iT邦幫忙

hci相關文章
共有 13 則文章
鐵人賽 AI & Data DAY 25

技術 Day 25 | 從資料蒐集到部署的全流程整合筆記

前言 不管你做的是資料產品、內容網站、還是 side project app,最大的痛點通常不是技術,而是流程「接不起來」。從資料到上線,再到持續改善。原則只有...

鐵人賽 AI & Data DAY 24

技術 Day 24 | ChatGPT × HCI:語言模型作為 UX 助理

前言 到目前為止,我們已經把「感知 → 融合 → 狀態 → 回饋」跑起來了;今天轉向 人機互動(HCI) 本身:當 ChatGPT 這類大型語言模型(LLM)變...

鐵人賽 AI & Data DAY 23

技術 Day 23 | Gradio 多模態互動雛形:把設計骨架跑起來

前言 昨天我們把「感知 → 理解 → 回應」拆成可落地的骨架。今天的任務很單純:把骨架跑起來。用 Gradio 搭一個可點可玩的多模態 Demo,把表情 × 手...

鐵人賽 AI & Data DAY 22

技術 Day 22 | 多模態情緒感知的設計骨架

前言 把「感知 → 理解 → 回應」做成順、穩、可用的互動,是這一類系統的靈魂。今天用低門檻、可上手的方式,帶你看清整條鏈路該怎麼設計:哪些感測訊號值得用、資料...

鐵人賽 AI & Data DAY 21

技術 Day 21 | 推薦系統 × 情緒 × UI:互動設計實作

前言 大多數推薦系統只學「你點了什麼」,很少理解「你當下的狀態」。但人在不同情緒下,偏好會位移:通勤路上想看輕鬆短內容,下班後才有耐心讀長文;焦慮時偏向保守選項...

鐵人賽 AI & Data DAY 20

技術 Day 20 | AI 人機協作互動設計:與模型共同學習的新模式

前言 傳統 HCI 把「人用系統」當主軸;人機協作互動設計則把「人 × 模型共同進化」當成產品功能本身。重點不只是讓模型更準,而是讓人保留主導權、模型把握不確定...

鐵人賽 AI & Data DAY 19

技術 Day 19 | HCI 設計的倫理與風險:偏誤、隱私與以人為本

前言 人機互動(HCI)越來越懂你,卻也更容易誤解你。感測器蒐集生理訊號、模型推估情緒、系統給出建議 ── 整條鏈路若忽略 偏誤(bias)、隱私(privac...

鐵人賽 AI & Data DAY 18

技術 Day 18 | 心跳、皮膚電、呼吸… 生理訊號與情緒感知的交叉應用

前言 心跳變快、手心微汗、呼吸變淺,這些微小的變化比語言更早發生,也更難「偽裝」。隨著穿戴感測器與邊緣運算普及,用多種生理訊號推估情緒狀態已不再只是實驗室話題;...

鐵人賽 AI & Data DAY 16

技術 Day 16 | 為什麼你的語氣,AI 聽得懂了?淺談 NLP 與語氣分析

前言 我們常說「同一句話,不同語氣差很多」。在客服、教學助理、語音助理或社群平台上,系統若只「看懂字面意思」而忽略語氣,回覆就容易失禮或不合時宜。那麼,AI 到...

鐵人賽 AI & Data DAY 15

技術 Day 15 | 多輪對話與情緒互動模擬

前言 人機互動(HCI)正從「能聽懂」走向「懂你在感受什麼」。不只辨識指令,更要回應情緒:當使用者焦慮、挫折或興奮時,系統該怎麼問、怎麼等、怎麼回?今天一起來整...

鐵人賽 AI & Data DAY 14

技術 Day 14 | 情緒詞典與情感分類器實作:從評論中讀出使用者情緒

前言 在 App 評論、商品心得、或客服工單裡,「情緒」往往比字面資訊更能預測留存、轉換與滿意度。本篇用最實務的方式,一次帶你完成兩條常見路線: 情緒詞典(...

鐵人賽 AI & Data DAY 13

技術 Day 13 | 情境理解與 NLP:BERT 如何讀懂你的語境與情緒?

前言 在 HCI 裡,我們不只想知道「使用者說了什麼」,更想知道「他在什麼情境、帶著什麼情緒說」。BERT(Bidirectional Encoder Repr...

技術 YouTube 推動全球電信商建立私有雲

高級技術架構師 Frederic Lhoest 在網上發現了指導視頻和案例研究,這些信息和案例研究有助於加速 PCCW Global的雲計算之旅。  此文由...