|
更新怎么做人工智能产品经理 先聊聊什么是人工智能产品经理 AI是大家都很关注的领域，然而对于大部分想要入行的同学来讲，AI的算法技术门槛相对较高，让很多空有热血但是缺少数学背景的同学望而却步。不知道什么时候，可能是“人人都是产品经理”这个论调的影响，产品经理这个岗位逐渐变成IT领域除了纯开发岗位之外的第二选择。对于AI这个领域也不例外，产品经理这样的岗位也渐渐成为竞相争取的“肥差”，刚好我也在大厂做了一段时间的人工智能品类产品的工作，结合我的经历谈一谈这方面的感受。 首先我想说“人人都是产品经理”在AI这个领域并不适用。先谈下AI类的产品经理跟其它的APP或者IT服务类产品的区别。第一点，面向的受众不同，产品经理的本职工作是要设计出最贴合用户使用习惯的产品，然而因为目前AI的技术发展仍不像APP这样普及，大部分的AI产品的服务对象是to B端的企业用户， B端用户和C端用户的使用行为习惯是截然不同的，所以就有很多C端的产品转向B端出现的水土不服。第二点，AI类别的产品经理同样需要面对相对这个岗位较高的门槛，当实现一款功能的设计的时候，最基础的认知就是要首先确定什么能做什么不能做，对于可见的一些服务，比方说手机APP中的用户使用用链路来讲，一个功能能否实现是比较容易确定的。但是如果是AI类产品的设计，需要涉及到对算法以及数据的理解，只有当产品经理真正了解每种算法的玩法以及数据的使用链路，才可以将功能做活，保留高鲁棒性。第三点，因为AI技术还在快速发展，但是远没有达到人尽用、人尽知的地步，所以每一个AI产品经理当完成一款功能或产品的上线之后，都需要在教育用户和市场方面做足功夫。这一点也适用于所有新领域的产品。 那要如何成长为一个AI类的产品经理呢？博主还在学习阶段，但是可以把我的心得简单讲下。第一，快速的学习理解AI这个行业。AI是整个互联网行业谈论最多的技术方向，有大的量的关于这个领域的垂直媒体会每天更新国内外最新的咨询，我每天上班和下班途中共两个小时，都会用来浏览媒体对AI的报道，从大牛离职这样的八卦新闻到新论文的发表都会看一看（付出了手机流量超标的严重代价），遇到需要仔细阅读的便收藏等到时间充裕的时候慢慢去学。不过确实因为现在这方面的咨询实在太纷杂了，为了甄选有营养的咨询以及方便跟更多的同学讨论，我创建了微信公众号“凡人机器学习”，把我觉得好的咨询跟大家分享。第二，学习AI的基础知识，不要只做产品“傻白甜”。听过很多开发吐槽产品经理什么都不懂，我也时常被吐槽。为了更深刻理解AI行业用户的使用习惯，要多多学习一些算法以及数据的分析方式，当然不必要像开发一样深入了解，只要从使用方式的角度了解即可。我每天会在下班后，多呆一小时去看看各种大牛的博客或者学一些视频在线课程，这样可以更好的理解AI行业用户的使用方式，跟用户近一点。同时当你理解了算法的一些原理之后，也会跟开发近一点。在学习的过程中也可以边学边记录，留到以后去查看，之前把自己的笔记整理了下居然也可以形成一本书《机器学习实践应用》。剩下的一些关于产品经理必备的能力，比如竞品分析、市场策略、运营策略、项目推动、团队合作、产品设计这里就不详细说了，以后慢慢聊。 最后谢谢大家的时间。 跟作者讨论，可以访问我的微信公众号：凡人机器学习 ------- 毫无疑问，人工智能是目前整个互联网领域最火的行业，随着AlphaGo战胜世界围棋冠军，以及各种无人驾驶、智能家居项目的布道，人们已经意识到了AI就是下一个风口。当然，程序员是我见过对于新技术最敏感的一个人群，举一个例子：当TensorFlow刚刚面世的时候，几乎所有搞大数据的同学一见面就开始交流这方面的内容，仿佛所有人一夜之间成了“TFboys”（tensorflow_boys）。