当今社会，智能音箱、智能机器人、智能可穿戴设备等人工智能产品已经开始逐渐普及，而人工智能产品经理却非常短缺。本书将通俗易懂的语言与专业知识相结合，从中国人工智能市场现状入手，详细地为读者阐释了人工智能产品的相关知识，以及人工智能产品经理是如何开展工作的，并通过实际案例展现了如何从无到有构建人工智能产品的过程。本书适合想从互联网产品经理转型成为人工智能产品经理的读者，想了解人工智能的商业用途和价值的读者，想简单快速入门人工智能项目实践的读者，对人工智能产品感兴趣的普通读者，以及人工智能领域的工程师或专家阅读。

前言 笔者接触过很多互联网产品经理，谈起人工智能时，他们几乎都对人工智能非常感兴趣。同时，他们也提到在试图了解人工智能时，感到无所适从，不知从哪儿着手开始学习。我们先来看一些名词：云、大数据、机器学习、深度学习、神经网络、监督学习、无监督学习、强化学习、迁移学习、CNN、DNN、RNN、GNN、NLP、STR、Python、TensorFlow、Caffe、Theano、Torch 等。这些名词广泛出现在人工智能领域。 有人还提出要学好人工智能需要良好的数学基础，如高等数学、数理统计、线性代数、离散数学等知识。知识结构的复杂性会加重互联网产品经理在学习人工智能时的迷茫和恐慌感。 近年来，企业在招聘人工智能产品经理时也面临着同样一个问题。笔者查看了智联、拉勾、猎聘等多个招聘网站中企业招聘人工智能产品经理的岗位要求，发现不同公司在招聘人工智能产品经理时的标准都不一样。有些企业要求人工智能产品经理熟练使用Python，掌握TensorFlow，对CNN、RNN 有深入理解，偏重于技术；有些企业要求人工智能产品经理对行业有深入理解，有良好的沟通能力，而不需要对技术有过多了解，这类岗位则偏重于售前、培训。正是因为企业对于人工智能产品经理没有准确的定位，所以互联网产品经理也会感到无所适从，不知从哪儿着手开始学习。 人工智能的技术体系涉及面广，知识庞杂，如果不能从更高维度看待人工智能产品，很容易陷入具体的技术细节中，而学习技术细节往往需要人们具备一定的技术背景、数学知识。目前市面上有关的人工智能的书籍普遍是专业性很强的书籍，这些书籍主要是针对工程师的，偏重于技术细节的实操。还有就是一些人工智能科普类的书籍，是写给有兴趣了解人工智能的读者的，这类书籍往往为了保证读者群体的广泛可读性，很少涉及人工智能产品的技术部分。 笔者本科阶段学习的是计算机知识，研究生阶段学习的是互联网管理知识，多年来一直从事互联网产品经理的工作。一个偶然的机会，笔者接触到人工智能项目，并一直负责人工智能产品规划与产品线管理的工作，经过不断学习和总结，笔者根据自己学习的模式和方法总结出一套在人工智能时代适合产品经理的学习和工作体系。了解到很多人在面对人工智能时存在困扰，笔者萌发了一个想法——将自己的学习经历和经验总结分享出来，希望能对有意从事人工智能相关行业的读者起到一点借鉴作用。 笔者写这本书的初衷是帮助那些没有编程经验的读者快速了解人工智能产品，掌握人工智能技术。本书从人工智能产品的理解和实践角度出发，为读者呈现了人工智能产品化的过程，目的是让读者快速入门。 本书站在一个高维度看待人工智能产品，既概括性地描述了人工智能产品的市场前景、人工智能的技术体系，又详细描述了从无到有构建一个人工智能产品的过程，将通俗易懂的语言与专业知识相结合。笔者的目的就是能够让凡是受过本科教育的人，都能轻松地阅读。如果本书能够帮助读者建立起人工智能的概念体系，掌握构建人工智能产品的知识体系，就足够了。 本书适用范围如下。①想从互联网产品经理转型成为人工智能产品经理的读者。针对这一类读者，本书介绍了人工智能技术入门的基础知识、人工智能产品基础知识、人工智能产品构建方法、人工智能技术体系、人工智能产品实践。②想了解人工智能的商业用途和价值的读者。针对这一类读者，本书详细描述了人工智能产品及商业化特性。③想简单快速入门人工智能项目实践的读者。针对这一类读者，本书提供了人工智能项目所需要的基础技术与简单项目实践案例。④对人工智能产品感兴趣的普通读者。针对这一类读者，本书通过通俗易懂的方式介绍了人工智能技术入门知识。⑤人工智能领域的工程师或专家。针对这一类读者，本书中有许多关于人工智能产品化的新颖看法和经典观点。 由于笔者才疏学浅，而书中所提及的技术与业务均为笔者本人的知识与经验总结，难免有不足之处，望请读者谅解。笔者真心希望能够为读者在学习人工智能产品经理知识的道路上提供一些帮助。 贾亦赫 2019 年12 月

