《 AI产品经理手册》[50]百度网盘|亲测有效|pdf下载

编辑推荐

AI产品经理可通过阅读《AI产品经理手册》将AI相关知识应用到工作实践中。本书涵盖了在AI行业中推动产品开发和增长所需的全部内容：从理解人工智能和机器学习到开发和推出AI产品。本书提供了AI产品所需的策略、技术和工具，帮助产品获得成功。

　　《AI产品经理手册》的第Ⅰ部分主要介绍建立与维护AI流水线所需的相关概念基础。第Ⅱ部分着眼于AI原生产品的构建，最后一部分则介绍如何将AI集成到现有产品中。

内容简介

通过《AI产品经理手册》，将可以了解不同类型的AI，如何将AI整合到产品或业务中，以及支持创建AI产品或将AI集成到现有产品所需的基础设施。熟悉实践管理AI产品开发流程、评估和优化AI模型，以及应对与AI产品相关的复杂伦理和法律问题等相关知识。通过案例研究和学习，在快速发展的AI和机器学习领域保持领先地位。
通过阅读本书，读者将能够从产品角度全面了解AI领域。
主要内容
● 利用有限的资源，构建面向未来的AI产品
● 找出利用AI满足业务需求的机会
● 与跨职能团队合作开发和部署AI产品
● 分析使用机器学习和深度学习开发产品的收益和成本
● 探讨在处理敏感数据时伦理和责任的重要性

显示全部信息

作者简介

Irene Bratsis(艾琳·布拉西斯)是国际WELL 建筑研究所(International WELL Building Institute，IWBI)的数字产品和数据主管。她拥有经济学学士学位，在学习数据科学和大数据分析方面的慕课(MOOC)后，还在Thinkful 上学习了一门数据科学的课程。在加入IWBI 前，Irene 曾担任特斯拉的运营分析师、Gesture 的数据科学家、Beekin 的数据产品经理、Tenacity 的产品主管。Irene 作为《纽约公约》的志愿者，担任“Women in Data”分会的联合负责人，积极投身于各种志愿者活动。她曾策划并组织过多个AI 加速器项目，多次主持以“WaiTalk”(Women in AI)为主题的系列演讲活动。此外，她还每月组织一次关于数据和AI 书籍的读书会。

目　　录

目　录
第I部分 AI的基础：术语、基础设施、AI类型以及AI产品案例
第1 章构建AI 产品所需要的基础设施和工具 3
1.1 定义：什么是AI，什么不是AI 4
1.2 机器学习与深度学习的区别 6
1.2.1 机器学习 7
1.2.2 深度学习 7
1.3 机器学习的学习类型 9
1.3.1 监督学习 9
1.3.2 无监督学习 11
1.3.3 半监督学习 12
1.3.4 强化学习 13
1.4 流程顺序：最佳流程及其过程 13
1.4.1 步骤1：数据可用性和集中化 14