我觉得之所以程序员对于新技术很敏感有两个原因，其一是技术这碗饭会逼着你不停地去学习，不然很快会被淘汰；其二是程序员大多是理工男，对于新事物是充满好奇的。借着出版《机器学习实践应用》的机会 ，又是到了这样一个档口，就是很多程序员面临转型，需要去学习AI技术，在这一文我就简单谈谈我对学习AI的一些看法，我自己的肤浅想法，轻喷哈。 （先声明下我不是算法大神，我是BAT机器学习产品经理，不过我身边都是各种各样的算法大牛）首先讲下我个人的学习经历，我最先接触编程是在刚上大学的时候，2010年左右。最早的时候大家都信奉PHP是最牛的语言，当时觉得能做网站的人都是大仙。过了不到3年，移动互联网的浪潮来了，几乎所有人全部转去学Android开发、iOS开发，而且最初的时候做移动端开发是非常吃香的（这股浪潮很像现在的AI浪潮，我确信不到三年时间市面上的算法工程师会成指数性增长）。我自己当时是在做android开发，也是在一家大的手机公司实习，我当时觉得开发手机软件挺酷的，直到有一个契机让我见识到了AI。当时是有一次机会调用了某个以色列公司开发的眼球识别SDK，13年那时候看到眼球识别这总高端技术是觉得非常神奇的，后来我偷偷Google了下后端的技术，这才第一次认识到了世界上居然有机器学习算法这种东西。于是理工男的那种对新技术的好奇心就促使我去学习机器学习算法，刚一开始先认识了一些基础的算法，比如LR、KNN、RF这些，当时在国内没有这么多的视频课程可以学习，买了一本《机器学习实战》的书，是外国翻译过来的，把里面的很多代码都自己推敲了一遍，成长很大。但是学习机器学习，光知道算法是远远不够的，还需要数据和场景去操练。正好当时阿里举办第一届天池大赛，奖金记得有100万，于是就和几个小伙伴结队参赛，比赛比了两个月，当时真正的在TB级别的数据下实践了特征工程、调参、交叉验证、计算F1分等等。而且第一次体会了分布式集群的威力。当时比赛用的是阿里云的xlab，也就是机器学习PAI的前身。比赛的时候我就深深的爱上了这款云端的机器学习工具，导致后来我义无反顾的投身阿里云，做了PAI的产品经理，开启了我的机器学习业务实践之路。 讲了这么多我自己的经历，希望对大家有一些启发。总结归纳一下程序员如何转型成为AI工程师。首先，需要确立自己的职责，是算法开发还是算法应用，这两个差别很大。如果工作的性质是通过算法去解决一些实际的业务问题，偏算法应用，那我觉得需要更专注于了解业务以及算法的使用场景。如果工作性质是去开发算法，提升效率，那么需要更多的关注数学推导能力以及编程技巧。机器学习算法对数学的能力要求是非常高的，这就是为什么BAT很多算法开发工程师都是数学专业毕业的原因。 当明确了自己的定位，还需要一个环境去实践，需要有大量的数据在特定的场景下去不断磨练自己对数据的认知，对数据认知的过程就是将业务抽象成数学公式，将数据转化为特征的过程，我觉得这个能力会比推导算法更重要。在这里给大家一些推荐： 1.首先学习算法可以去看一些书《机器学习实战》（强烈推荐）、《统计学习方法》（偏底层数学推导）、《机器学习实践应用》（偏业务）。也可以去看看吴恩达老师的关于机器学习的斯坦福公开课。 2.关于实践场景，可以去参加Kaggle的比赛或者天池大赛，在这里强烈推荐天池大赛，因为天池不光会提供真实的数据和比赛环境，最关键的是你可以获得许多与高手切磋交流的机会，这些交流会让人快速成长。 3.多多实践，其实市面上有很多现成的开源工具可以使用，有R、Spark-MLib、Sklearn等等，也有很多地方可以下载到开源数据集，推荐UCI数据集。下载好数据，选定一个场景，自己用代码去跑跑效果，比看100篇鸡汤都管用。 最后希望大家都能掌握算法技巧，即使不能从事AI工作，对于数据的认知能力也一定是未来最核心的竞争力。 |
|
|
