目录
第1 章 人工智能时代的产品思考 / 1
1．1 人工智能产品 / 2
1．2 体系――人工智能产品框架 / 11
1．3 基础――数据的进化 / 15
1．4 方法――人工智能领域的研究方法 / 19
1．5 商业――人工智能时代的商业模式 / 25
参考文献 / 32
第2 章 无行业不智能 / 34
2．1 互联网的行业认知 / 36
2．1．1 互联网时代的下半场――产业互联网的兴起 / 36
2．1．2 如何才能懂行业 / 39
2．2 产业互联网的行业属性 / 45
2．2．1 产品需求的行业属性 / 45
2．2．2 产品逻辑的行业属性 / 47
2．3 行业与人工智能技术 / 52
2．3．1 人工智能与行业效率提高 / 53
2．3．2 人工智能与产业创新 / 54
参考文献 / 55
第3 章 人工智能产品的构建 / 56
3．1 逻辑梳理 / 59
3．1．1 人工智能产品逻辑体系 / 59
3．1．2 人工智能产品设计原则与方法 / 60
3．2 需求转化 / 65
3．2．1 需求与数据 / 65
3．2．2 需求的产品转化 / 66
3．3 数据准备 / 68
3．3．1 数据获取 / 68
3．3．2 数据治理 / 70
3．3．3 数据标注 / 84
3．4 模型建立 / 85
3．4．1 知识建模 / 86
3．4．2 非知识建模 / 89
3．4．3 特征工程 / 89
3．4．4 算法的选择 / 95
3．4．5 模型的开发 / 96
3．5 模型评估 / 98
3．5．1 模型的业务评估 / 98
3．5．2 模型的量化评估 / 98
3．6 沟通――构建人工智能产品的软技能 / 106
3．6．1 沟通分析 / 107
3．6．2 沟通控制 / 120
参考文献 / 122
第4 章 产品中的人工智能算法 / 126
4．1 算法概述 / 127
4．2 基于线性模型构建用户画像 / 130
4．2．1 线性回归 / 131
4．2．2 逻辑斯蒂回归 / 135
4．2．3 聚类算法 / 139
4．3 图像的处理原理 / 141
4．3．1 神经网络简介 / 141
4．3．2 神经网络算法概述 / 143
4．3．3 BP 神经网络 / 147
4．3．4 卷积神经网络 / 154
4．3．5 基于深度学习的目标检测 / 160
4．3．6 胶囊网络简介 / 162
4．4 自然语言处理与文本挖掘 / 163
4．4．1 自然语言处理流程 / 164
4．4．2 语料特征提取方法 / 169
4．4．3 循环神经网络 / 175
4．5 阿尔法狗系统的原理 / 177
4．5．1 博弈论基础 / 177
4．5．2 极小化极大算法 / 179
4．5．3 蒙特卡罗树搜索 / 182
4．5．4 强化学习 / 185
4．5．5 阿尔法狗系统 / 190
4．6 机器的逻辑推断 / 192
4．6．1 贝叶斯理论 / 192
4．6．2 马尔可夫网络 / 202
4．6．3 马尔可夫逻辑网络 / 205
参考文献 / 208
第5 章 产品经理的进化 / 211
5．1 产品经理的思考 / 212
5．1．1 产品经理的成长路径 / 212
5．1．2 中年产品经理的危机与未来 / 216
5．2 人工智能产品经理 / 223
5．2．1 人工智能产品经理的基本技能 / 223
5．2．2 人工智能产品经理的工作流程 / 232
5．3 如何成为人工智能产品经理 / 234
5．3．1 产品能力 / 234
5．3．2 技术能力 / 236
5．3．3 行业能力 / 241
参考文献 / 241
· · · · · · (收起)
第1 章 人工智能时代的产品思考 / 1
1．1 人工智能产品 / 2
1．2 体系――人工智能产品框架 / 11
1．3 基础――数据的进化 / 15
1．4 方法――人工智能领域的研究方法 / 19
1．5 商业――人工智能时代的商业模式 / 25
参考文献 / 32
第2 章 无行业不智能 / 34
2．1 互联网的行业认知 / 36
2．1．1 互联网时代的下半场――产业互联网的兴起 / 36
2．1．2 如何才能懂行业 / 39
2．2 产业互联网的行业属性 / 45
2．2．1 产品需求的行业属性 / 45
2．2．2 产品逻辑的行业属性 / 47
2．3 行业与人工智能技术 / 52
2．3．1 人工智能与行业效率提高 / 53
2．3．2 人工智能与产业创新 / 54
参考文献 / 55
第3 章 人工智能产品的构建 / 56
3．1 逻辑梳理 / 59
3．1．1 人工智能产品逻辑体系 / 59
3．1．2 人工智能产品设计原则与方法 / 60
3．2 需求转化 / 65
3．2．1 需求与数据 / 65
3．2．2 需求的产品转化 / 66
3．3 数据准备 / 68
3．3．1 数据获取 / 68
3．3．2 数据治理 / 70
3．3．3 数据标注 / 84
3．4 模型建立 / 85
3．4．1 知识建模 / 86
3．4．2 非知识建模 / 89
3．4．3 特征工程 / 89
3．4．4 算法的选择 / 95
3．4．5 模型的开发 / 96
3．5 模型评估 / 98
3．5．1 模型的业务评估 / 98
3．5．2 模型的量化评估 / 98
3．6 沟通――构建人工智能产品的软技能 / 106
3．6．1 沟通分析 / 107
3．6．2 沟通控制 / 120
参考文献 / 122
第4 章 产品中的人工智能算法 / 126
4．1 算法概述 / 127
4．2 基于线性模型构建用户画像 / 130
4．2．1 线性回归 / 131
4．2．2 逻辑斯蒂回归 / 135
4．2．3 聚类算法 / 139
4．3 图像的处理原理 / 141
4．3．1 神经网络简介 / 141
4．3．2 神经网络算法概述 / 143
4．3．3 BP 神经网络 / 147
4．3．4 卷积神经网络 / 154
4．3．5 基于深度学习的目标检测 / 160
4．3．6 胶囊网络简介 / 162
4．4 自然语言处理与文本挖掘 / 163
4．4．1 自然语言处理流程 / 164
4．4．2 语料特征提取方法 / 169
4．4．3 循环神经网络 / 175
4．5 阿尔法狗系统的原理 / 177
4．5．1 博弈论基础 / 177
4．5．2 极小化极大算法 / 179
4．5．3 蒙特卡罗树搜索 / 182
4．5．4 强化学习 / 185
4．5．5 阿尔法狗系统 / 190
4．6 机器的逻辑推断 / 192
4．6．1 贝叶斯理论 / 192
4．6．2 马尔可夫网络 / 202
4．6．3 马尔可夫逻辑网络 / 205
参考文献 / 208
第5 章 产品经理的进化 / 211
5．1 产品经理的思考 / 212
5．1．1 产品经理的成长路径 / 212
5．1．2 中年产品经理的危机与未来 / 216
5．2 人工智能产品经理 / 223
5．2．1 人工智能产品经理的基本技能 / 223
5．2．2 人工智能产品经理的工作流程 / 232
5．3 如何成为人工智能产品经理 / 234
5．3．1 产品能力 / 234
5．3．2 技术能力 / 236
5．3．3 行业能力 / 241
参考文献 / 241
· · · · · · (收起)
具体描述
随着人工智能技术在越来越多的行业中应用，诸多问题也随之而来，最主要的问题在于人工智能技术与行业的结合深度不足。在大多数情况下，人工智能技术只能解决表层的行业问题，对于深层的业务问题赋能不足。当前急需探索人工智能技术与行业结合的方法与模式。本书结合了笔者构建人工智能产品的实际经验，从人工智能产品流程、行业能力模型、人工智能技术等方面详细地叙述了人工智能产品的构建过程，特别突出了人工智能技术应用于行业的分析方法。本书也阐述了人工智能产品经理的工作流程、思维方式及成长路径。本书可作为现阶段想了解人工智能产品构建过程的人，或想成为人工智能产品经理的人的学习素材，也可作为各行各业人士了解人工智能产品构建过程的参考书。
用户评价
评分
##产品经理AI书里面相对偏技术的
评分###里面干货较多，作者明显在一线从事ai产品工作。
评分##整体不错，对入门者友好，举的例子中生物医药类项目还是有点小众。
评分###里面干货较多，作者明显在一线从事ai产品工作。
评分##整体不错，对入门者友好，举的例子中生物医药类项目还是有点小众。
评分##最早期公司用算法解决问题，后期把算法抽离出来，做成单独的产品卖给别人。科普类的书籍。
评分##算法部分值得看，总结的还可以
评分##整体不错，对入门者友好，举的例子中生物医药类项目还是有点小众。
评分##算法部分值得看，总结的还可以
