人工智能产品经理
工作需要,这两天读了一本《人工智能产品经理 - AI 时代 PM 修炼手册》这本书,总体来讲还是有一些收获的,但很多地方需要更多的书籍作为相应知识的补充,很多地方都是相对粗浅的概括。
这两天比较忙,就先把自己记的提纲摘录下来,有空再慢慢完善之后的读书笔记好啦ww
人工智能人才
- 可以实现人工智能技术的工程师
- 将人工智能与行业知识结合的人工智能产品经理
第1章:逻辑基础和背景前提
人工智能产品:颠覆性策略
- 互联网:对生产要素和资源配置方式的优化 eg:滴滴
- 人工智能:直接形式的颠覆:自动驾驶
主流研究方向
- 计算机视觉
- 自然语言理解
- 认知与推理
理论基础是概率论 - 判断与预判 本质是实现概率和成本之间的平衡
主流研究类别
- 个性化精准服务 eg: 金融产品个性化推荐
- 简单或重复劳动 eg: 自动驾驶
- 提升效率和准确率 eg: 反金融欺诈
- 提升用户体验 eg: 智能语音
- 自主创作 eg: 绘画,剧本,诗歌
三要素:算法,计算能力,数据 必要条件:核心技术,产品化,商业化
主要思维
- 资源管理思维
- 目标导向思维
- 解决方案思维
第2章:行业知识,方法论
人工智能公司分类
- 行业 人工智能公司:梅赛德斯奔驰
- 核心要求:行业趋势的洞察力
- 应用人工智能公司:基础能力
- 商务技能 & 项目管理能力
- CAC customer acquisition cost 用户获取成本
- LTV Live Time Value 用户终身价值
- PBP Payback Period 回收周期
- 平台类人工智能公司
- 对底层技术的理解
行业分析维度
- 行业特点:历史背景,增长能力
- 行业运行趋势
- 竞争力因素分析:价格,品质,质量,分销能力,上游资源,成本,产品差异,技术壁垒,管理水平,地理位置
- 行业整合:行业集中度,外资进入,收购兼并
- 政府管制:准入门槛
- 商业模式
切入行业
- 确定价值场景
- 收集场景基本信息:人物,时间,地点,做什么事,达到什么目的,之前的做事方式和解决方案,客户期望的方式和解决方案
- 场景有关的干系人和干系场景:上下游企业在场景中的角色
- 定义干系人
- 判断干系人的重要性
- 判断干系人的利益
- 描述干系人的利益
- 描述干系人对产品的期望/要求
- 干系人的痛点和快点分析
第3章:基础技能
优化信息存储和互通的方式
AI对需求的重塑
- 降低用户的使用门槛,减少用户的交互流程,降低使用难度,让产品使用接近用户的自然行为
- 从用户角度考虑投入产出比
- 算法的可解释性差
- 传感器技术进步
- 产出需求的真正多样
- 应当充分了解当前技术局限
功能性需求
- 宏观:符合公司整体战略
- 微观:尽可能明确业务背景与业务目标,将目标量化
非功能性需求
- 建议架构师尽早参与到需求分析中,尽早考虑非功能需求
- 安全性
- 可得性:权限控制
- 私密性:数据隐私
- 可用性
- 用户是否用产品完成任务,效率如何,感受如何
- 与 UI/UX 直接相关
- 易用性
- 一致性:设计目标一致性,外观元素一致性,交互行为一致性
- 观感需求
- 可靠性
- 条件:系统的状态和输入条件
- 时间:软件的具体运行时间段
- 功能:提供服务是产品的功能
- 出错频率
- 自我恢复速度
- 性能
- 响应时间:2/5/10 原则
- 吞吐量:系统在单位时间内处理请求的数量
- 并发用户数
- 资源利用率
- 可支持性
- 可扩展性
- 可维护性
- 可安装性
量化需求分析
- 明确产品的业务需求:业务机会,业务目标,成功标准,产品愿景
- 自动驾驶的SAE分级
- 不智能 -> 驾驶辅助 -> 半智能 -> 条件智能 -> 高度智能 -> 完全智能
- 明确产品的需求场景
- 定义场景中的可量化标准
- 内部因素:已有的数据集
- 外部因素:医生的技术水平
- 同行业表现
- 输出对模型预测的精度期望
- 根据具体的场景定义算法的指标
思考 ROI
第4章:人工智能产品的原理和组成部分
产品实现逻辑
感知 -> 认知 -> 识别 -> 理解 -> 决策
- 基础设施提供者
- 传感器
