-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

人工智能產品經理:從零開始玩轉AI產品

( 簡體 字)
作者:賈亦赫類別:1. -> 程式設計 -> 人工智慧
譯者:
出版社:電子工業出版社人工智能產品經理:從零開始玩轉AI產品 3dWoo書號: 52411
詢問書籍請說出此書號!

缺書
NT售價: 295

出版日:3/1/2020
頁數:236
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787121374012
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

筆者接觸過很多互聯網產品經理,談起人工智能時,他們幾乎都對人工智能非常感興趣。同時,他們也提到在試圖了解人工智能時,感到無所適從,不知從哪兒著手開始學習。我們先來看一些名詞:云、大數據、機器學習、深度學習、神經網絡、監督學習、無監督學習、強化學習、遷移學習、CNN、DNN、RNN、GNN、NLP、STR、Python、TensorFlow、Caffe、Theano、Torch 等。這些名詞廣泛出現在人工智能領域。
有人還提出要學好人工智能需要良好的數學基礎,如高等數學、數理統計、線性代數、離散數學等知識。知識結構的復雜性會加重互聯網產品經理在學習人工智能時的迷茫和恐慌感。
近年來,企業在招聘人工智能產品經理時也面臨著同樣一個問題。筆者查看了智聯、拉勾、獵聘等多個招聘網站中企業招聘人工智能產品經理的崗位要求,發現不同公司在招聘人工智能產品經理時的標準都不一樣。有些企業要求人工智能產品經理熟練使用Python,掌握TensorFlow,對CNN、RNN 有深入理解,偏重于技術;有些企業要求人工智能產品經理對行業有深入理解,有良好的溝通能力,而不需要對技術有過多了解,這類崗位則偏重于售前、培訓。正是因為企業對于人工智能產品經理沒有準確的定位,所以互聯網產品經理也會感到無所適從,不知從哪兒著手開始學習。
人工智能的技術體系涉及面廣,知識龐雜,如果不能從更高維度看待人工智能產品,很容易陷入具體的技術細節中,而學習技術細節往往需要人們具備一定的技術背景、數學知識。目前市面上有關的人工智能的書籍普遍是專業性很強的書籍,這些書籍主要是針對工程師的,偏重于技術細節的實操。還有就是一些人工智能科普類的書籍,是寫給有興趣了解人工智能的讀者的,這類書籍往往為了保證讀者群體的廣泛可讀性,很少涉及人工智能產品的技術部分。
筆者本科階段學習的是計算機知識,研究生階段學習的是互聯網管理知識,多年來一直從事互聯網產品經理的工作。一個偶然的機會,筆者接觸到人工智能項目,并一直負責人工智能產品規劃與產品線管理的工作,經過不斷學習和總結,筆者根據自己學習的模式和方法總結出一套在人工智能時代適合產品經理的學習和工作體系。了解到很多人在面對人工智能時存在困擾,筆者萌發了一個想法——將自己的學習經歷和經驗總結分享出來,希望能對有意從事人工智能相關行業的讀者起到一點借鑒作用。
筆者寫這本書的初衷是幫助那些沒有編程經驗的讀者快速了解人工智能產品,掌握人工智能技術。本書從人工智能產品的理解和實踐角度出發,為讀者呈現了人工智能產品化的過程,目的是讓讀者快速入門。
本書站在一個高維度看待人工智能產品,既概括性地描述了人工智能產品的市場前景、人工智能的技術體系,又詳細描述了從無到有構建一個人工智能產品的過程,將通俗易懂的語言與專業知識相結合。筆者的目的就是能夠讓凡是受過本科教育的人,都能輕松地閱讀。如果本書能夠幫助讀者建立起人工智能的概念體系,掌握構建人工智能產品的知識體系,就足夠了。
本書適用范圍如下。?想從互聯網產品經理轉型成為人工智能產品經理的讀者。針對這一類讀者,本書介紹了人工智能技術入門的基礎知識、人工智能產品基礎知識、人工智能產品構建方法、人工智能技術體系、人工智能產品實踐。?想了解人工智能的商業用途和價值的讀者。針對這一類讀者,本書詳細描述了人工智能產品及商業化特性。?想簡單快速入門人工智能項目實踐的讀者。針對這一類讀者,本書提供了人工智能項目所需要的基礎技術與簡單項目實踐案例。?對人工智能產品感興趣的普通讀者。針對這一類讀者,本書通過通俗易懂的方式介紹了人工智能技術入門知識。?人工智能領域的工程師或專家。針對這一類讀者,本書中有許多關于人工智能產品化的新穎看法和經典觀點。
由于筆者才疏學淺,而書中所提及的技術與業務均為筆者本人的知識與經驗總結,難免有不足之處,望請讀者諒解。筆者真心希望能夠為讀者在學習人工智能產品經理知識的道路上提供一些幫助。
賈亦赫
2019 年12 月
內容簡介:

