AI人工智能运营:AI产品如何执行技术产品运营

第一代人往往拥有红利!


本文谈的是如何做AI的第一代人,做AI第一代的技术、做AI第一代的产品、做AI第一代的运营。最后讲几个案例。

产品运营

一、第一代的AI人综述


线上流量见顶之说一度甚嚣尘上,例如:很多去五环外找流量了,很多公司IPO失利了。甚至已经成功上岸的蔚来汽车和瑞幸咖啡都被说成是资本直接下地兑现。可见互联网之秋的现实严重性。


也确实,最近一两年安装的APP数量越来越少,APPstore排名靠前的几乎比较稳定的是那几家大厂的产品了。


流量枯竭背后实际是以移动互联网技术为驱动的底层科技的普及的结果,不是悲剧亦不是喜剧。好比如PC转向移动互联网,好比马车被汽车取代一样。


市场需求需要不停的创新,创新需要科技的驱动。环顾周边能够起到引领下一波科技趋势的有哪些呢?


笔者LineLian发现既满足能量巨大,有越过技术成熟度曲线的唯有AI技术。


由此可见成为第一代的AI人,一方面是优先意识到线上互联网流量的见顶,甚至优先认知到不结合AI你还能做什么呢?


二、做AI第一代的技术


(一)、AI相关技术的学习和实际


一般学计算机、数学、统计学、几何学科班出身毕业后还做技术的朋友会产生如下图学数学的同学有同感。


从上图基本可见,我们每个人从小小年纪开始学习认知数,学习运算,然后学习函数、代数。到了大学开始学习微积分。到了硕士、博士开始涉猎高级微积分。然后可能做博士后,在核心期刊发Paper可能会设计黎曼猜想、泛函分析。


然后来到工作实践中会发现过往学的,更多的剩下的是做做EXCEL表,写写文档,设计策划一下PPT。


(二)、AI里的算法技术实际应用


我们学算法的时候有分传统算法和AI算法,以识别猫为例,我们用传统算法往往是将猫进行形状切分,比如猫有圆脸、有三角耳朵、有4条腿、有长长的尾巴等等切片。这个例子我们很好理解,这样的算法是不靠谱的。那么AI算法是怎么识别猫的呢?实际上AI算法跟人类识别猫的过程类似,一开始用摄像头取得猫的照片,然后传输给神经网络进行处理,最后判断是否是猫非常类似我们人类,例如一个小朋友从一出生第一次眼睛见到猫每秒钟用眼睛拍10张照片大概到5岁拥有15亿张照片。所以我们人类就认识了猫。AI算法也类似。


(1)、一般会用到统计学,线性代数,微积分;如果想做AI技术可以实操级可以多学线性代数和概率统计而如果是做长久的甚至架构级的AI技术可以多学微积分。


(2)、编程语言一般是用R语言和Python,当然C++也行,但是日常工作中由于Python的语法特点,其工作产出结果较快故此用Python写AI内容的比较多。


(3)、理论基础我们应该知道,按照数据集有没有Y值可以将机器学习分为监督学习、半监督学习和无监督学习。监督学习是分类算法,无监督学习是聚类算法。


(4)算法:时下热门的一般AI里的算法都叫机器学习算法,深度学习算法属于机器学习算法。做AI技术应该熟练的算法有决策树、KNN、KMEANS、SVM线性回归,BP、CNN、LSTM、GANs


三、做AI第一代的产品


以前笔者建议传统产品经理多学一些逻辑学,至少擅长运用同一律、矛盾律、排中律、充分必要条件等来判断需求。


那么,在AI人里除了要懂上面的基本逻辑外,还建议有一个广义的定义,数学、经济学、心理学、计算机学均是产品要泛懂的逻辑,不是要产品去写的代码比程序员还能手撕代码,更多是两个方面的用处,一是在做需求Vision的时候判断需求的可行性及时间、二是方便与对应的技术人员沟通。


具体一名AI产品经理至少要熟悉一下AI知识


(1)、数据清洗


理解特征、数据类型观察、正态性检验、分类变量处理、连续变量处理、类别不均衡等,数据准备阶段的执行工作,你在外面和内部举着打破数据孤岛的需求大旗,知道工作进度和工作卡在哪里总是好的。


AI产品经理为啥要懂数据,因为在数据处理的过程就是AI应用的过程。


(2)、特征工程


特征衍生、特征生维、特征筛选、特征降维。


(3)、调参


网格搜索、穷举搜索、随机搜索、手动调参、自动调参


(4)、建模


分类(决策树、神经网络、逻辑回归),聚类(PCA、Kmeans、AHP)


(5)、模型集成


boosting、bagging、stacking


(6)、模型验证


AUC/ROC、recall、precision、F score


(7)、保存模型


(8)、模型预测


以上AI的知识其中的执行技术可能是AI技术人的擅长的,但是作为AI产品,一款AI产品的Owner也是应该整体感受的,如果时间允许建议一个一个知识点的解决掉。


相关推荐

发表评论

路人甲

网友评论(0)