買這商品的人也買了...
-
Python 科學計算及實踐$534$507 -
SaaS 商業實戰：好模式如何變成好生意$534$507 -
機器學習入門與實戰 — 基於 scikit-learn 和 Keras$359$341 -
$356集成學習入門與實戰：原理、算法與應用 -
Spring Boot + Vue 3 大型前後端分離項目實戰$828$787 -
$301首席數據官之路——數據實踐領導者的見解 -
SaaS創業方法論: 產品定位+運營推廣+ 團隊管理$419$398 -
$525瘋狂Python講義（5周年紀念版） -
SaaS產品增長筆記——從0到100，PLG落地實戰SaaS產品增長工具書$534$507 -
$403速通深度學習數學基礎 -
$454對比Excel，輕鬆學習Python統計分析 -
聯邦學習原理與PySyft實戰$534$507 -
$607利用 Python 實現概率、統計及機器學習方法（原書第2版） -
$560動手學深度學習（PyTorch版） -
$621使用 GitOps 實現 Kubernetes 的持續部署：模式、流程及工具 -
Python深度學習：基於PyTorch 第2版$654$621 -
$454人工智能安全基礎 -
從 ChatGPT 到 AIGC：智能創作與應用賦能$516$490 -
Amazon Web Services 雲計算實戰, 2/e$779$740 -
精通 Transformer : 從零開始構建最先進的 NLP 模型$594$564 -
$658高級 Python 核心編程開啟精通 Python 編程世界之旅 -
$505python核心編程：從入門到實踐：學與練 -
Python 開發實例大全 上捲$659$626 -
Python 開發實例大全 下捲$659$626 -
$607前端工程化 : 基於 Vue.js 3.0 的設計與實踐
相關主題
商品描述
從取代簡單機械的重復勞動到輔助內容創作、醫藥開發、科學實驗，人工智能產品正以驚人的速度在各行業大展拳腳，預示著人類即將進入一個全新的發展階段。本書通過淺顯易懂的語言幫助你理解人工智能產品是什麽，人工智能產品是怎麽創造出來的以及人工智能產品是如何進行創新迭代的。 人工智能行業的快速發展對產品經理提出了更高的要求，產品經理需要具備的專業技能是廣泛的，從產品設計、開發、營銷到服務，無一不包括在內。產品經理需要對人工智能的原理、應用場景、發展潛力等有扎實的瞭解，這樣才能夠將人工智能的優勢轉化為產品的優勢。 本書從知識體系、能力模型、溝通技巧等方面幫助大家系統地梳理了人工智能產品經理所必備的基本素質和技能，旨在幫助產品經理找到轉型升級的最佳學習路線，以成為合格的人工智能產品經理。 本書適合現階段從事產品經理工作的人士轉型做人工智能產品時學習，適合以人工智能產品經理為職業理想的人士閱讀。另外，人工智能領域的企業負責人和技術骨乾也適合閱讀本書，以瞭解企業的技術人才需求。
目錄大綱
目錄
第1章 人工智能時代重新定義產品經理 / 1
1.1 人工智能時代產品的特殊性 / 3
1.1.1 人工智能是工具，也是新的產品設計思維邏輯 / 3
1.1.2 人工智能技術給傳統的服務和產品賦能 / 6
1.1.3 構成人工智能產品的三要素 / 9
1.1.4 人工智能產品成功的必要條件 / 11
1.2 人工智能產品經理的價值定位 / 14
1.3 人工智能產品經理需要兼具“軟硬”實力 / 17
1.3.1 人工智能產品經理需要懂技術 / 17
1.3.2 會用數字表達和評判 / 19
1.3.3 懂得溝通和協作的藝術 / 20
1.4 人工智能產品經理入門 / 23
1.4.1 修煉思維模式：資源、解決方案、目標導向 / 23
1.4.2 構建知識體系：六大模塊 / 26
1.4.3 參與工程實踐 / 28
第2章 懂行業的產品經理才不會被人工智能淘汰 / 29
2.1 人工智能時代將公司重新分類 / 31
2.1.1 人工智能時代公司的分類方式 / 31
2.1.2 三類公司對產品經理能力的要求 / 33
2.2 什麽叫作“懂行業” / 35
2.2.1 六種行業分析維度 / 36
2.2.2 行業分析案例 / 38
2.3 如何修煉成為行業產品專家 / 42
2.3.1 以“點”切入行業 / 43
2.3.2 深挖“點”，變成“線” / 44
2.3.3 橫向拓展“線”，變成“面” / 46
2.4 本章小結 / 47
第3章 定義人工智能產品需求 / 48
3.1 重新定義需求分析 / 50
3.1.1 從微觀、宏觀兩個角度定義功能性需求 / 54
3.1.2 越重要，越容易被忽視：定義非功能性需求 / 56
3.2 量化需求分析 / 67
3.2.1 為什麽要量化需求分析 / 67
3.2.2 怎麽量化需求 / 69
第4章 人工智能產品體系 / 75
4.1 人工智能產品實現邏輯 / 76
4.2 基礎設施 / 80
4.2.1 傳感器 / 80
4.2.2 芯片 / 84
4.2.3 基礎平臺 / 87
4.3 數據採集 / 89
4.3.1 數據來源 / 89
4.3.2 數據質量 / 94
4.4 數據處理 / 96
4.5 機器“大腦”處理過程：理解、推理和決策 / 98
4.6 資源配置統籌的關鍵環節：系統協調 / 101
4.7 不可逾越的紅線：安全、隱私、倫理和道德 / 103
4.7.1 安全 / 103
4.7.2 隱私 / 105
4.7.3 倫理和道德 / 109
4.8 運維管理 / 112
第5章 機器學習 / 117
5.1 什麽是機器學習 / 119
5.1.1 機器學習與幾種常見概念的關系 / 119
5.1.2 機器學習的本質 / 122
5.2 機器學習流程拆解 / 127
5.3 人工智能產品經理必備的算法常識 / 133
5.3.1 算法分類 / 135
5.3.2 算法的適用場景 / 142
5.4 機器學習的常見開發平臺 / 147
第6章 人工智能產品經理工作流程 / 151
6.1 設定清晰的目標 / 152
6.2 技術預研 / 154
6.2.1 領域技術基本現狀和趨勢 / 155
6.2.2 領域前沿技術 / 158
6.2.3 常見技術邏輯 / 161
6.2.4 判斷技術切入點 / 165
6.2.5 總結 / 166
6.3 需求分析和產品設計 / 167
6.3.1 造成人工智能產品設計失敗常見原因 / 167
6.3.2 人工智能產品常見設計原則 / 169
6.3.3 合理制定產品需求優先級 / 173
6.4 充分參與研發過程 / 177
6.5 持續的產品運營 / 180
第7章 方法論、溝通和 CEO 視角 / 181
7.1 蛻變的必經之路：端到端產品管理 / 183
7.1.1 把握流程中的關鍵節點 / 184
7.1.2 評審階段成果 / 187
7.1.3 復盤 / 189
7.2 跨部門溝通 / 191
7.2.1 什麽是跨部門溝通 / 192
7.2.2 跨部門溝通的技巧 / 194
7.3 用 CEO 的視角進行產品管理 / 195
寫在後面的話 / 199
