人工智能產品經理技能圖譜：AI技術與能力升級

前言

第1章　AI產品經理—不是簡單的“當產品經理遇上AI” 001
1.1　三大浪潮看AI技術發(fā)展 002
1.2　AI產品和AI產品經理 003
1.3　成為AI產品經理三步走 011
1.3.1　第一步：找到自己的糖山 011
1.3.2　第二步：找到自己的比較優(yōu)勢 016
1.3.3　第三步：打造閉環(huán)系統(tǒng)，提高自己的能力 020

第2章　不留短板—不懂AI技術做不好AI產品經理 025
2.1　如何“說”—自然語言處理 026
2.1.1　什么是自然語言處理 026
2.1.2　自然語言處理包括哪些 026
2.1.3　自然語言處理能做什么 029
2.1.4　熟悉自然語言處理需要哪些知識儲備 031
2.1.5　自然語言處理可以幫助產品經理做什么 032
2.2　如何“看”—計算機視覺 033
2.2.1　什么是計算機視覺 033
2.2.2　計算機視覺原理是什么 034
2.2.3　計算機視覺能做什么 037
2.2.4　熟悉圖像識別需要哪些知識儲備 039
2.3　如何“記憶”—知識圖譜 041
2.3.1　什么是知識圖譜 041
2.3.2　知識圖譜的表示與存儲 043
2.3.3　知識圖譜構建過程 045
2.3.4　理解知識圖譜對AI產品經理的意義 048
2.3.5　知識圖譜的設計 049
2.4　如何“理解”—機器學習 053
2.4.1　什么是機器學習 053
2.4.2　機器學習的應用 056
2.4.3　機器學習相關業(yè)務的構建流程 059
2.4.4　理解機器學習對產品經理意義 063
2.5　如何“聽”—語音識別 064
2.5.1　什么是語音識別 064
2.5.2　語音識別原理及流程 064
2.5.3　熟悉語音識別需要哪些知識儲備 066
2.5.4　語音識別能做什么 068

第3章　一鍵打包—AI產品經理通識儲備 071
3.1　萬物皆數(shù) 072
3.1.1　概率論通識：4個概念3個問題 072
3.1.2　線性代數(shù)通識 076
3.1.3　微積分通識 079
3.2　熱度排名—牛頓冷卻定律 081
3.2.1　什么是牛頓冷卻定律 081
3.2.2　牛頓冷卻定律在AI場景中的應用 082
3.3　有限的因子預測結果—費米推論 082
3.4　通過現(xiàn)象推斷規(guī)律—貝葉斯定理 084
3.4.1　什么是貝葉斯定理 085
3.4.2　貝葉斯定理舉例說明 085
3.4.3　貝葉斯定理AI應用說明 086
3.5　事務的判斷與推薦—余弦相似度 087
3.5.1　什么是余弦相似度 087
3.5.2　余弦相似度應用說明 089
3.5.3　使用余弦相似度注意事項 090
3.6　在挑選與下手之間做決定—最優(yōu)停止理論 091
3.6.1　什么是最優(yōu)停止 091
3.6.2　如何應用最優(yōu)停止 093
3.6.3　對AI產品經理的借鑒意義 093
3.7　學會舉一反三—遷移學習 094
3.7.1　什么是遷移學習 094
3.7.2　如何進行遷移學習 095
3.7.3　對AI產品經理的啟發(fā) 096

第4章　AI產品設計方法論 099
4.1　摒棄直覺，打造自己的AI產品MVP 100
4.1.1　如何設計AI產品MVP 101
4.1.2　打造AI產品MVP的三大方法 102
4.2　算法—未來世界的真規(guī)則 103
4.2.1　通用算法有哪些 104
4.2.2　如何選擇算法 111
4.3　數(shù)據(jù)標注—人工智能的催化劑 111
4.3.1　數(shù)據(jù)標注模型 111
4.3.2　數(shù)據(jù)標注類型 113
4.3.3　標注流程 117
4.4　專業(yè)領域的高效停用詞庫 118
4.4.1　什么是停用詞 118
4.4.2　為什么要建停用詞庫 119
4.4.3　如何搭建專業(yè)停用詞庫 119
4.5　先知—智能搜索聯(lián)想 121
4.5.1　需求分析 122
4.5.2　解決方案 123
4.6　對話的藝術 125
4.6.1　刪繁就簡三秋樹 126
4.6.2　知我心者知我求 126
4.6.3　老嫗能解 127
4.6.4　一言一語總關情 127
4.6.5　欲說莫休 128
4.7　AI產品經理的“極致理論”和“數(shù)據(jù)信仰” 129

