Book description
「Amir Shevat寫了一本所有設計師的書架上必備的藏書。」
-Nir Eyal, 熱門暢銷書《鉤癮效應:創造習慣新商機》作者
「Amir是最早的『機器人之星』。他提倡並教育世界關於這個新領域的知識,並確實地把《設計聊天機器人》撰寫成書並出版,沒有人做得比他更多。」
-Andy Mauro, Automat執行長
從Facebook Messeger到Kik,從Slack機器人到Google Assistant、Amazon Alexa,以及電子郵件機器人,新的對話式應用程式,使我們與軟體互動的方式產生巨大改變。這本實務導向的工具書將指引你如何設計並建構優質的對話式體驗。無論是新的消費型服務或企業內部流程系統,機器人都能幫助人們擁有更高的生產力。
本書適合設計師、產品經理以及企業家,透過實例,探索真實世界中機器人的能與不能。同時,提供實用的機器人設計模式,作為你開發機器人的工具庫。你將學會如何設計有效的機器人初次登場、各種對話流程、定義機器人個性,並在多元控件與文字間找到恰如其分的平衡。
‧探索各種機器人的應用情境與最佳實務
‧瞭解機器人的組成—例如品牌與個性、對話、進階介面控件—以及相關的設計模式
‧學習逐步建構一個Facebook Messenger的消費機器人與Slack的商務機器人
‧探索案例,學習機器人設計師與企業家所分享的寶貴經驗
‧設計與製作你的第一個機器人原型,並實驗與收集使用者回饋
Table of contents
- 封面
- 讚譽
- 書名頁
- 授權聲明頁
- 目錄
- 前言
- [1] 什麼是對話機器人?
- 所以,什麼是對話機器人呢?
- 機器人革命以及演進
- 採用對話機器人的階段
- 對話機器人並非都生的一樣
- 小結
- [2] 機器人的類型
- 個人與團隊機器人
- 超級機器人與特定領域機器人
- 商用機器人與消費型機器人
- 語音與文字機器人
- 全新機器人與整合型機器人
- 小結
- [3] 主流的機器人平台
- 商用機器人平台:Slack
- 消費機器人平台:Facebook Messenger
- 語音機器人平台:Alexa
- 青少年機器人平台:Kik
- 傳統機器人平台
- 如何選擇平台
- 小結
- [4] 主要應用情境
- 對話式商務
- 商用機器人
- 個人生產力與教練
- 警告/通知機器人
- 人與人之間的路由器
- 客服與常見問答機器人
- 第三方服務整合機器人
- 遊戲和娛樂機器人
- 品牌機器人
- 小結
- [5] 機器人剖析
- 拆解機器人
- 核心目標與功能
- 小結
- [6] 品牌、個性與人工介入
- 品牌
- 個性 (1/2)
- 個性 (2/2)
- 人工介入
- 小結
- [7] 人工智慧
- 自然語言理解
- 對話管理
- 影像辨識/電腦視覺
- 預測
- 情感分析
- 使用人工智慧的時機
- 不使用人工智慧
- 小結
- [8] 對話
- 初次登場 (1/2)
- 初次登場 (2/2)
- 功能腳本 (1/3)
- 功能腳本 (2/3)
- 功能腳本 (3/3)
- 裝飾
- 引導用戶給出正確資訊
- 告知與確認
- 一致性
- 互惠原則
- 團隊互動與個人互動
- 錯誤處理 (1/2)
- 錯誤處理 (2/2)
- 幫助與意見回饋
- 小結
- [9] 多元互動
- 檔案
- 聲音
- 影片
- 圖像
- 按鈕 (1/3)
- 按鈕 (2/3)
- 按鈕 (3/3)
- 模板 (1/2)
- 模板 (2/2)
- 連結
- 表情符號
- 輸入事件
- 常駐功能選單
- 「/」指令
- 網頁視窗(Webviews)
- 全部串連
- 小結
- [10] 脈絡與記憶
- 機器人失憶症
- 脈絡(Context) (1/2)
- 脈絡(Context) (2/2)
- 記憶
- 小結
- [11] 發現機器人與安裝
- 機器人目錄
- 應用程式審核流程
- 直接安裝連結
- QR Code
- @標記人名
- 機器人推薦
- 小結
- [12] 提升參與度的方法
- 第一印象 (1/2)
- 第一印象 (2/2)
- 延續參與度的方法
- 小結
- [13] 商業化
- 訂閱
- 廣告服務
- 數據—分析與市場研究
- 銷售商品與服務
- 推薦費
- 品牌推廣
- 向使用者收取費用的時機
- 小結
- [14] 設計流程概觀
- 步驟
- 工具
- [15] 應用情境定義與探索
- 基礎分析
- 探索解決方案
- [16] 對話腳本
- 流程大綱
- 意圖比對
- 實體對應
- 撰寫機器人範例腳本 (1/3)
- 撰寫機器人範例腳本 (2/3)
- 撰寫機器人範例腳本 (3/3)
- [17] 設計與測試
- 使用Botsociety設計Facebook Messenger上的旅行機器人
- 使用Walkie設計Slack平台上的PTO機器人 (1/3)
- 使用Walkie設計Slack平台上的PTO機器人 (2/3)
- 使用Walkie設計Slack平台上的PTO機器人 (3/3)
- 使用者測試 (1/2)
- 使用者測試 (2/2)
- [18] 機器人建構概觀
- 機器人架構
- 機器人建構技術 (1/2)
- 機器人建構技術 (2/2)
- 選擇正確的工具
- [19] 分析與持續進步
- 如何進行機器人分析?
