AI賦能：AI重新定義產(chǎn)品經(jīng)理

第1章 AI新手認知AI 1
1.1 AI的歷史來源和算法 1
1.1.1 AI的歷史來源 1
1.1.2 AI的三大學派 3
1.1.3 AI的3次大的變革 5
1.2 AI領(lǐng)域的奠基者 6
1.3 不得不知的AI發(fā)展現(xiàn)狀 12
1.3.1 國內(nèi)AI的發(fā)展概況 12
1.3.2 國內(nèi)AI相關(guān)行業(yè)的發(fā)展應(yīng)用 15
1.3.3 國內(nèi)AI相關(guān)公司的發(fā)展現(xiàn)狀 18
1.3.4 國內(nèi)AI行業(yè)的人才現(xiàn)狀 22
1.4 AI產(chǎn)品產(chǎn)品經(jīng)理的現(xiàn)狀 27
1.4.1 崗位需求與人員素質(zhì)不匹配 27
1.4.2 AI產(chǎn)品產(chǎn)品經(jīng)理來源廣泛 28
1.4.3 轉(zhuǎn)崗人員遇到的主要問題及解決對策 30
1.5 產(chǎn)品經(jīng)理認識AI的3個階段、9個過程 32
1.6 AI的算法 33
1.6.1 傳統(tǒng)算法 34
1.6.2 AI算法 34
1.6.3 傳統(tǒng)算法和AI算法系統(tǒng)的區(qū)別、聯(lián)系 37
1.7 AI=數(shù)據(jù)+算法+算力 39
第2章 從開始到成為AI產(chǎn)品經(jīng)理 43
2.1 AI帶來的改變與挑戰(zhàn) 43
2.1.1 AI帶來的改變 43
2.1.2 AI帶來的挑戰(zhàn) 46
2.2 AI產(chǎn)品經(jīng)理與傳統(tǒng)產(chǎn)品經(jīng)理的區(qū)別 47
2.2.1 面向的用戶不同 47
2.2.2 產(chǎn)品內(nèi)容不同 49
2.2.3 技術(shù)方案的維度不同 51
2.3 AI產(chǎn)品的流程不同 51
2.3.1 打造傳統(tǒng)軟件的流程 51
2.3.2 打造硬件的流程 55
2.3.3 AI硬件的流程 59
2.3.4 設(shè)計AI產(chǎn)品的流程案例 60
2.3.5 影響AI產(chǎn)品的流程中的創(chuàng)新因素 60
2.4 入門AI產(chǎn)品經(jīng)理應(yīng)該具備的思維 61
2.4.1 多樣化思維 61
2.4.2 差異化思維 62
2.4.3 穿透思維 62
2.4.4 大道思維 63
2.5 成為AI產(chǎn)品經(jīng)理的方法 64
2.5.1 非技術(shù)背景的人員如何轉(zhuǎn)AI產(chǎn)品經(jīng)理 64
2.5.2 技術(shù)背景人員如何轉(zhuǎn)行AI產(chǎn)品經(jīng)理 69
2.5.3 技術(shù)背景的人員轉(zhuǎn)行AI產(chǎn)品 經(jīng)理的案例 70
2.6 AI產(chǎn)品經(jīng)理的9大創(chuàng)新方法 71
2.6.1 客戶協(xié)同創(chuàng)新的機理及形成機制、流程 72
2.6.2 影響客戶協(xié)同創(chuàng)新的因素 74
2.6.3 AI產(chǎn)品的創(chuàng)新方法 77
2.7 成為AI產(chǎn)品經(jīng)理的核心路徑 80
2.8 總結(jié) 85
第3章 非技術(shù)出身應(yīng)該了解的AI技術(shù) 86
3.1 常見的AI技術(shù)解析 86
3.1.1 自然語言生成 87
3.1.2 語音識別 95
3.1.3 虛擬代理 100
3.1.4 機器學習平臺 104
3.1.5 GPU和其他設(shè)備 121
3.1.6 決策管理技術(shù) 123
3.1.7 深度學習 126
3.1.8 生物特征識別技術(shù) 140
3.1.9 機器人技術(shù) 153
3.1.10 文本分析和NLP 158
3.2 從企業(yè)視角看AI技術(shù) 165
3.3 產(chǎn)品經(jīng)理應(yīng)該知道的AI技術(shù)及其深度 168
3.4 時下產(chǎn)品經(jīng)理入行AI的技術(shù)分解 170
