目錄
第1 章 人工智能時代的産品思考 / 1
1．1 人工智能産品 / 2
1．2 體係――人工智能産品框架 / 11
1．3 基礎――數據的進化 / 15
1．4 方法――人工智能領域的研究方法 / 19
1．5 商業――人工智能時代的商業模式 / 25
參考文獻 / 32
第2 章 無行業不智能 / 34
2．1 互聯網的行業認知 / 36
2．1．1 互聯網時代的下半場――産業互聯網的興起 / 36
2．1．2 如何纔能懂行業 / 39
2．2 産業互聯網的行業屬性 / 45
2．2．1 産品需求的行業屬性 / 45
2．2．2 産品邏輯的行業屬性 / 47
2．3 行業與人工智能技術 / 52
2．3．1 人工智能與行業效率提高 / 53
2．3．2 人工智能與産業創新 / 54
參考文獻 / 55
第3 章 人工智能産品的構建 / 56
3．1 邏輯梳理 / 59
3．1．1 人工智能産品邏輯體係 / 59
3．1．2 人工智能産品設計原則與方法 / 60
3．2 需求轉化 / 65
3．2．1 需求與數據 / 65
3．2．2 需求的産品轉化 / 66
3．3 數據準備 / 68
3．3．1 數據獲取 / 68
3．3．2 數據治理 / 70
3．3．3 數據標注 / 84
3．4 模型建立 / 85
3．4．1 知識建模 / 86
3．4．2 非知識建模 / 89
3．4．3 特徵工程 / 89
3．4．4 算法的選擇 / 95
3．4．5 模型的開發 / 96
3．5 模型評估 / 98
3．5．1 模型的業務評估 / 98
3．5．2 模型的量化評估 / 98
3．6 溝通――構建人工智能産品的軟技能 / 106
3．6．1 溝通分析 / 107
3．6．2 溝通控製 / 120
參考文獻 / 122
第4 章 産品中的人工智能算法 / 126
4．1 算法概述 / 127
4．2 基於綫性模型構建用戶畫像 / 130
4．2．1 綫性迴歸 / 131
4．2．2 邏輯斯蒂迴歸 / 135
4．2．3 聚類算法 / 139
4．3 圖像的處理原理 / 141
4．3．1 神經網絡簡介 / 141
4．3．2 神經網絡算法概述 / 143
4．3．3 BP 神經網絡 / 147
4．3．4 捲積神經網絡 / 154
4．3．5 基於深度學習的目標檢測 / 160
4．3．6 膠囊網絡簡介 / 162
4．4 自然語言處理與文本挖掘 / 163
4．4．1 自然語言處理流程 / 164
4．4．2 語料特徵提取方法 / 169
4．4．3 循環神經網絡 / 175
4．5 阿爾法狗係統的原理 / 177
4．5．1 博弈論基礎 / 177
4．5．2 極小化極大算法 / 179
4．5．3 濛特卡羅樹搜索 / 182
4．5．4 強化學習 / 185
4．5．5 阿爾法狗係統 / 190
4．6 機器的邏輯推斷 / 192
4．6．1 貝葉斯理論 / 192
4．6．2 馬爾可夫網絡 / 202
4．6．3 馬爾可夫邏輯網絡 / 205
參考文獻 / 208
第5 章 産品經理的進化 / 211
5．1 産品經理的思考 / 212
5．1．1 産品經理的成長路徑 / 212
5．1．2 中年産品經理的危機與未來 / 216
5．2 人工智能産品經理 / 223
5．2．1 人工智能産品經理的基本技能 / 223
5．2．2 人工智能産品經理的工作流程 / 232
5．3 如何成為人工智能産品經理 / 234
5．3．1 産品能力 / 234
5．3．2 技術能力 / 236
5．3．3 行業能力 / 241
參考文獻 / 241
· · · · · · (收起)
第1 章 人工智能時代的産品思考 / 1
1．1 人工智能産品 / 2
1．2 體係――人工智能産品框架 / 11
1．3 基礎――數據的進化 / 15
1．4 方法――人工智能領域的研究方法 / 19
1．5 商業――人工智能時代的商業模式 / 25
參考文獻 / 32
第2 章 無行業不智能 / 34
2．1 互聯網的行業認知 / 36
2．1．1 互聯網時代的下半場――産業互聯網的興起 / 36
2．1．2 如何纔能懂行業 / 39
2．2 産業互聯網的行業屬性 / 45
2．2．1 産品需求的行業屬性 / 45
2．2．2 産品邏輯的行業屬性 / 47
2．3 行業與人工智能技術 / 52