- 生物传感器,光敏传感器,声音传感器,化学传感器
- 应用:可穿戴应用,高级辅助驾驶系统,健康监测,工业控制
- 芯片
- 模型训练,云端推断,设备端推断
- 通用芯片,半定制化芯片FPGA,定制化芯片ASIC
- 大数据技术:从海量数据中挖掘价值
- 云计算技术:按使用量付费,提供可用的,便捷的网络访问和计算资源共享池
- 传感器
- 数据提供者
- 数据的质:Relevncy Recency Reliability Range
- 数据处理者
- 识别
- 理解与推理
- 决策
- 系统协调者
- 项目 -> 产品化 -> 服务化 -> 平台化
第5章:机器学习工程实践对人工智能产品经理的需求
机器学习流程
- 原始数据采集
- 数据预处理
- 模型训练
- 模型评估
- 调参(超参数和参数)
机器学习分类
- 监督学习,无监督学习,半监督学习,强化学习
- 监督学习:人工神经网络类,贝叶斯类,决策树类,线性分类器
- 无监督学习:人工神经网络类,关联规则学习类,分层聚类,聚类分析,异常检测类
- 半监督学习:生成模型,低密度分类,基于图形的方法,联合训练
- 强化学习:Q学习,状态-行动-奖励-状态-行动 SARSA,DQN,策略梯度,基于模型强化学习,时序差分学习
- 深度学习:深度信念学习,深度卷积神经网络,深度递归神经网络,分层时间记忆,生成对抗网络
- 迁移学习:归纳式,直推式,无监督式,传递式
- 二分类算法,多分类算法,回归算法,聚类算法,异常检测
第6章:人工智能产品经理的工作流程
- 设定产品目标
- 用户/客户痛点分析:场景描述
- 说明用户/客户具体的业务或需求场景
- 如果产品/功能投入使用,用户/客户将在该场景中的哪些流程环节中使用他们
- 在产品没有问世前,用户/客户都是用什么样的替代方案
- 替代方案在多大程度上满足了用户/客户的需求
- 用户/客户痛点分析:痛点来源
- 用户/客户的痛点来源是自身还是外界的压力,为什么存在这种压力,痛苦链条是什么
- 用户/客户的痛点是否来自于人性
- 用户/客户痛点分析:痛点全方位剖析
- 痛点涉及的面有多广,是普遍问题还是个别问题
- 痛点是否符合政策导向或是否合规
- 用户/客户愿意为此痛点买单吗?他们愿意付出怎样的代价来解决这个问题
- 感觉到痛的人是否有采购选择权
- 市场分析
- 产品/功能在市场上的主要竞争对手都有谁?各自的竞争优势是什么?市场占有率如何
- 是否已经有占有率比较高或者比较被认可的产品,其有怎样的优势
- 相比于竞争对手,我们的优势是什么,用户选择我们的理由是什么
- 用户/客户痛点分析:场景描述
- 进行技术预研
- 人脸图像采集
- 人脸检测
- 数据预处理
- 人脸图像特征提取
- 人脸匹配与识别
- 需求分析与产品设计
- 常见失败原因
- 技术驱动产品设计——应当从需求出发
- 忽略用户期望管理——用户期望过高而产品华而不实
- 单点突破带来的价值有限,与产品价格或用户付出的代价不成正比
- 追求底层技术而忽视用户体验
- 常见设计原则
- less is more
- 微观到宏观——先做个性化信息流,在做商品推荐
- 整合资源
- 同理心:认知,情感,身体感受
- 定制产品需求优先级
- 价值-复杂度矩ac阵
- 卡诺模型:用户愉悦度 vs 功能完善度
- 相似组分类法
- 加权得分法
- 常见失败原因
- 参与研发流程
- 提供优质数据
- 训练模型
- 测试调优
- 目标管理
- 持续产品运营
第7章:端到端产品管理方法论
注重跨部门沟通
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhgaibfg
系列文章
更多
同类精品
更多
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
excel下划线不显示怎么办
PHP中文网 06-23 -
怎样阻止微信小程序自动打开
PHP中文网 06-13 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
photoshop蒙版画笔没反应怎么办
PHP中文网 06-24