3.4.1 產(chǎn)品經(jīng)理對AI技術(shù)的理解 170
3.4.2 熱門的AI算法 171
3.4.3 深度學習大熱的背后力量 174
3.4.4 產(chǎn)品經(jīng)理應(yīng)該了解的深度學習算法及其應(yīng)用 175
3.4.5 AI技術(shù)落地的角度 178
3.5 AI技術(shù)小白的學習資料與學習方法 178
3.6 AI技術(shù)小白的學習方法 181
第4章 AI產(chǎn)品的特點和落地 193
4.1 AI時代產(chǎn)品需求的新特點 196
4.2 AI時代尋找產(chǎn)品需求的方法 197
4.2.1 重新定義尋找產(chǎn)品需求的方法 197
4.2.2 外部方法 201
4.2.3 內(nèi)部方法 202
4.2.4 AI時代的產(chǎn)品創(chuàng)新源自產(chǎn)品經(jīng)理的自我增強 203
4.2.5 小結(jié)：成為AI產(chǎn)品經(jīng)理的心路歷程 207
4.3 AI時代產(chǎn)品需求落地的方法 208
4.3.1 AI產(chǎn)品的落地實現(xiàn) 208
4.3.2 裸眼3D智能試衣鏡的實戰(zhàn) 213
4.3.3 AI衣柜 214
第5章 重新定義AI時代敏捷方法 218
5.1 AI時代更需要Scrum 方法 218
5.1.1 什么是Scrum/PMP 218
5.1.2 產(chǎn)品總監(jiān)帶領(lǐng)團隊敏捷開發(fā)的方法步驟 225
5.1.3 AI時代更需要Scrum 228
5.1.4 機器學習的投入 233
5.2 創(chuàng)新的AI Scrum Master方法 237
第６章 技術(shù)人構(gòu)建AI產(chǎn)品觀點矩陣 239
6.1 技術(shù)人員輕崗AI產(chǎn)品經(jīng)理需要的思維矩陣 239
6.1.1 技術(shù)人員轉(zhuǎn)崗AI產(chǎn)品經(jīng)理的AI思維 239
6.1.2 構(gòu)建AI思維 240
6.2 AI思維的拓展 242
6.2.1 AI思維的作用和重要性 242
6.2.2 AI生態(tài)思維 242
6.2.3 AI工程思維 243
6.3 AI產(chǎn)品要懂得心理學知識 243
6.4 產(chǎn)品心學四力 244
6.4.1 認知力：產(chǎn)品方向的致知力 244
6.4.2 方法論力：事上練 246
6.4.3 迭代力：初心不動、隨機而動 247
6.4.4 驗證力：知行合一 249
第7章 AI產(chǎn)品美學 250
7.1 AI產(chǎn)品美學的科學性 250
7.1.1 一根：定義落地 250
7.1.2 二脈：行為落地 251
7.1.3 三通：認知落地 251
7.1.4 四達：交互落地 252
7.2 融合美學進入AI產(chǎn)品 252
7.3 人工智能＋場景美學 253
7.3.1 懂用戶之美 253
7.3.2 懂痛點之美 254
7.3.3 講故事之美 254
7.3.4 爆款產(chǎn)品之美 254
7.4 AI產(chǎn)品美學的目標 255
7.5 AI產(chǎn)品美學綜述 255
7.6 如何培養(yǎng)產(chǎn)品美學 255
第8章 AI賦能產(chǎn)品的實例 257
8.1 AI×金融保險 257
8.2 AI×醫(yī)療健康 260
8.3 AI×工具軟件 265
8.4 AI×商業(yè)服務(wù) 270
8.5 AI×新零售 276
8.6 AI×機器人 281
8.7 AI×安全防范 288
8.8 AI×農(nóng)業(yè) 295
8.9 AI×交通 306
8.10 AI×文體娛樂 310
8.11 AI×教育 314
8.12 AI×運輸物流 318
8.13 AI×工業(yè) 325
8.14 AI×智慧家居 329
8.15 AI×法律服務(wù) 330
8.16 AI×社交 334
8.17 AI×人力資源管理 336
8.18 AI×地產(chǎn)建筑 338
8.19 AI×旅游 342
8.20 AI×通信服務(wù) 345
8.21 AI×城市公共 348