目录 第1 章 人工智能概述 / 1 1.1 什么是人工智能 / 2 1.2 人工智能的学科基础 / 4 1.3 人工智能的分类 / 5 1.4 人工智能的研究领域 / 7 1.5 人工智能的商业模式 / 9 1.6 人工智能的盈利模式 / 13 1.7 本章小结 / 16 第2 章 人工智能产品 / 17 2.1 人工智能产品的发展阶段 / 18 2.2 人工智能产品的发展史 / 19 2.3 人工智能产品的认知误区 / 25 2.4 人工智能产品和互联网产品的区别 / 26 2.4.1 互联网时代的产品特性 / 26 2.4.2 人工智能时代的产品特性 / 29 2.5 典型人工智能产品 / 32 2.5.1 可穿戴设备 / 32 2.5.2 智能家居 / 37 2.5.3 智能医疗产品 / 40 2.5.4 应用于工业制造领域的产品 / 42 2.6 本章小结 / 43 第3 章 人工智能产品经理 / 44 3.1 人工智能时代产品经理面临的挑战 / 45 3.2 产品经理的进阶与学习之路 / 48 3.3 产品分析模型 / 52 3.4 本章小结 / 61 第4 章 人工智能技术体系 / 62 4.1 机器学习 / 63 4.1.1 传统软件和机器学习的逻辑差异 / 64 4.1.2 机器学习的学习模式 / 65 4.1.3 监督学习 / 67 4.1.4 无监督学习 / 72 4.1.5 半监督学习 / 73 4.1.6 强化学习 / 75 4.2 机器学习——回归 / 76 4.3 机器学习——分类 / 78 4.4 机器学习——聚类 / 83 4.5 深度学习 / 87 4.5.1 深度学习的神经学基础 / 87 4.5.2 人工神经网络的特点 / 91 4.5.3 典型的人工神经网络 / 91 4.6 机器学习框架 / 101 4.6.1 TensorFlow / 103 4.6.2 Caffe / 105 4.6.3 PyTorch / 105 4.6.4 CNTK / 106 4.7 企业开放平台 / 106 4.7.1 百度AI 开放平台 / 107 4.7.2 阿里云PAI 平台 / 110 4.8 人工智能开发语言 / 121 4.8.1 Python / 121 4.8.2 R 语言 / 122 4.8.3 MATLAB / 122 4.9 本章小结 / 123 第5 章 人工智能产品构建 / 124 5.1 人工智能产品概述 / 125 5.2 效益分析 / 126 5.3 市场分析 / 127 5.3.1 客群分析 / 128 5.3.2 竞争对手分析 / 129 5.4 价值主张分析 / 132 5.4.1 解放劳动者 / 132 5.4.2 优化生产工具 / 138 5.4.3 价值陷阱 / 141 5.5 技术分析 / 142 5.5.1 人工智能产品分类 / 142 5.5.2 传统算法和人工神经网络的选择 / 147 5.5.3 神经网络设计 / 152 5.5.4 产品技术实现 / 154 5.6 人工智能产品的实践过程 / 155 5.6.1 数据标注 / 155 5.6.2 模型训练及调优 / 158 5.6.3 模型验证 / 159 5.6.4 产品评估 / 161 5.7 本章小结 / 164 第6 章 人工智能产品实战 / 165 6.1 商品推荐系统实战 / 166 6.1.1 推荐系统基本原理 / 166 6.1.2 实战操作 / 169 6.1.3 模型评估分析 / 173 6.2 图像识别实战 / 174 6.2.1 指标体系设计 / 177 6.2.2 基于TensorFlow 实现 / 177 6.2.3 基于开放平台实现 / 180 6.2.4 模型评估分析 / 188 6.3 雾霾预测实战 / 189 6.3.1 实战操作 / 190 6.3.2 模型评估分析 / 196 6.4 新闻分类实战 / 197 6.5 图像风格转换 / 203 6.6 常见数据集 / 214 6.7 本章小结 / 219 后 记 / 220 致 谢 / 222 延伸阅读 / 223