- 查看日誌
- 分析方法洞見
- 持續進步
- [20] 飛向宇宙,浩瀚無垠 —機器人的未來
- 機器人平台的未來趨勢
- 機器人未來趨勢
- 機器人與AI會併吞全世界嗎?
- 機器人存在於我們生活的每個角落
- 索引 (1/3)
- 索引 (2/3)
- 索引 (3/3)
- 關於作者
- 出版記事
Product information
- Title: 設計聊天機器人|建立對話式體驗
- Author(s):
- Release date: May 2018
- Publisher(s): GoTop Information, Inc.
- ISBN: None
You might also like
book
建立嵌入式系統--傑出軟體的設計模式
「《建立嵌入式系統》是想要進入有趣(且有錢賺)嵌入式系統世界的所有C語言程式設計師都必需讀的書。這本書寫作良好而且有趣,同時包含許多清晰的範例。」 -- Jack Ganssle, 作家與嵌入式系統專家 想要開發嵌入式系統嗎?嵌入式系統對效率有很高的要求,需要遵循有紀律的程式設計原則,結合傳統的軟體設計模式與嵌入式程式設計領域中特有的設計模式。本書提供了簡明的指導,協助你建立良好的程式設計實作方式,學習如何針對處理器而非作業系統建立架構,以及處理硬體限制與製造需求的獨特技巧。 本書作者Elecia White是嵌入式系統專家,建立過的系統涵蓋道路監控系統以及兒童玩具上的DNA掃描器。本書內容並非針對特定平台,適合中、高階程式設計師閱讀。 ‧最佳化系統以降低成本並提高效能 ‧在資源有限的環境中建立強固的軟體架構 ‧涵蓋掃描器、馬達等I/O設備 ‧以更少的資源達成更多的成果:降低使用的RAM、程式碼空間、處理器週期以及藉電量 ‧學習如何在CPU中直接更新嵌入式程式碼 ‧發現如何在小型處理器上實作複雜的數學計算 ‧瞭解當你應徵嵌入式系統職位時,面試官在意的重點 Elecia …
book
微服务与事件驱动架构
如今,许多公司常常难以在业务需求和不断增长的数据量之间找到平衡。随着各行各业积极拥抱数字化转型,对大规模实时数据的利用需求正在快速增长,传统的系统架构再也无法承担重任。 本书为构建事件驱动型微服务提供了实用框架。通过本书,你将学习如何根据事件驱动型微服务的原则跨业务部门利用大数据,从而提高服务的可伸缩性和可测试性,让技术选型更灵活,更轻松地应对不断变化的业务需求,真正实现持续交付。 如何利用事件驱动架构更好地实现商业价值 微服务在事件驱动架构设计中的角色 确保团队取得成功的架构模式 开发强大的事件驱动型微服务所需的应用模式 落地微服务生态系统所需的组件和工具
book
HBASE技術手冊
處理巨量資料(Big data)的最佳選擇 如果你正在尋找一個具可擴展性的儲存解決方案,來容納幾乎是永無止盡的大量資料,本書介紹的Apache HBase可以滿足你的需要。它是Google BigTable架構下的一個開放原始碼實作,HBase可以擴展到數十億筆資料和數百萬個欄位,同時確保寫入和讀取效能仍然保持一定的水準。針對許多IT人員經常提出的問題,本書提供了一些很有參考價值的解答。 .探索如何更緊密地與Hadoop整合,讓HBase可以更容易做到可擴展性。 .透過一個由一般伺服器所架設的低成本叢集,來散佈大型資料集。 .利用原生Java客戶端,或透過閘道伺服器所提供的REST、Avro或Thrift API來存取HBase。 .瞭解HBase的架構細節,包括儲存格式、預寫式日誌、背景程序等等。 .HBase整合Hadoop的MapReduce框架,用於大規模平行化的資料處理作業。 .學習如何去調校叢集、設計綱要、複製資料表、匯入大量資料、卸離節點和更多其他的工作。 名人推薦 「分散式系統通常最好是像〝雲〞一般。Lars George從實務中萃取出來的寶貴經驗,是我們在學習HBase過程中一個很好的引導。」—Josh Patterson, …
book
机器学习流水线实战
正如自动化流水线给汽车制造业带来了质的改变,自动化机器学习流水线也能从根本上加速机器学习领域的发展。机器学习流水线实现了复用、管理和部署机器学习模型的标准化流程。数据科学家和机器学习工程师不仅能摆脱逐个手动构建和训练模型的“作坊式”工作流程,还能产出更可靠、更安全的模型。 本书带领你使用TensorFlow生态圈中的众多工具构建可复现的机器学习流水线,从而将模型部署时间从数天缩短为数分钟,有效地实现机器学习项目产品化。你将学习如下内容。 了解机器学习流水线的构建步骤 使用TensorFlow Extended(TFX)构建机器学习流水线 使用Beam、Airflow、Kubeflow Pipelines编排流水线 数据校验和数据预处理 使用TensorFlow的模型分析工具 检查模型的公平性 使用TensorFlow Serving和TensorFlow Lite部署模型 了解差分隐私、联邦学习和加密机器学习等隐私保护方法