當今社會,智能音箱、智能機器人、智能可穿戴設備等人工智能產品已經開始逐漸普及,而人工智能產品經理卻非常短缺。本書將通俗易懂的語言與專業知識相結合,從中國人工智能市場現狀入手,詳細地為讀者闡釋了人工智能產品的相關知識,以及人工智能產品經理是如何開展工作的,并通過實際案例展現了如何從無到有構建人工智能產品的過程。本書適合想從互聯網產品經理轉型成為人工智能產品經理的讀者,想了解人工智能的商業用途和價值的讀者,想簡單快速入門人工智能項目實踐的讀者,對人工智能產品感興趣的普通讀者,以及人工智能領域的工程師或專家閱讀。


目錄:

第1 章 人工智能概述 / 1
1.1 什么是人工智能 / 2
1.2 人工智能的學科基礎 / 4
1.3 人工智能的分類 / 5
1.4 人工智能的研究領域 / 7
1.5 人工智能的商業模式 / 9
1.6 人工智能的盈利模式 / 13
1.7 本章小結 / 16
第2 章 人工智能產品 / 17
2.1 人工智能產品的發展階段 / 18
2.2 人工智能產品的發展史 / 19
2.3 人工智能產品的認知誤區 / 25
2.4 人工智能產品和互聯網產品的區別 / 26
2.4.1 互聯網時代的產品特性 / 26
2.4.2 人工智能時代的產品特性 / 29
2.5 典型人工智能產品 / 32
2.5.1 可穿戴設備 / 32
2.5.2 智能家居 / 37
2.5.3 智能醫療產品 / 40
2.5.4 應用于工業制造領域的產品 / 42
2.6 本章小結 / 43
第3 章 人工智能產品經理 / 44
3.1 人工智能時代產品經理面臨的挑戰 / 45
3.2 產品經理的進階與學習之路 / 48
3.3 產品分析模型 / 52
3.4 本章小結 / 61
第4 章 人工智能技術體系 / 62
4.1 機器學習 / 63
4.1.1 傳統軟件和機器學習的邏輯差異 / 64
4.1.2 機器學習的學習模式 / 65
4.1.3 監督學習 / 67
4.1.4 無監督學習 / 72
4.1.5 半監督學習 / 73
4.1.6 強化學習 / 75
4.2 機器學習——回歸 / 76
4.3 機器學習——分類 / 78
4.4 機器學習——聚類 / 83
4.5 深度學習 / 87
4.5.1 深度學習的神經學基礎 / 87
4.5.2 人工神經網絡的特點 / 91
4.5.3 典型的人工神經網絡 / 91
4.6 機器學習框架 / 101
4.6.1 TensorFlow / 103
4.6.2 Caffe / 105
4.6.3 PyTorch / 105
4.6.4 CNTK / 106
4.7 企業開放平臺 / 106
4.7.1 百度AI 開放平臺 / 107
4.7.2 阿里云PAI 平臺 / 110
4.8 人工智能開發語言 / 121
4.8.1 Python / 121
4.8.2 R 語言 / 122
4.8.3 MATLAB / 122
4.9 本章小結 / 123
第5 章 人工智能產品構建 / 124
5.1 人工智能產品概述 / 125
5.2 效益分析 / 126
5.3 市場分析 / 127
5.3.1 客群分析 / 128
5.3.2 競爭對手分析 / 129
5.4 價值主張分析 / 132
5.4.1 解放勞動者 / 132
5.4.2 優化生產工具 / 138
5.4.3 價值陷阱 / 141
5.5 技術分析 / 142
5.5.1 人工智能產品分類 / 142
5.5.2 傳統算法和人工神經網絡的選擇 / 147
5.5.3 神經網絡設計 / 152
5.5.4 產品技術實現 / 154
5.6 人工智能產品的實踐過程 / 155
5.6.1 數據標注 / 155
5.6.2 模型訓練及調優 / 158
5.6.3 模型驗證 / 159
5.6.4 產品評估 / 161
5.7 本章小結 / 164
第6 章 人工智能產品實戰 / 165
6.1 商品推薦系統實戰 / 166
6.1.1 推薦系統基本原理 / 166
6.1.2 實戰操作 / 169
6.1.3 模型評估分析 / 173
6.2 圖像識別實戰 / 174
6.2.1 指標體系設計 / 177
6.2.2 基于TensorFlow 實現 / 177
6.2.3 基于開放平臺實現 / 180
6.2.4 模型評估分析 / 188
6.3 霧霾預測實戰 / 189
6.3.1 實戰操作 / 190
6.3.2 模型評估分析 / 196
6.4 新聞分類實戰 / 197
6.5 圖像風格轉換 / 203
6.6 常見數據集 / 214
6.7 本章小結 / 219
后 記 / 220
致 謝 / 222
延伸閱讀 / 223
序: