UI智能化與前端智能化：工程技術(shù)、實現(xiàn)方法與編程思想

Contents　目　錄
前言
第一篇　關(guān)于智能UI
第1章　前端智能化2
1.1　AI改變前端編程2
1.2　AI進行頁面重構(gòu)的要求3
1.3　AI進行頁面重構(gòu)的能力4
1.4　AI進行頁面重構(gòu)的方法6
1.4.1　原理7
1.4.2　過程7
1.4.3　調(diào)試方法8
第2章　面向不確定性編程11
2.1　運行時的不確定性帶來的全新
　　 挑戰(zhàn)11
2.2　編程本身受到的影響12
2.2.1　想不清楚12
2.2.2　做不明白14
2.3　快速上手前端機器學習16
2.3.1　訓練17
2.3.2　預(yù)測19
2.3.3　部署20
第3章　UI個性化23
3.1　UI個性化的研發(fā)成本問題24
3.2　UI個性化表達的能力問題27
3.3　UI個性化的業(yè)務(wù)價值問題29
本篇小結(jié)31
第二篇　智能UI實戰(zhàn)
第4章　智能UI的目標、方法
　　　　和步驟34
4.1　智能UI具體做什么34
4.1.1　在UI上實現(xiàn)信息有效
　　　表達34
4.1.2　個性化UI方案數(shù)量的
　　　重要性35
4.1.3　UI的可變性35
4.1.4　UI設(shè)計約束37
4.2　供給鏈路概述39
4.2.1　UI個性化元素供給39
4.2.2　UI個性化方案組裝40
4.3　消費鏈路概述41
第5章　智能UI供給鏈路44
5.1　實現(xiàn)UI的可變性44
5.1.1　視覺設(shè)計的基礎(chǔ)45
5.1.2　視覺設(shè)計的基本元素45
5.1.3　視覺設(shè)計的原則50
5.1.4　設(shè)計交付與前端
　　　　　　交付的關(guān)系52
5.1.5　Web應(yīng)用的交付過程53
5.1.6　原子設(shè)計理論53
5.2　設(shè)計系統(tǒng)：設(shè)計生產(chǎn)一體化
　　 方案56
5.2.1　設(shè)計、研發(fā)、UI個性化
　　　消費三位一體的新輪子56
5.2.2　設(shè)計系統(tǒng)的技術(shù)選型58
5.2.3　設(shè)計系統(tǒng)的方案設(shè)計61
5.2.4　設(shè)計系統(tǒng)的詳細設(shè)計67
5.2.5　關(guān)于自適應(yīng)樣式76
5.3　設(shè)計令牌：設(shè)計體系的技術(shù)
　　承接78
5.3.1　令牌類型79
5.3.2　設(shè)計令牌的組織結(jié)構(gòu)80
5.3.3　從簡單的令牌結(jié)構(gòu)設(shè)計
　　　開始80
5.3.4　設(shè)計令牌主要的分層命名83
5.3.5　如何設(shè)計一個令牌96
5.3.6　有效地使用設(shè)計令牌99
5.4　代碼生成：智能UI的基石105
5.4.1　代碼生成基礎(chǔ)107
5.4.2　熟悉插件、CLI的擴展
　　　能力127
5.4.3　在D2C代碼生成中應(yīng)用
　　　設(shè)計令牌128
第6章　智能UI消費鏈路143
6.1　方案：AI輔助規(guī)則生成145
6.1.1　整體規(guī)則生成146
6.1.2　局部規(guī)則生成149
6.1.3　AI輔助的篩選和過濾152
6.2　架構(gòu)：技術(shù)工程體系166
6.2.1　擁抱云原生167
6.2.2　算法模型層167
6.2.3　算法服務(wù)層180
6.2.4　構(gòu)建層188
6.3　迭代：歸因和度量214
6.3.1　A/B測試實驗?zāi)芰ㄔO(shè)215
6.3.2　智能UI歸因和度量方法226
6.3.3　智能UI歸因和度量實戰(zhàn)231
第7章　智能UI與端智能237
7.1　端智能技術(shù)工程基礎(chǔ)238
7.1.1　評估和準備算法模型240
7.1.2　基于編譯的模型優(yōu)化244
7.1.3　TensorFlow Lite的
　　　Android應(yīng)用254
7.1.4　Core ML的iOS應(yīng)用259
7.2　實時性實踐266
7.2.1　技術(shù)體系267
7.2.2　運行態(tài)：數(shù)據(jù)能力268
7.2.3　無入侵數(shù)據(jù)采集269
7.2.4　運行態(tài)：模型能力269
7.2.5　端智能研發(fā)態(tài)270
7.2.6　產(chǎn)品落地271
7.3　個人信息安全實戰(zhàn)272
7.3.1　零知識證明簡介273
7.3.2　安全多方計算和RSA
　　　　　　加密算法276
7.3.3　安全多方計算實戰(zhàn)277
7.3.4　MP-SPDZ簡介282
7.3.5　TensorFlow Federated：
　　　　　　沒有集中訓練數(shù)據(jù)的
　　　　　　協(xié)作機器學習286
本篇小結(jié)295
第三篇　智能UI編程思想
第8章　UI智能化298
8.1　接口和界面的區(qū)別298
8.1.1　什么是操作298
8.1.2　操作對象變遷史299
8.1.3　接口和界面在操作中
　　　的作用303
8.1.4　界面隱藏自己的魔法304
8.2　GUI給應(yīng)用程序帶來的
　　　　　變化305
8.2.1　GUI易用性背后的復(fù)
　　　雜度305
8.2.2　GUI開發(fā)中面向用戶
　　　體驗的程序設(shè)計308
8.3　如何實現(xiàn)UI智能化325
第9章　交付智能化：設(shè)計
　　　　生產(chǎn)一體化之旅330
9.1　設(shè)計生產(chǎn)一體化詳解332
9.1.1　端到端交付的必要性332
9.1.2　端到端交付的挑戰(zhàn)334
9.2　工業(yè)領(lǐng)域端到端交付的
　　　先進思想340
9.2.1　MBD設(shè)計制造一體
　　　化概覽340
9.2.2　PMI協(xié)同制造需求結(jié)
　　　構(gòu)化342
9.2.3　設(shè)計制造一體化過程
　　　分析343
9.2.4　借鑒工業(yè)化思想改進端
　　　到端交付349
9.2.5　前端工程的工藝信息367
9.2.6　基于結(jié)構(gòu)化工程鏈路信
　　　息和需求信息的業(yè)務(wù)
　　　　　　 驗證376
9.3　設(shè)計生產(chǎn)一體化展望381
9.3.1　技術(shù)賦能381
9.3.2　基于產(chǎn)品經(jīng)理工作臺
　　　重塑工作流383
9.3.3　基于投放實驗?zāi)芰B透
　　　運營工作流384
9.3.4　基于智能UI體系的一體
　　　化交付成果384
9.4　反思和展望387
第10章　編程思想智能化：
　　　　 可微編程390
10.1　什么是可微編程392
10.1.1　可微編程和自動微分的
　　　 關(guān)系393
10.1.2　可微編程實現(xiàn)智能應(yīng)用
　　　 程序396
10.1.3　Swift的可微編程398
10.2　TensorFlow可微編程405
10.2.1　TensorFlow計算圖示例408
10.2.2　TensorFlow梯度計算411
10.2.3　TensorFlow自動微分419
10.3　可微編程應(yīng)對未來421
10.3.1　可微編程實現(xiàn)彈性動畫423
10.3.2　展望未來436
本篇小