123,123,123

內(nèi)容簡(jiǎn)介

　　隨著人工智能技術(shù)在越來(lái)越多的行業(yè)中應(yīng)用，諸多問(wèn)題也隨之而來(lái)，最主要的問(wèn)題在于人工智能技術(shù)與行業(yè)的結(jié)合深度不足。在大多數(shù)情況下，人工智能技術(shù)只能解決表層的行業(yè)問(wèn)題，對(duì)于深層的業(yè)務(wù)問(wèn)題賦能不足。當(dāng)前急需探索人工智能技術(shù)與行業(yè)結(jié)合的方法與模式。本書結(jié)合了筆者構(gòu)建人工智能產(chǎn)品的實(shí)際經(jīng)驗(yàn)，從人工智能產(chǎn)品流程、行業(yè)能力模型、人工智能技術(shù)等方面詳細(xì)地?cái)⑹隽巳斯ぶ悄墚a(chǎn)品的構(gòu)建過(guò)程，特別突出了人工智能技術(shù)應(yīng)用于行業(yè)的分析方法。本書也闡述了人工智能產(chǎn)品經(jīng)理的工作流程、思維方式及成長(zhǎng)路徑。本書可作為現(xiàn)階段想了解人工智能產(chǎn)品構(gòu)建過(guò)程的人，或想成為人工智能產(chǎn)品經(jīng)理的人的學(xué)習(xí)素材，也可作為各行各業(yè)人士了解人工智能產(chǎn)品構(gòu)建過(guò)程的參考書。

作者簡(jiǎn)介

　　高飛：資深產(chǎn)品專家，擁有數(shù)學(xué)、計(jì)算機(jī)、藥學(xué)等多個(gè)學(xué)位及交叉學(xué)科背景。在大數(shù)據(jù)與人工智能領(lǐng)域?qū)Ｗ⒂谛袠I(yè)與技術(shù)的結(jié)合，擁有超過(guò)7 年的人工智能算法與產(chǎn)品經(jīng)驗(yàn)，對(duì)產(chǎn)業(yè)互聯(lián)網(wǎng)的相關(guān)業(yè)務(wù)與商業(yè)模式研究深入。高級(jí)科學(xué)家（Senior Scientist），曾在中國(guó)科學(xué)院化學(xué)研究所及Pharmaron 公司從事小分子藥物研發(fā)工作。2014 年開(kāi)始從事人工智能算法研究及產(chǎn)品研發(fā)工作，主持研發(fā)了國(guó)內(nèi)**藥物臨床前智能數(shù)據(jù)平臺(tái)，得到國(guó)家食品藥品監(jiān)督管理總局藥品審譯中心（CDE）的高度認(rèn)可。多次主持研發(fā)了區(qū)域電子病歷及健康檔案大數(shù)據(jù)平臺(tái)（服務(wù)于江西、山東等?。?。曾應(yīng)邀主持國(guó)際**雜志《科學(xué)》中國(guó)年會(huì)醫(yī)療與腦科學(xué)分會(huì)。曾應(yīng)邀參與協(xié)和醫(yī)院“協(xié)和百年”信息規(guī)劃項(xiàng)目，提供臨床科研智能平臺(tái)設(shè)計(jì)方案。現(xiàn)主持研發(fā)人工智能輔助工業(yè)符號(hào)語(yǔ)言識(shí)別系統(tǒng)，為諸多傳統(tǒng)行業(yè)加速賦能?，F(xiàn)為某世界 500 強(qiáng)大型科技企業(yè)產(chǎn)品總監(jiān)，資深產(chǎn)品專家，國(guó)家慢病防控信息技術(shù)委員會(huì)理事，中國(guó)藥學(xué)會(huì)高級(jí)會(huì)員，中國(guó)衛(wèi)生信息學(xué)會(huì)常務(wù)理事，人人都是產(chǎn)品經(jīng)理社區(qū)首批專欄作家。

