skip to main | skip to sidebar

行有餘力 則以學文

我們選擇在這十年內登陸月球並完成其他的事,不是因為他們很簡單,而是因為他們很艱難。~~約翰·甘迺迪

2015年10月9日 星期五

如何關閉Adobe Reader礙眼的工具窗格- 阿榮技術學院

[教學] 如何關閉Adobe Reader礙眼的工具窗格

又一個不良 UI/UX 設計的實例,不知最近 M$ 和 Adobe 的測試人員還好嗎?

以下這兩篇實在應該請 Adobe 的 PM 好好讀一下

UX 設計中,功能動態效果背後的 9 個邏輯

直覺設計概念性論述 Conceptual Argument of Intuitive Design
張貼者: Sigmund Tzeng 於 上午10:09 沒有留言:
較新的文章 較舊的文章 首頁
訂閱: 文章 (Atom)

常用資訊速查

  • emacs初心者必看
  • emacs中bookmark plus (bookmark+)的使用

搜尋此網誌

熱門文章

  • 使用rstudio的rentrez查詢ncbi提供的資料庫
    首先當然要安裝好 rstudio ,請參考 本站2015年7月的舊文 然後安裝 rentrez install.packages("rentrez") 啟用 rentrez library("rentrez", lib.lo...
  • 標題:金融大師Jeremy Grantham:警示AI泡沫與全球投資策略,並揭露嚴峻的人口與環境問題
    本次訪談邀請到資深投資專家Jeremy Grantham,針對當前投資市場狀況、AI泡沫、未來經濟趨勢以及環境與人口危機進行深入分析與建議。Grantham的投資生涯長達60年,管理資產最高達1650億美元,累積豐富經驗和獨到見解。 投資策略與市場泡沫警示 Granth...
  • 古代文明、失落之謎與人類的循環:Ed Barnhart 與 Lex Fridman 的對談重點總結
    這段訪談由古文明考古學者 Ed Barnhart 與 Lex Fridman 交談,主題橫跨美洲與世界各地的古文明起源、考古發現、宗教與祭祀、古代科技、以及對未來的反思。以下為重點整理與精簡說明: 1. 失落文明與考古新發現 Barnhart 認為「尚未發現的古文明」確實...
  • Gradient Descent: The Ultimate Optimizer - 深度解析
    在現代機器學習和深度學習領域,梯度下降法(Gradient Descent, GD)可說是最基礎且廣泛應用的優化演算法。無論是最早的大規模線性模型還是當今複雜的深度神經網絡,梯度下降都扮演著關鍵角色。然而,隨著研究的深入與領域的快速發展,關於「梯度下降是否已經達到極致?」或「還...
  • ChatGPT 5.6 對決 Fable 5:全面評測與最佳 AI 開發工作流程介紹

    本次影片完整介紹了 ChatGPT 5.6 最新版本的特點與改進,並與目前市面上強大的 AI 編程助手 Fable 5 進行深度比較,最終為大家揭曉誰才是目前最佳的 AI 編程模型。 聊天機器人 ChatGPT 5.6 包含三種模型:Luna(輕量)、Terra(中等)、So...
  • 從宇宙到外星生命:與尼爾·德葛拉斯·泰森的深度對話
    本次訪談涵蓋了多個關於宇宙、外星生命、宗教信仰、黑洞、太空探索與人類存在意義的熱門話題,帶來深刻且引人入勝的科學與哲學思辨。 外星文明是否存在? 尼爾·德葛拉斯·泰森指出,基於宇宙的巨大規模和生命在地球上的迅速出現,認為外星生命甚至智能生命存在的可能性相當高。他提到已有告密...
  • Understanding Self-Supervised Learning Dynamics without Contrastive Pairs
    近年來,自監督學習(Self-Supervised Learning, SSL)已成為機器學習領域中突破性的研究方向,尤其在表徵學習(representation learning)方面展現出極大潛力。傳統的對比式自監督學習方法(contrastive SSL)透過學習將相同資...
  • Generative Pretraining From Pixels (iGPT) - ICML 2020 Outstanding Paper 深度簡介
    在當前深度學習領域,預訓練(pretraining)技術已經成為推動許多 AI 任務突破的關鍵。特別是在自然語言處理(NLP)領域,如 GPT 系列和 BERT 等模型利用超大規模語料進行自回歸或自編碼預訓練,取得了優異的表現,極大地促進了下游任務的精度提升。 然而,圖像領...
  • Oops I Took A Gradient: Scalable Sampling for Discrete Distributions 深度介紹
    在機器學習與統計領域,離散機率分布的高效取樣(sampling)一直是一大挑戰,尤其當模型結構複雜、維度高或分布形態複雜時,傳統取樣方法往往計算成本高昂且收斂緩慢。2021 年 ICML 傑出論文《Oops I Took A Gradient: Scalable Samplin...
  • AI最前線:Fable 5復歸、意識機制揭示與全球治理新局
    本次訪談涵蓋了近期AI領域多項重大發展,主持人Peter D. Mandis與資深專家Alex、Dave等人深入討論如下主題: Fable 5與AI前沿模型的重啟與監管 Anthropic的Fable 5模型於7月1日全球恢復服務,但附帶多項美國政府的安全監控條件。包括專門...

