隨著人工智能技術在越來越多的行業(yè)中應用，諸多問題也隨之而來，最主要的問題在于人工智能技術與行業(yè)的結合深度不足。在大多數(shù)情況下，人工智能技術只能解決表層的行業(yè)問題，對于深層的業(yè)務問題賦能不足。當前急需探索人工智能技術與行業(yè)結合的方法與模式。本書結合了筆者構建人工智能產品的實際經驗，從人工智能產品流程、行業(yè)能力模型、人工智能技術等方面詳細地敘述了人工智能產品的構建過程，特別突出了人工智能技術應用于行業(yè)的分析方法。本書也闡述了人工智能產品經理的工作流程、思維方式及成長路徑。本書可作為現(xiàn)階段想了解人工智能產品構建過程的人，或想成為人工智能產品經理的人的學習素材，也可作為各行各業(yè)人士了解人工智能產品構建過程的參考書。
高飛：資深產品專家，擁有數(shù)學、計算機、藥學等多個學位及交叉學科背景。在大數(shù)據(jù)與人工智能領域專注于行業(yè)與技術的結合，擁有超過7 年的人工智能算法與產品經驗，對產業(yè)互聯(lián)網(wǎng)的相關業(yè)務與商業(yè)模式研究深入。高級科學家（Senior Scientist），曾在中國科學院化學研究所及Pharmaron 公司從事小分子藥物研發(fā)工作。2014 年開始從事人工智能算法研究及產品研發(fā)工作，主持研發(fā)了國內首個藥物臨床前智能數(shù)據(jù)平臺，得到國家食品藥品監(jiān)督管理總局藥品審譯中心（CDE）的高度認可。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（服務于江西、山東等省）。曾應邀主持國際頂級雜志《科學》中國年會醫(yī)療與腦科學分會。曾應邀參與協(xié)和醫(yī)院“協(xié)和百年”信息規(guī)劃項目，提供臨床科研智能平臺設計方案。現(xiàn)主持研發(fā)人工智能輔助工業(yè)符號語言識別系統(tǒng)，為諸多傳統(tǒng)行業(yè)加速賦能。現(xiàn)為某世界 500 強大型科技企業(yè)產品總監(jiān)，資深產品專家，國家慢病防控信息技術委員會理事，中國藥學會高級會員，中國衛(wèi)生信息學會常務理事，人人都是產品經理社區(qū)首批專欄作家。
目錄
第1 章 人工智能時代的產品思考 / 1
1.1 人工智能產品 / 2
1.2 體系——人工智能產品框架 / 11
1.3 基礎——數(shù)據(jù)的進化 / 15
1.4 方法——人工智能領域的研究方法 / 19
1.5 商業(yè)——人工智能時代的商業(yè)模式 / 25
參考文獻 / 32
第2 章 無行業(yè)不智能 / 34
2.1 互聯(lián)網(wǎng)的行業(yè)認知 / 36
2.1.1 互聯(lián)網(wǎng)時代的下半場——產業(yè)互聯(lián)網(wǎng)的興起 / 36
2.1.2 如何才能懂行業(yè) / 39
2.2 產業(yè)互聯(lián)網(wǎng)的行業(yè)屬性 / 45
2.2.1 產品需求的行業(yè)屬性 / 45
2.2.2 產品邏輯的行業(yè)屬性 / 47
2.3 行業(yè)與人工智能技術 / 52
2.3.1 人工智能與行業(yè)效率提高 / 53
2.3.2 人工智能與產業(yè)創(chuàng)新 / 54
參考文獻 / 55
第3 章 人工智能產品的構建 / 56
3.1 邏輯梳理 / 59
3.1.1 人工智能產品邏輯體系 / 59
3.1.2 人工智能產品設計原則與方法 / 60
3.2 需求轉化 / 65
3.2.1 需求與數(shù)據(jù) / 65
3.2.2 需求的產品轉化 / 66
3.3 數(shù)據(jù)準備 / 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)標注 / 84
3.4 模型建立 / 85
3.4.1 知識建模 / 86
3.4.2 非知識建模 / 89
3.4.3 特征工程 / 89
3.4.4 算法的選擇 / 95
3.4.5 模型的開發(fā) / 96
3.5 模型評估 / 98
3.5.1 模型的業(yè)務評估 / 98
3.5.2 模型的量化評估 / 98
3.6 溝通——構建人工智能產品的軟技能 / 106
3.6.1 溝通分析 / 107
3.6.2 溝通控制 / 120
參考文獻 / 122
第4 章 產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 神經網(wǎng)絡簡介 / 141
4.3.2 神經網(wǎng)絡算法概述 / 143
4.3.3 BP 神經網(wǎng)絡 / 147
4.3.4 卷積神經網(wǎng)絡 / 154
4.3.5 基于深度學習的目標檢測 / 160
4.3.6 膠囊網(wǎng)絡簡介 / 162
4.4 自然語言處理與文本挖掘 / 163
4.4.1 自然語言處理流程 / 164
4.4.2 語料特征提取方法 / 169
4.4.3 循環(huán)神經網(wǎng)絡 / 175
4.5 阿爾法狗系統(tǒng)的原理 / 177
4.5.1 博弈論基礎 / 177
4.5.2 極小化極大算法 / 179
4.5.3 蒙特卡羅樹搜索 / 182
4.5.4 強化學習 / 185
4.5.5 阿爾法狗系統(tǒng) / 190
4.6 機器的邏輯推斷 / 192
4.6.1 貝葉斯理論 / 192
4.6.2 馬爾可夫網(wǎng)絡 / 202
4.6.3 馬爾可夫邏輯網(wǎng)絡 / 205
參考文獻 / 208
第5 章 產品經理的進化 / 211
5.1 產品經理的思考 / 212
5.1.1 產品經理的成長路徑 / 212
5.1.2 中年產品經理的危機與未來 / 216
5.2 人工智能產品經理 / 223
5.2.1 人工智能產品經理的基本技能 / 223
5.2.2 人工智能產品經理的工作流程 / 232
5.3 如何成為人工智能產品經理 / 234
5.3.1 產品能力 / 234
5.3.2 技術能力 / 236
5.3.3 行業(yè)能力 / 241
參考文獻 / 241
書單推薦