目　录
第I部分 AI的基础：术语、基础设施、AI类型以及AI产品案例
第1 章 构建AI 产品所需要的基础设施和工具 3
1.1 定义：什么是AI，什么不是AI 4
1.2 机器学习与深度学习的区别 6
1.2.1 机器学习 7
1.2.2 深度学习 7
1.3 机器学习的学习类型 9
1.3.1 监督学习 9
1.3.2 无监督学习 11
1.3.3 半监督学习 12
1.3.4 强化学习 13
1.4 流程顺序：最佳流程及其过程 13
1.4.1 步骤1：数据可用性和集中化 14
1.4.2 步骤2：持续维护 14
1.5 数据库基础：数据库、数据仓库、数据湖和湖仓 15
1.5.1 数据库 16
1.5.2 数据仓库 16
1.5.3 数据湖(和湖仓) 17
1.5.4 数据流水线 17
1.6 项目管理：IaaS 18
1.7 部署策略：部署与应用模型 19
1.7.1 影子部署策略 20
1.7.2 A/B 测试模型部署策略 20
1.7.3 金丝雀部署策略 21
1.8 AI 领域的成功案例：构建基础设施的成功案例 21
1.9 AI 的潜力：AI 的发展方向 23
1.10 本章小结 24
第2 章 AI 产品的模型开发和维护 27
2.1 了解NPD 的各个阶段 28
2.1.1 阶段1：发现 28
2.1.2 阶段2：定义 28
2.1.3 阶段3：设计 29
2.1.4 阶段4：实施 29
2.1.5 阶段5：市场营销 30
2.1.6 阶段6：培训 30
2.1.7 阶段7：发布 31
2.2 模型类型：从线性回归到神经网络 31
2.3 模型训练：为上线做准备 33
2.4 模型部署：交付研发结果 37
2.5 模型测试和故障排除 39
2.6 模型刷新：模型更新频率的伦理规范 41
2.7 本章小结 44
第3 章 机器学习和深度学习深入剖析 47
3.1 传统的AI：机器学习 48
3.2 新兴的AI：深度学习 49
3.2.1 隐藏的影响 51
3.2.2 深度学习简史 52
3.2.3 神经网络的类型 54
3.3 新兴技术：相关的辅助技术 61
3.4 可解释性：伦理、注意事项和责任 62
3.5 准确性：为成功做准备 63
3.6 本章小结 64
第4 章 AI 产品的商业化 67
4.1 成功的B2B 产品案例 68
4.2 成功的B2C 产品案例 70
4.3 蓝海产品案例 71
4.4 红海产品案例 73
4.5 差异化、颠覆性和主导性战略产品案例 75
4.5.1 主导性战略 76
4.5.2 颠覆性战略 77
4.5.3 差异化战略 77
4.6 本章小结 79
第5 章 AI 转型及其对产品管理的影响 81
5.1 财富和价值：AI 革新经济体系 83
5.2 商品和服务：商业MVP 的增长 85
5.3 政府和自治：AI 塑造社会的边界和自由 87
5.4 疾病和健康：AI 和纳米技术在医疗领域的应用 90
5.5 基本需求：AI 向善 92
5.6 本章小结 93
第II部分 构建AI原生产品
第6 章 了解AI 原生产品 97
6.1 AI 产品开发的阶段 98
6.1.1 阶段1：创意 98
6.1.2 阶段2：数据管理 99
6.1.3 阶段3：研发 100
6.1.4 阶段4：部署 101
6.2 AI/ML 产品团队的最佳组合 102
6.2.1 AI 产品经理 102
6.2.2 AI/ML/data 策略师 103
6.2.3 数据工程师 103
6.2.4 数据分析师 103
6.2.5 数据科学家 104
6.2.6 机器学习工程师 104
6.2.7 前端/后端/全栈工程师 105
6.2.8 UX 设计师/研究员 105
6.2.9 客户成功 106
6.2.10 市场/销售/市场推广团队 106
6.3 技术栈投资 107
6.4 AI 服务产品化：AI 产品管理的不同之处 108
6.5 AI 定制化：针对行业和客户群体的考虑 109
6.6 销售AI：产品管理与销售 111
6.7 本章小结 112
第7 章 机器学习服务产品化 113
7.1 AI 产品与传统软件产品的差异 113
7.1.1 相似之处 114
7.1.2 差异之处 115
7.2 B2B 与B2C：产品化的商业模式 121
7.2.1 领域知识：了解市场需求 121
7.2.2 实验：探索群体的需求 123
7.3 一致性和AIOps/MLOps：信赖与信任 125
7.4 性能评估：测试、重新训练和超参数调整 126
7.5 反馈循环：建立关系 127
7.6 本章小结 128
第8 章 面向垂直领域、客户和同行群体的定制化 129
8.1 特定领域的AI 定制化 130
8.1.1 了解市场 132
8.1.2 产品设计与市场服务 133
8.1.3 制定AI 产品战略 134
8.2 AI 产品高度渗透的垂直领域 137
8.2.1 金融科技 137
8.2.2 医疗保健 139
8.2.3 网络安全 140
8.3 用户行为分析 141
8.4 AI 产品的价值指标 141
8.4.1 OKR 142
8.4.2 KPI 142
8.4.3 技术指标 144
8.5 思想引领：向同行学习 144
8.6 本章小结 145
第9 章 产品的宏观AI 和微观AI 147
9.1 宏观AI：基础和范畴 148
9.1.1 机器学习 149
9.1.2 计算机视觉 151
9.1.3 自然语言处理 151
9.1.4 深度学习 152
9.1.5 机器人技术 153
9.1.6 专家系统 155
9.1.7 模糊逻辑/模糊匹配 156
9.2 微观AI：功能层面 156
9.2.1 机器学习(传统机器学习/深度学习/计算机视觉/自然
语言处理) 157
9.2.2 机器人技术 158
9.2.3 专家系统 159
9.2.4 模糊逻辑/模糊匹配 160
9.3 成功案例：振奋人心的示例 161
9.3.1 Lensa 161
9.3.2 PeriGen 162
9.4 挑战：常见的陷阱 163
9.4.1 伦理 163
9.4.2 性能 165
9.4.3 安全 165
9.5 本章小结 167
第10 章 性能基准、增长策略和成本 169
10.1 价值指标：北极星指标、KPI 和OKR 的指南 170
10.1.1 北极星指标 171
10.1.2 KPI 和其他指标标准 175
10.1.3 OKR 和产品策略 177
10.2 增长黑客：以产品为导向的增长 178
10.3 技术栈：及时反馈 180
10.3.1 客户数据平台(CDP) 181
10.3.2 客户参与平台(CEP) 182
10.3.3 产品分析工具 183
10.3.4 A/B 测试工具 184
10.3.5 数据仓库 185
10.3.6 商业智能(BI)工具 185
10.3.7 增长黑客工具 186
10.4 成本管理和定价：AI 是昂贵的 187
10.5 本章小结 188
第III部分 在现有产品中融入AI
第11 章 AI 的浪潮 193
11.1 演进或淘汰：变化是唯一不变的 194
11.2 第四次工业革命：技术的进步和变迁 197
11.2.1 与咨询顾问合作 199
11.2.2 与第三方合作 199
11.2.3 首次招聘 200
11.2.4 第一个AI 团队 201
11.2.5 无代码工具 201
11.3 摆脱恐惧：收获大于代价 202
11.4 本章小结 206
第12 章 行业发展趋势与洞察 207
12.1 最具增长潜力的领域：Forrester、Gartner 和麦肯锡的
研究 208
12.1.1 嵌入型AI：应用和整合案例 208
12.1.2 伦理型AI：责任和隐私 210
12.1.3 创作型AI：生成和沉浸式应用 211
12.1.4 自主AI 开发：图灵机器人 212
12.2 AI 采用的趋势：让数据说话 213
12.2.1 整体趋势 214
12.2.2 嵌入型AI：应用和集成的用例 215
12.2.3 伦理型AI：责任与隐私 216
12.2.4 创作型AI：生成和沉浸式应用 217
12.2.5 自主AI 开发：图灵机器人 217
12.3 最容易实现的目标：快速实现AI 的成功 218
12.4 本章小结 220
第13 章 将产品演进为AI 产品 221
13.1 韦恩图：可能性和概率 222
13.1.1 清单1：价值 223
13.1.2 清单2：范围 224
13.1.3 清单3：影响范围 226
13.2 数据为王：公司的血液 227
13.2.1 准备和研究 228
13.2.2 良好的合作关系 228
13.2.3 基准测试 229
13.2.4 数据团队 230
13.2.5 定义成功 231
13.3 竞品分析：关注竞争对手 232
13.4 产品战略：建立适合组织的蓝图 233
13.4.1 产品战略 234
13.4.2 产品路线图 237
13.5 红旗和绿旗：要注意和警惕的事项 239
13.5.1 红旗：警告信号 239
13.5.2 绿旗：积极信号 240
13.6 本章小结 242
参考文献(扫描封底二维码下载) 243

显示全部信息

前　　言

前　言
现在，人们对AI 充满了兴趣和看法。这些年，我亲身经历了对AI 的感受和认识的此起彼伏。我还是学生时，就对AI 以及伴随而来的第四次工业革命感到无比激动和期待。然而，当我开始组织读书会，每月阅读有关AI 的书籍，了解到对AI 的偏见和依赖如何以或明显或隐蔽的方式威胁着我们的生活时，这份热情很快冷却下来。
后来，我开始主持活动，邀请来自AI 和机器学习领域的各方人士，他们不仅分享了如何在自己的工作中运用这项技术，还表达了关于AI 如何影响人类未来的看法。
这让人回想起：每当科技发生飞跃式进步时，我们总会陷入一个重大争议。在了解了其中的风险后，我们是否敢于采用强大的技术？在我看来，我们别无选择，争议只是自欺欺人。AI 已经到来，悲观担忧并不能保护我们免受潜在的危害。潘多拉的盒子已经打开，当我们审视其中的内容时，会发现希望永不止息。
AI 会如实地反映出社会的偏见和不平等，而目前这种情况并不是喜闻乐见的。本书希望大家能够学会如何负责任地采用AI，减少其可能带来的伤害，并使其最大限度地造福现代社会。我撰写这本关于AI 产品管理的书，是为了帮助产品经理将模糊的想法变成真实的产品。在书中，我将尽力详细介绍如何以诚信的方式构思、构建、管理和维护AI 产品，这是我目前对这个领域做出的最大努力。能够撰写本书也是我的荣幸。