網誌存檔

  • ►  2026 (1260)
    • ►  7月 (14)
    • ►  6月 (321)
    • ►  5月 (365)
    • ►  4月 (360)
    • ►  3月 (126)
    • ►  2月 (22)
    • ►  1月 (52)
  • ►  2025 (194)
    • ►  12月 (13)
    • ►  11月 (12)
    • ►  10月 (4)
    • ►  9月 (15)
    • ►  8月 (76)
    • ►  7月 (32)
    • ►  6月 (24)
    • ►  5月 (12)
    • ►  4月 (2)
    • ►  3月 (1)
    • ►  2月 (1)
    • ►  1月 (2)
  • ►  2024 (24)
    • ►  12月 (3)
    • ►  11月 (1)
    • ►  10月 (1)
    • ►  9月 (4)
    • ►  8月 (2)
    • ►  7月 (2)
    • ►  6月 (1)
    • ►  5月 (3)
    • ►  4月 (3)
    • ►  3月 (2)
    • ►  2月 (1)
    • ►  1月 (1)
  • ►  2023 (5)
    • ►  9月 (1)
    • ►  7月 (1)
    • ►  6月 (1)
    • ►  4月 (1)
    • ►  3月 (1)
  • ►  2022 (31)
    • ►  12月 (3)
    • ►  11月 (3)
    • ►  9月 (4)
    • ►  8月 (1)
    • ►  7月 (2)
    • ►  6月 (1)
    • ►  5月 (1)
    • ►  4月 (5)
    • ►  3月 (8)
    • ►  2月 (2)
    • ►  1月 (1)
  • ►  2021 (14)
    • ►  12月 (1)
    • ►  11月 (1)
    • ►  10月 (1)
    • ►  9月 (1)
    • ►  8月 (2)
    • ►  7月 (1)
    • ►  6月 (1)
    • ►  5月 (1)
    • ►  4月 (1)
    • ►  3月 (2)
    • ►  2月 (1)
    • ►  1月 (1)
  • ►  2020 (17)
    • ►  12月 (2)
    • ►  10月 (1)
    • ►  9月 (2)
    • ►  8月 (2)
    • ►  7月 (1)
    • ►  6月 (1)
    • ►  5月 (1)
    • ►  4月 (2)
    • ►  3月 (3)
    • ►  2月 (1)
    • ►  1月 (1)
  • ►  2019 (37)
    • ►  12月 (8)
    • ►  11月 (2)
    • ►  10月 (5)
    • ►  9月 (3)
    • ►  8月 (4)
    • ►  7月 (5)
    • ►  6月 (2)
    • ►  5月 (1)
    • ►  4月 (2)
    • ►  3月 (1)
    • ►  2月 (1)
    • ►  1月 (3)
  • ►  2018 (25)
    • ►  12月 (1)
    • ►  11月 (2)
    • ►  10月 (2)
    • ►  9月 (2)
    • ►  8月 (4)
    • ►  7月 (3)
    • ►  5月 (1)
    • ►  4月 (3)
    • ►  3月 (2)
    • ►  2月 (5)
  • ►  2017 (32)
    • ►  11月 (1)
    • ►  10月 (1)
    • ►  9月 (1)
    • ►  8月 (8)
    • ►  6月 (2)
    • ►  5月 (1)
    • ►  3月 (2)
    • ►  2月 (12)
    • ►  1月 (4)
  • ►  2016 (50)
    • ►  12月 (9)
    • ►  11月 (1)
    • ►  10月 (1)
    • ►  9月 (3)
    • ►  8月 (1)
    • ►  7月 (1)
    • ►  6月 (3)
    • ►  4月 (1)
    • ►  3月 (2)
    • ►  2月 (18)
    • ►  1月 (10)
  • ▼  2015 (63)
    • ►  12月 (1)
    • ▼  10月 (1)
      • 如何關閉Adobe Reader礙眼的工具窗格- 阿榮技術學院
    • ►  9月 (2)
    • ►  8月 (13)
    • ►  7月 (12)
    • ►  6月 (4)
    • ►  4月 (11)
    • ►  3月 (4)
    • ►  2月 (4)
    • ►  1月 (11)
  • ►  2014 (71)
    • ►  12月 (2)
    • ►  11月 (2)
    • ►  10月 (7)
    • ►  9月 (2)
    • ►  8月 (20)
    • ►  7月 (4)
    • ►  6月 (8)
    • ►  5月 (8)
    • ►  4月 (7)
    • ►  3月 (8)
    • ►  2月 (2)
    • ►  1月 (1)
  • ►  2013 (88)
    • ►  12月 (4)
    • ►  11月 (2)
    • ►  9月 (3)
    • ►  8月 (9)
    • ►  7月 (2)
    • ►  6月 (3)
    • ►  5月 (10)
    • ►  4月 (9)
    • ►  3月 (7)
    • ►  2月 (28)
    • ►  1月 (11)
  • ►  2012 (36)
    • ►  12月 (7)
    • ►  11月 (3)
    • ►  10月 (1)
    • ►  9月 (18)
    • ►  8月 (4)
    • ►  7月 (2)
    • ►  5月 (1)
  • ►  2011 (7)
    • ►  5月 (1)
    • ►  4月 (1)
    • ►  1月 (5)
  • ►  2010 (24)
    • ►  12月 (9)
    • ►  11月 (1)
    • ►  10月 (1)
    • ►  9月 (1)
    • ►  8月 (1)
    • ►  7月 (3)
    • ►  6月 (1)
    • ►  5月 (2)
    • ►  4月 (2)
    • ►  3月 (1)
    • ►  2月 (1)
    • ►  1月 (1)
  • ►  2009 (121)
    • ►  12月 (1)
    • ►  10月 (5)
    • ►  9月 (10)
    • ►  8月 (4)
    • ►  7月 (2)
    • ►  6月 (13)
    • ►  5月 (11)
    • ►  4月 (4)
    • ►  3月 (9)
    • ►  2月 (16)
    • ►  1月 (46)
 
本著作係採用創用 CC 姓名標示-非商業性-相同方式分享 4.0 國際 授權條款授權.

創用 CC 授權條款