圖書目錄

目錄
第1 章人工智能時(shí)代的產(chǎn)品思考 / 1
1．1 人工智能產(chǎn)品 / 2
1．2 體系――人工智能產(chǎn)品框架 / 11
1．3 基礎(chǔ)――數(shù)據(jù)的進(jìn)化 / 15
1．4 方法――人工智能領(lǐng)域的研究方法 / 19
1．5 商業(yè)――人工智能時(shí)代的商業(yè)模式 / 25
參考文獻(xiàn) / 32
第2 章無(wú)行業(yè)不智能 / 34
2．1 互聯(lián)網(wǎng)的行業(yè)認(rèn)知 / 36
2．1．1 互聯(lián)網(wǎng)時(shí)代的下半場(chǎng)――產(chǎn)業(yè)互聯(lián)網(wǎng)的興起 / 36
2．1．2 如何才能懂行業(yè) / 39
2．2 產(chǎn)業(yè)互聯(lián)網(wǎng)的行業(yè)屬性 / 45
2．2．1 產(chǎn)品需求的行業(yè)屬性 / 45
2．2．2 產(chǎn)品邏輯的行業(yè)屬性 / 47
2．3 行業(yè)與人工智能技術(shù) / 52
2．3．1 人工智能與行業(yè)效率提高 / 53
2．3．2 人工智能與產(chǎn)業(yè)創(chuàng)新 / 54
參考文獻(xiàn) / 55
第3 章人工智能產(chǎn)品的構(gòu)建 / 56
3．1 邏輯梳理 / 59
3．1．1 人工智能產(chǎn)品邏輯體系 / 59
3．1．2 人工智能產(chǎn)品設(shè)計(jì)原則與方法 / 60
3．2 需求轉(zhuǎn)化 / 65
3．2．1 需求與數(shù)據(jù) / 65
3．2．2 需求的產(chǎn)品轉(zhuǎn)化 / 66
3．3 數(shù)據(jù)準(zhǔn)備 / 68
3．3．1 數(shù)據(jù)獲取 / 68
3．3．2 數(shù)據(jù)治理 / 70
3．3．3 數(shù)據(jù)標(biāo)注 / 84
3．4 模型建立 / 85
3．4．1 知識(shí)建模 / 86
3．4．2 非知識(shí)建模 / 89
3．4．3 特征工程 / 89
3．4．4 算法的選擇 / 95
3．4．5 模型的開(kāi)發(fā) / 96
3．5 模型評(píng)估 / 98
3．5．1 模型的業(yè)務(wù)評(píng)估 / 98
3．5．2 模型的量化評(píng)估 / 98
3．6 溝通――構(gòu)建人工智能產(chǎn)品的軟技能 / 106
3．6．1 溝通分析 / 107
3．6．2 溝通控制 / 120
參考文獻(xiàn) / 122
第4 章產(chǎn)品中的人工智能算法 / 126
4．1 算法概述 / 127
4．2 基于線性模型構(gòu)建用戶畫像 / 130
4．2．1 線性回歸 / 131
4．2．2 邏輯斯蒂回歸 / 135
4．2．3 聚類算法 / 139
4．3 圖像的處理原理 / 141
4．3．1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 / 141
4．3．2 神經(jīng)網(wǎng)絡(luò)算法概述 / 143
4．3．3 BP 神經(jīng)網(wǎng)絡(luò) / 147
4．3．4 卷積神經(jīng)網(wǎng)絡(luò) / 154
4．3．5 基于深度學(xué)習(xí)的目標(biāo)檢測(cè) / 160
4．3．6 膠囊網(wǎng)絡(luò)簡(jiǎn)介 / 162
4．4 自然語(yǔ)言處理與文本挖掘 / 163
4．4．1 自然語(yǔ)言處理流程 / 164
4．4．2 語(yǔ)料特征提取方法 / 169
4．4．3 循環(huán)神經(jīng)網(wǎng)絡(luò) / 175
4．5 阿爾法狗系統(tǒng)的原理 / 177
4．5．1 博弈論基礎(chǔ) / 177
4．5．2 極小化極大算法 / 179
4．5．3 蒙特卡羅樹(shù)搜索 / 182
4．5．4 強(qiáng)化學(xué)習(xí) / 185
4．5．5 阿爾法狗系統(tǒng) / 190
4．6 機(jī)器的邏輯推斷 / 192
4．6．1 貝葉斯理論 / 192
4．6．2 馬爾可夫網(wǎng)絡(luò) / 202
4．6．3 馬爾可夫邏輯網(wǎng)絡(luò) / 205
參考文獻(xiàn) / 208
第5 章產(chǎn)品經(jīng)理的進(jìn)化 / 211
5．1 產(chǎn)品經(jīng)理的思考 / 212
5．1．1 產(chǎn)品經(jīng)理的成長(zhǎng)路徑 / 212
5．1．2 中年產(chǎn)品經(jīng)理的危機(jī)與未來(lái) / 216
5．2 人工智能產(chǎn)品經(jīng)理 / 223
5．2．1 人工智能產(chǎn)品經(jīng)理的基本技能 / 223
5．2．2 人工智能產(chǎn)品經(jīng)理的工作流程 / 232
5．3 如何成為人工智能產(chǎn)品經(jīng)理 / 234
5．3．1 產(chǎn)品能力 / 234
5．3．2 技術(shù)能力 / 236
5．3．3 行業(yè)能力 / 241
參考文獻(xiàn) / 241