前　言
现在，人们对AI 充满了兴趣和看法。这些年，我亲身经历了对AI 的感受和认识的此起彼伏。我还是学生时，就对AI 以及伴随而来的第四次工业革命感到无比激动和期待。然而，当我开始组织读书会，每月阅读有关AI 的书籍，了解到对AI 的偏见和依赖如何以或明显或隐蔽的方式威胁着我们的生活时，这份热情很快冷却下来。
后来，我开始主持活动，邀请来自AI 和机器学习领域的各方人士，他们不仅分享了如何在自己的工作中运用这项技术，还表达了关于AI 如何影响人类未来的看法。
这让人回想起：每当科技发生飞跃式进步时，我们总会陷入一个重大争议。在了解了其中的风险后，我们是否敢于采用强大的技术？在我看来，我们别无选择，争议只是自欺欺人。AI 已经到来，悲观担忧并不能保护我们免受潜在的危害。潘多拉的盒子已经打开，当我们审视其中的内容时，会发现希望永不止息。
AI 会如实地反映出社会的偏见和不平等，而目前这种情况并不是喜闻乐见的。本书希望大家能够学会如何负责任地采用AI，减少其可能带来的伤害，并使其最大限度地造福现代社会。我撰写这本关于AI 产品管理的书，是为了帮助产品经理将模糊的想法变成真实的产品。在书中，我将尽力详细介绍如何以诚信的方式构思、构建、管理和维护AI 产品，这是我目前对这个领域做出的最大努力。能够撰写本书也是我的荣幸。
本书读者对象
本书适合想要成为AI 产品经理、AI 技术人员和企业家的读者，或者致力于将AI 产品落地的读者。如果你已经在从事产品管理，并对构建AI 产品感兴趣，那么本书应该对你有所帮助。如果你已经在某种程度上从事AI 开发工作，并希望将这些概念引入产品管理，扮演商业化的角色，那么本书也适合你。虽然书中的某些章节更侧重于技术，但书中所有技术内容都是入门级的，适合所有人阅读。
本书内容
第1 章“构建AI 产品所需要的基础设施和工具”：概述管理AI产品的基本概念和基础设施。
第2 章“AI 产品的模型开发和维护”：深入探讨模型开发和维护的细节。
第3 章“机器学习和深度学习深入剖析”：详细讨论传统机器学习和深度学习算法之间的差异及其用例。
第4 章“AI 产品的商业化”：讨论了在市场上AI 产品的不同领域，以及有助于商业化的伦理和关键因素。
第5 章“AI 转型及其对产品管理的影响”：探讨未来AI 应用融入主要市场领域的方式。
第6 章“了解AI 原生产品”：概述打造AI 原生产品所需要的战略、流程和团队建设。
第7 章“机器学习服务产品化”：探讨从零开始构建AI 产品时可能遇到的困难和挑战。
第8 章“面向垂直领域、客户和同行群体的定制化”：讨论AI产品在不同垂直领域、客户类型和同行群体中的变化和发展。
第9 章“产品的宏观AI 和微观AI”：概述利用AI 的各种大大小小的方式，以及一些最成功案例和常见错误。
第10 章“性能基准、增长策略和成本”：解释在产品层面而非模型性能层面衡量产品成功的标杆。
第11 章“AI 的浪潮”：重新审视第四次工业革命的概念，并为目前尚未采用AI 的产品提供蓝图。
第12 章“行业发展趋势与洞察”：深入探讨AI 在不同行业的发展趋势，及知名研究机构的研究成果。
第13 章“将产品演进为AI 产品”：本章是一个实用指南，介绍如何提供AI 功能，并优化现有产品的逻辑，以成功地将产品升级为具有商业价值的AI 产品。
参考文献扫描封底二维码下载。

显示全部信息