解决电力系统中可再生能源出力与负荷需求波动带来的不确定性问题。文中详细阐述了两阶段鲁棒优化模型的构建过程,第一阶段做出预决策,第二阶段在不确定性显现后进行调整,并通过列与约束生成(C&CG)算法迭代求解,结合大M法将条件约束转化为线性形式,提升模型求解效率。该方法适用于含高比例可再生能源的电力系统调度与规划,具备较强的实用性与扩展性。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事能源系统优化工作的工程师。; 使用场景及目标:①用于解决风电、光伏出力及负荷需求不确定环境下的电力系统优化调度问题;②支撑微电网、综合能源系统等场景下的鲁棒决策制定,提升系统运行的安全性与经济性;③为学术研究提供可复现的两阶段鲁棒优化建模范例。; 阅读建议:建议读者结合提供的Matlab代码逐模块理解模型实现细节,重点关注不确定性建模、大M法转化技巧及C&CG算法的迭代流程,宜在掌握基础优化理论的前提下进行推导与仿真验证。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值