2．3．1 人工智能與行業效率提高 / 53
2．3．2 人工智能與産業創新 / 54
參考文獻 / 55
第3 章 人工智能産品的構建 / 56
3．1 邏輯梳理 / 59
3．1．1 人工智能産品邏輯體係 / 59
3．1．2 人工智能産品設計原則與方法 / 60
3．2 需求轉化 / 65
3．2．1 需求與數據 / 65
3．2．2 需求的産品轉化 / 66
3．3 數據準備 / 68
3．3．1 數據獲取 / 68
3．3．2 數據治理 / 70
3．3．3 數據標注 / 84
3．4 模型建立 / 85
3．4．1 知識建模 / 86
3．4．2 非知識建模 / 89
3．4．3 特徵工程 / 89
3．4．4 算法的選擇 / 95
3．4．5 模型的開發 / 96
3．5 模型評估 / 98
3．5．1 模型的業務評估 / 98
3．5．2 模型的量化評估 / 98
3．6 溝通――構建人工智能産品的軟技能 / 106
3．6．1 溝通分析 / 107
3．6．2 溝通控製 / 120
參考文獻 / 122
第4 章 産品中的人工智能算法 / 126
4．1 算法概述 / 127
4．2 基於綫性模型構建用戶畫像 / 130
4．2．1 綫性迴歸 / 131
4．2．2 邏輯斯蒂迴歸 / 135
4．2．3 聚類算法 / 139
4．3 圖像的處理原理 / 141
4．3．1 神經網絡簡介 / 141
4．3．2 神經網絡算法概述 / 143
4．3．3 BP 神經網絡 / 147
4．3．4 捲積神經網絡 / 154
4．3．5 基於深度學習的目標檢測 / 160
4．3．6 膠囊網絡簡介 / 162
4．4 自然語言處理與文本挖掘 / 163
4．4．1 自然語言處理流程 / 164
4．4．2 語料特徵提取方法 / 169
4．4．3 循環神經網絡 / 175
4．5 阿爾法狗係統的原理 / 177
4．5．1 博弈論基礎 / 177
4．5．2 極小化極大算法 / 179
4．5．3 濛特卡羅樹搜索 / 182
4．5．4 強化學習 / 185
4．5．5 阿爾法狗係統 / 190
4．6 機器的邏輯推斷 / 192
4．6．1 貝葉斯理論 / 192
4．6．2 馬爾可夫網絡 / 202
4．6．3 馬爾可夫邏輯網絡 / 205
參考文獻 / 208
第5 章 産品經理的進化 / 211
5．1 産品經理的思考 / 212
5．1．1 産品經理的成長路徑 / 212
5．1．2 中年産品經理的危機與未來 / 216
5．2 人工智能産品經理 / 223
5．2．1 人工智能産品經理的基本技能 / 223
5．2．2 人工智能産品經理的工作流程 / 232
5．3 如何成為人工智能産品經理 / 234
5．3．1 産品能力 / 234
5．3．2 技術能力 / 236
5．3．3 行業能力 / 241
參考文獻 / 241
· · · · · · (收起)
具體描述
隨著人工智能技術在越來越多的行業中應用，諸多問題也隨之而來，最主要的問題在於人工智能技術與行業的結閤深度不足。在大多數情況下，人工智能技術隻能解決錶層的行業問題，對於深層的業務問題賦能不足。當前急需探索人工智能技術與行業結閤的方法與模式。本書結閤瞭筆者構建人工智能産品的實際經驗，從人工智能産品流程、行業能力模型、人工智能技術等方麵詳細地敘述瞭人工智能産品的構建過程，特彆突齣瞭人工智能技術應用於行業的分析方法。本書也闡述瞭人工智能産品經理的工作流程、思維方式及成長路徑。本書可作為現階段想瞭解人工智能産品構建過程的人，或想成為人工智能産品經理的人的學習素材，也可作為各行各業人士瞭解人工智能産品構建過程的參考書。
用戶評價
評分
##有乾貨，有常識。可惜內容不多，值得一看
評分
##這本書，對於各類人工智能的概念和算法，講的都比較完善。
評分
##內容非常好，我之前有個ai的概念，看過之後就懂瞭。大傢真可以看看！推薦！
評分
##我跟上麵這些人看的是同一本書嗎，評分這麼高
評分
##內容非常好，我之前有個ai的概念，看過之後就懂瞭。大傢真可以看看！推薦！
評分
##最早期公司用算法解決問題，後期把算法抽離齣來，做成單獨的産品賣給彆人。科普類的書籍。
評分
##我跟上麵這些人看的是同一本書嗎，評分這麼高
評分
##産品經理AI書裏麵相對偏技術的
##最早期公司用算法解決問題，後期把算法抽離齣來，做成單獨的産品賣給彆人。科普類的書籍。