|
|
|
本書根據人工智慧領域產品經理的能力要求與知識體系，從原理到應用介紹人工智慧的相關技術，全面闡述如何進階為一名合格的人工智慧產品經理。本書共分為13章，其中第1~3章介紹機器學習能做什麼及如何去做，第4~10章介紹7種基礎演算法的原理與商業化應用，第11~13章介紹深度學習在圖像識別、自然語言處理與AI繪畫三個方向的發展與成果。本書不局限於從數學角度推導各類機器學習演算法的原理，而是配合大量案例，由淺入深地講述什麼是機器學習、機器學習如何解決問題及機器學習需要產品經理做什麼。本書能夠説明初入人工智慧領域的產品經理建立對演算法的理解，並將這些知識融入不同領域的業務中，發現更多的應用場景，創造更多的應用可能。
林中翹
平安科技資深產品經理，負責集團資料平臺建設與大資料應用，擅長人工智慧技術在金融領域的商業化應用，曾主導平安電話平臺智慧進線識別、壽險新管道產能提升、ONES平臺建設等多個項目。人人都是產品經理社區與PMCAFF社區專欄作家。
1 機器學習入門 1
11 什麼是機器學習 1
111 人類學習 VS 機器學習 1
112 機器學習三要素 3
12 什麼問題適合用機器學習方法解決 5
121 必備條件 5
122 機器學習可解決的問題 7
13 機器學習的過程 9
131 機器學習的三個階段 9
132 模型的訓練及選擇 11
14 機器學習的類型 12
141 有監督學習 13
142 無監督學習 14
143 半監督學習 14
144 強化學習 15
15 產品經理的經驗之談 16
2 資料的準備工作 18
21 數據預處理 18
211 為什麼要做資料預處理 18
212 數據清洗 20
213 資料集成 23
214 數據變換 24
215 數據歸約 26
22 特徵工程 27
221 如何進行特徵工程 27
222 特徵構建 27
223 特徵提取 28
224 特徵選擇 31
23 產品經理的經驗之談 34
3 瞭解你手上的資料 36
31 你真的瞭解資料嗎 36
311 機器學習的資料統計思維 36
312 資料集 37
313 數據維度 41
314 資料類型 42
32 讓資料更直觀的方法 43
321 長條圖 43
322 散點圖 44
33 常用的評價模型效果指標 45
331 混淆矩陣 45
332 準確率 46
333 精確率與召回率 47
334 F 值 49
335 ROC 曲線 50
336 AUC 值 54
34 產品經理的經驗之談 55
4 趨勢預測專家：回歸分析 57
41 什麼是回歸分析 57
42 線性回歸 58
421 一元線性回歸 58
422 多元線性回歸 63
43 如何評價回歸模型的效果 66
44 邏輯回歸 68
441 從線性到非線性 68
442 引入 Sigmoid 函數 71
45 梯度下降法 74
451 梯度下降原理 74
452 梯度下降的特點 76
46 產品經理的經驗之談 77
5 最容易理解的分類演算法：決策樹 79
51 生活中的決策樹 79
52 決策樹原理 80
53 決策樹實現過程 82
531 ID3 演算法 83
532 決策樹剪枝 86
54 ID3 演算法的限制與改進 88
541 ID3 演算法存在的問題 88
542 C45 演算法的出現 89
543 CART 演算法 95
544 三種樹的對比 97
55 決策樹的應用 98
56 產品經理的經驗之談
