产品经理进阶：100个案例搞懂人工智能

作品简介

本书根据人工智能领域产品经理的能力要求与知识体系，从原理到应用介绍人工智能的相关技术，全面阐述如何进阶为一名合格的人工智能产品经理。

本书共分为13章，其中第1～3章介绍机器学习能做什么及如何去做，第4～10章介绍7种基础算法的原理与商业化应用，第11～13章介绍深度学习在图像识别、自然语言处理与AI绘画三个方向的发展与成果。本书不局限于从数学角度推导各类机器学习算法的原理，而是配合大量案例，由浅入深地讲述什么是机器学习、机器学习如何解决问题及机器学习需要产品经理做什么。

本书能够帮助初入人工智能领域的产品经理建立对算法的理解，并将这些知识融入不同领域的业务中，发现更多的应用场景，创造更多的应用可能。

林中翘，平安科技资深产品经理，负责集团数据平台建设与大数据应用，擅长人工智能技术在金融领域的商业化应用，曾主导平安电话平台智能进线识别、寿险新渠道产能提升、ONES平台建设等多个项目。人人都是产品经理社区与PMCAFF社区专栏作家。

作品目录

• 作者简介
• 名家好评
• 前言
• 1 机器学习入门
• 1.1 什么是机器学习
• 1.2 什么问题适合用机器学习方法解决
• 1.3 机器学习的过程
• 1.4 机器学习的类型
• 1.5 产品经理的经验之谈
• 2 数据的准备工作
• 2.1 数据预处理
• 2.2 特征工程
• 2.3 产品经理的经验之谈
• 3 了解你手上的数据
• 3.1 你真的了解数据吗
• 3.2 让数据更直观的方法
• 3.3 常用的评价模型效果指标
• 3.4 产品经理的经验之谈
• 4 趋势预测专家：回归分析
• 4.1 什么是回归分析
• 4.2 线性回归
• 4.3 如何评价回归模型的效果
• 4.4 逻辑回归
• 4.5 梯度下降法
• 4.6 产品经理的经验之谈
• 5 最容易理解的分类算法：决策树
• 5.1 生活中的决策树
• 5.2 决策树原理
• 5.3 决策树实现过程
• 5.4 ID3算法的限制与改进
• 5.5 决策树的应用
• 5.6 产品经理的经验之谈
• 6 垃圾邮件克星：朴素贝叶斯算法
• 6.1 什么是朴素贝叶斯
• 6.2 朴素贝叶斯如何计算
• 6.3 朴素贝叶斯的实际应用
• 6.4 进一步的提升
• 6.5 产品经理的经验之谈
• 7 模拟人类思考过程：神经网络
• 7.1 最简单的神经元模型
• 7.2 感知机
• 7.3 多层神经网络与误差逆传播算法
• 7.4 RBF神经网络
• 7.5 产品经理的经验之谈
• 8 求解支持向量机
• 8.1 线性支持向量机
• 8.2 线性支持向量机推导过程
• 8.3 非线性支持向量机与核函数
• 8.4 软间隔支持向量机
• 8.5 支持向量机的不足之处
• 8.6 产品经理的经验之谈
• 9 要想模型效果好，集成算法少不了
• 9.1 个体与集成
• 9.2 Boosting族算法
• 9.3 Bagging族算法
• 9.4 两类集成算法的对比
• 9.5 产品经理的经验之谈
• 10 透过现象看本质，全靠降维来帮忙
• 10.1 K近邻学习法
• 10.2 从高维到低维的转换
• 10.3 主成分分析法
• 10.4 线性判别分析法
• 10.5 流形学习算法
• 10.6 产品经理的经验之谈
• 11 图像识别与卷积神经网络
• 11.1 图像识别的准备工作
• 11.2 卷积神经网络
• 11.3 人脸识别技术
• 11.4 产品经理的经验之谈
• 12 自然语言处理与循环神经网络
• 12.1 自然语言处理概述
• 12.2 初识循环神经网络
• 12.3 RNN的实现方式
• 12.4 RNN的提升
• 12.5 产品经理的经验之谈
• 13 AI绘画与生成对抗网络
• 13.1 初识生成对抗网络
• 13.2 生成对抗网络的应用
• 13.3 生成对抗网络的提升
• 13.4 产品经理的经验之谈
• 参考资料