第5章　博聞強識有儲備—軟件AI產品經理錦囊 131
5.1　AI產品的中樞神經—AI數(shù)據(jù)中臺 132
5.1.1　什么是AI數(shù)據(jù)中臺 132
5.1.2　AI 數(shù)據(jù)中臺整體架構 132
5.1.3　AI 數(shù)據(jù)中臺解決的問題 133
5.1.4　AI數(shù)據(jù)中臺團隊 134
5.1.5　AI數(shù)據(jù)中臺中的產品經理定位 135
5.2　金融變革者—智能保顧 136
5.2.1　什么是智能保顧 136
5.2.2　智能保顧現(xiàn)處于什么階段 136
5.2.3　智能保顧的發(fā)展方向 138
5.3　讓垂直領域對話型機器人更好地和你交流 139
5.3.1　問題的語義理解 139
5.3.2　知識庫構建 141
5.4　資訊革命第一槍—智能推薦系統(tǒng) 142
5.4.1　什么是推薦系統(tǒng) 142
5.4.2　推薦引擎的分類 143
5.4.3　推薦系統(tǒng)中常用的算法 144
5.4.4　如何評價一個推薦系統(tǒng) 146
5.4.5　推薦系統(tǒng)的冷啟動 150
5.5　又一個身份ID—聲紋識別 151
5.5.1　什么是聲紋識別 151
5.5.2　聲紋識別的原理 152
5.5.3　聲紋識別關鍵技術 153
5.5.4　聲紋識別的應用 154

第6章　合縱連橫聯(lián)萬物—硬件AI產品經理錦囊 157
6.1　AI的神經觸手—傳感器 158
6.1.1　傳感器的類型 158
6.1.2　智能手機傳感器 160
6.1.3　無人機傳感器 162
6.1.4　智能家居系統(tǒng)中的傳感器 163
6.1.5　工業(yè)機器人傳感器 164
6.2　萬物向善—人機交互設計 165
6.2.1　人機交互的發(fā)展 165
6.2.2　人機交互作用 166
6.2.3　交互設計的原則和注意事項 168
6.3　指令傳輸—物聯(lián)網(wǎng)通信 169
6.3.1　什么是物聯(lián)網(wǎng)通信 170
6.3.2　物聯(lián)網(wǎng)通信有哪些通信技術 170
6.3.3　物聯(lián)網(wǎng)通信有哪些協(xié)議 173
6.3.4　物聯(lián)網(wǎng)通信技術選型考量因素 175
6.4　王冠上的寶石—AI芯片 178
6.4.1　什么是AI芯片 178
6.4.2　AI芯片的分類 180
6.4.3　AI芯片的研發(fā)方向 180
6.5　從零開始做智能硬件 181
6.5.1　需求階段 181
6.5.2　立項階段 182
6.5.3　開發(fā)階段 184
6.5.4　測試階段 187
6.5.5　MP階段 187
6.5.6　總結 188

第7章　他山之石—典型AI產品剖析 189
7.1　智能家居 190
7.1.1　智能電視機 190
7.1.2　智能空調器 192
7.1.3　智能洗衣機 193
7.1.4　智能家具 193
7.1.5　智能家居操作系統(tǒng) 195
7.2　無人駕駛 197
7.2.1　什么是真正的無人駕駛 197
7.2.2　無人駕駛首先普及的應用場景 198
7.2.3　無人駕駛系統(tǒng)的基本架構 199
7.2.4　無人駕駛的傳感裝置 200
7.2.5　計算機視覺的應用 201
7.3　智能音箱 203
7.3.1　智能音箱功能介紹 203
7.3.2　智能音箱交互設計 205
7.3.3　語音交互異常情況的解決方案 207
7.3.4　語音交互的幾點原則 207
7.3.5　國內語音技術提供商 208
7.4　智能安防 212
7.4.1　AI技術在安防領域應用 212
7.4.2　智能安防主要涉及的算法及技術 213
7.4.3　智能安防對產品經理的要求 214
7.5　智能客服 216
7.5.1　客服系統(tǒng)的發(fā)展歷程 217
7.5.2　智能客服系統(tǒng)搭建 217
7.5.3　設計智能客服系統(tǒng)時會遇到的問題 222

第8章　職業(yè)進階—當AI產品經理遇上未來 227