AI产品经理究竟是个什么“货色”？

骚年出招吧！哥让你三行代码……记得很久以前，程序员就叫程序员，需求就叫需求，美工就叫美工，测试就叫测试，只有管事管人的叫做经理。后来，慢慢衍生出了一个新的角色——一个叫做产品经理但不是经理的角色。于是乎，江湖上便开始有了产品经理的传说。微信的张小龙让产品经理抵达了一个别人无法企及的高度，网上各种关于产品经理的段子也层出不穷，先来两副对联：上联：这个其实很简单；下联：原理细节

产品 2018年03月19日

你所不了解的机器学习设计师

机器学习设计师究竟在做些什么？设计师应该如何应对AI的冲击？能够颠覆行业的大公司都已经高度重视AI了。Google提出从移动优先到AI优先，Facebook的AI团队已经坐到了小扎的附近，传说坐的离小扎越近就越被嫉妒，之前的AR已经搬走了。前段时间我做过一个实验，就是在Linkedin搜索“machine learning designer”，我发现已经有不少设计师开始在机

产品 2018年02月26日

AI/ML 市场分析报告：揭示人工智能真实潜力

人工智能被深度学习的先驱吴恩达称为“新的电力”，因为它有可能革新商业和日常生活，类似于互联网和数据库技术。 尽管 AI / ML 公司和投资激增，但许多大型市场仍有待探索。关键要点： 作为一种通用技术，人工智能（AI）和机器学习（ML）在几乎每个行业都有潜在的用例，并能够重塑人们生活和经营方式。 近十年来深度学习的突破，使得人工智能在日常生活中的应用越来越广泛，为该领域

产品 2018年01月29日

TensorFlow被发现漏洞背后：关于AI安全我们的傻与天真

AI本身的安全防护，已经成为了开发者必须在意、大平台需要承担责任、国家竞争需要争抢的一个环节。当我们一直在讨论AI能给互联网安全带来什么影响的时候，可能一直都忽略了一个问题：AI本身也不安全。这两天的新闻恰如其分地提醒了我们这一点。近日，谷歌被爆其机器学习框架TensorFlow中存在的严重安全风险，可被黑客用来制造安全威胁，谷歌方面已经确认了该漏洞并做出了整改回应。虽然是

业界 2018年01月02日

学习大纲：两周搭建Demo理解机器学习

很多互联网PM都想转型到人工智能产品经理，作者也一样，还是零编程基础、零算法基础、零AI实战经验。渴望对神经网络和机器学习理解得多一点，就亲自验证了一条有效的极简路径：40-50小时，学会搭建几种简单的神经网络。理解原理的同时，还能增强信心和兴趣。对互联网PM来说，做Demo就是本能。虽然AIPM岗的职责不涉及代码操作，但目前还没有专用的Demo工具。所以用Python实操

产品经理 2017年12月28日

To B产品经理转型AI产品经理的方法

我是一名To B互联网产品老兵，本文是根据我对AI技术的学习与思考，总结的AI产品经理转型方法。文章中不免有过于主观或错误的观点，也希望大家能够指正或给出建议。经过几个月的AI学习之后，我已经对To B产品经理转型AI有了一些自己的理解。个人认为，想要顺利转型，需要依次经历以下几个思考与学习过程：认清AI能为产品经理带来的价值；确定AI技术的学习范围；学习AI技术；理解AI

产品经理 2017年12月11日

如何用机器学习满足产品需求

关于机器学习有太多的文章介绍了，如果还对机器学习一知半解的可以参考一下其他文章，我的其他文章中也有简单介绍了机器学习。本文主要介绍机器学习的应用以及我们如何使用机器学习满足产品需求，尽量不说废话。作为AI产品经理，不仅需要知道技术的边界，还要对应用场景的有足够的理解。谈到谈到机器学习，有些人还不清楚机器学习和深度学习、人工智能之间的关系，甚至以为是一回事——其实不是这样的。

产品经理 2017年12月08日

AI产品之路（二）：机器学习

关于机器学习，你了解多少呢？上篇文章里，主要分享了关于机器学习、深度学习的基本概念和他们之间的区别，最后介绍了有监督学习方式中的回归。其实我在最后留下一点小问题，那就是如果数据不是线性关系的话，怎么回归？这篇文章就会回答这个问题，主要分享监督学习和非监督学习中的三大类：监督学习方式下，回归中的“非线性回归” 监督学习方式下的“分类” 非监督学习方式的“聚类” 关

产品经理 2017年11月24日

AI 产品之路（一）：机器学习

文章分享了关于机器学习的一些知识，希望能够给各位PM带来收获。2017年可以说是人工智能爆发的一年，传统互联网红利消失，熟知的大厂BAT都在人工智能上布局，作为一名互联网PM，深知技术的变革必然带来新机会。可对大多数互联网PM而言，面对ML（机器学习）、DL（深度学习）、NLP（自然语言处理）以及的各种概念以及底层所需的各种数学知识，不懂技术似乎让人望而却步了。可事实并非全

产品经理 2017年11月20日

人工智能与人类直觉齐头并进：遵循 80/20 法则

编者按：人工智能的发展将会让人类变得一无是处？在venturebeat上发表了一篇文章指出，人类的自觉仍旧是不可取代的。在解决问题的过程中，也遵循着一种80/20法则，仍旧需要人工智能（80）与人类直觉（20）携手并进。把机器学习算法放到一个具体的场景来进行优化，它将展现出远超人类的能力。但作为人类，我们应该继续专注于我们最擅长的事情，比如创造性地思考，建立同理心，来以引导

产品经理 2017年11月13日