302015-3

網頁大圖片應用技巧淺析

用圖像創造場景感，增強用戶的真實體驗，近些年來，圖片作為背景填充整個屏幕的設計越來越廣泛，曾經只有時尚潮流網站或者攝影類站點才會特別依賴富有沖擊力的圖像，但是現在幾乎任何類型的網站都有可能采用這種大圖片作為背景，特別是企業品牌宣傳、產品介紹等等。

在設計網頁過程中，需要用到大量的圖片，而且找到的圖片大多風格迥異、無品牌感，那么如何找到合適而又能正確地應用圖片呢？

評論(0) 瀏覽(5006)

272015-3

設計轉場動效

藍藍設計的小編

設計師們喜歡追求細節的完美。他們把大量時間花在了操蛋的像素級按鈕，表單樣式，設置類型以及讓如何那些圖標變得漂亮和精致。即使是A+和干得好這樣的稱贊也不足以這些人停下來。

…但是關于如何設計銜接卻很少有人考慮。你點下按鈕表單就…出現了？你滑動刪除一個項目它就那么消失了?那也忒怪異忒不自然了。在真實世界里幾乎沒有效果，這好像是一個bug。

評論(0) 瀏覽(6005)

272015-3

4號html模板出售

藍藍設計的小編

內容：包含列表頁、輸入頁、目錄頁共3頁html、images/css/div

單頁：999元

評論(0) 瀏覽(4044)

262015-3

2015年的移動醫療領域，你可能會看到他們的IPO招股書

在2014年，投資者們將大量資金投入到互聯網醫療領域，有代表性的比如：Flatiron Health、Nanthealth、Proteus Digital Health、掛號網、丁香園、春雨醫生等，隨著風險投資增長，隨之而來的是合適IPO及資本退出問題。

在2014年，大約200億美元的并購活動中，有100億的資本是通過IPO創造。美國著名互聯網醫療孵化器Rock Health在2014年的互聯網醫療投資報告中，也盤點了可能在2015年上市的互聯網醫療公司，這其中尚未有提及中國的公司。我們對這14家可能在2015年 IPO的公司進行了進一步分析，關于他們此前的融資情況，主要業務領域以及經營時間等方面做了比較。

評論(0) 瀏覽(6763)

242015-3

看看移動健康醫療界YC——Rock Health，41億美元都花在哪了？

藍藍設計的小編

當跨入2015年，毫無疑問在醫療改革的推動下，我們的整個醫療系統都正在經歷著一場技術性的變革。企業家和投資人都注意到了這一趨勢。隨著風險投資增長的是顯而易見的退出問題。我們在過去一年追蹤了大約200億美元的并購活動，而另外100億的資本則通過IPO創造。總的來說，2014年在新產品發布和退出方面表現較弱，在這個領域投入重金的風投們也需要找到退出之路。2015年很有可能將會是比2014更加精彩的一年，將會有更多的交易和更多的退出，所以請大家繼續關注。

2014年針對互聯網醫療企業的投資總額超過了40億美元，幾乎相當于之前3年（2011-2013）的總和

從1月份的快速啟動可以看出，互聯網醫療領域的風險投資將會達到一個新的高度。到第二季度末，投資額就已經超過了2013年的總和。投資額同比增長率在去年短暫放緩為30%之后今年猛增到125%，2011—2014年的復合年增長率達到了45%，2014年的4個季度還分別創造了互聯網醫療投資的單季度最大投資額，其中第2季度的單季度投資額甚至就超過了2012年的總和。

評論(0) 瀏覽(3741)

242015-3

淺談醫學大數據（中）

藍藍設計的小編

本文接上篇淺談醫學大數據（上）。

數據分析框架（傳統數據分析框架，大數據分析框架）

醫療大數據有著前面第一節提到的所有特征。在醫療大數據帶來各種優勢的同時，大數據隨之帶來的各種特性使得傳統的數據處理和數據分析方法及軟件捉襟見肘，問題多多。在大數據時代出現之前，受限于數據量的可獲得性和計算能力的有限性，傳統的數據管理和分析采用著不同的思路和流程。傳統上，對于問題的研究建立在假設的基礎上進行驗證，進而研究事物的相關因果性，希望能回答“為什么”。

而在大數據時代，海量數據的涌現提供了從不同角度更細致更全面觀察研究數據的可能，從而打開了人們的好奇心，探索欲望，人們想知道到數據告訴了我什么，而不僅僅是我的猜想是否被數據驗證了。人們越來越多地用大數據挖掘各種感興趣的關聯，非關聯等相關性，然后再進一步比較，分析，歸納，研究（“為什么”變成一個選項而不是唯一終極目標）。大數據與傳統數據思路上的不同導致了分析流程的不同，如圖一所示：

評論(0) 瀏覽(3640)

232015-3

淺談醫學大數據（上）

藍藍設計的小編

大數據定義及其特征

大數據顧名思義就是數量極其龐大的數據資料。從上世紀80年代開始，每隔40個月世界上儲存的人均科技信息量就會翻倍 (Hibert & Lopez, 2011)。2012年，每天會有2.5EB量的數據產生 (Andrew & Erik, 2012)。現在，2014年，每天會有2.3ZB量的數據產生 (IBM, 2015)。這是一個什么概念？現在一般我們電腦的硬盤大小都以GB，或者TB為單位了。1GB的容量可以儲存約5.4億的漢字，或者170張普通數碼相機拍攝的高精度照片，或者300-350首長度為5-6分鐘的MP3歌曲。那GB和TB, EB，ZB的關系又是怎樣？

1ZB=1024EB=10242PB=10243TB=10244GB。如果你有一臺1TB硬盤容量的電腦，那1ZB就是大致等于10億臺電腦的容量,遠遠超出了我們一般的想象。

早期，IBM定義了大數據的特性有3個：大量性（ Volume）, 多樣性（Variety）, 快速性（Velocity） (Zikopoulos, Eaton, deRooos, Deutsch, & Lapis, 2012)。后來又有學者把價值（Value）加到大數據的特性里。隨著時間的推移和人們思考的進一步完善，又有三個大數據的特性被提出：易變性（Variability），準確性(Veracity)和復雜性(Complexity)。

作者認為價值本質上是數據被分析后體現出來的有用信息知識的程度，和其他幾個特性有根本區別。其他幾個特性可以說是數據工作者具體實踐中面臨的挑戰，而價值則是征服這些挑戰后獲得的回報。

評論(0) 瀏覽(3591)

202015-3