AI產(chǎn)品經(jīng)理：方法、技術(shù)與實戰(zhàn)

定　價：￥99.00

作　者：	王澤楷著
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111711773	出版時間：	2022-10-01	包裝：	平裝-膠訂
開本：	32開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　這是一本指導AI產(chǎn)品真正實現(xiàn)商業(yè)化落地的專業(yè)技術(shù)書。書中內(nèi)容完全圍繞產(chǎn)品落地、商業(yè)化展開，既提供了不同類型AI產(chǎn)品的落地方案，又提供了具體的方法、技巧，還提供了安防、制造、汽車等多個典型行業(yè)的應用案例。無論是從技術(shù)或其他崗位轉(zhuǎn)型AI產(chǎn)品經(jīng)理，還是從其他方向的產(chǎn)品經(jīng)理崗位轉(zhuǎn)型AI產(chǎn)品經(jīng)理，都可以通過本書彌補欠缺的相關(guān)知識。而對于已經(jīng)入門的AI產(chǎn)品經(jīng)理，閱讀本書可以了解算法、中臺、業(yè)務等各類AI產(chǎn)品的落地方案，掌握快速、高效、高質(zhì)量落地產(chǎn)品的方法論。本書共包括4篇13章的內(nèi)容。第一篇（第1～2章）對AI產(chǎn)品及AI產(chǎn)品經(jīng)理進行全方位深入解讀，目的是讓讀者真正理解AI產(chǎn)品經(jīng)理這個職位，這是做好這份工作的基礎。另外，本篇還重點介紹了如何成為AI產(chǎn)品經(jīng)理和如何規(guī)劃AI產(chǎn)品經(jīng)理職業(yè)發(fā)展路徑。第二篇（第3～6章）從機器學習入手，逐漸拓展到以計算機視覺、語音識別、語義理解為核心的多模態(tài)內(nèi)容理解技術(shù)、行為主義的機器人學，以及AI云原生工程應用。本篇以AI產(chǎn)品經(jīng)理實際需求為前提，用產(chǎn)品經(jīng)理可以理解的方式展開介紹，不講與產(chǎn)品經(jīng)理工作關(guān)聯(lián)性不強的技術(shù)細節(jié)，只講技術(shù)原理和應用方向，這些都是AI產(chǎn)品經(jīng)理落地產(chǎn)品時必須掌握的。第三篇（第7～11章）是本書的重點。本篇首先介紹了通用的產(chǎn)品方法論，然后結(jié)合AI產(chǎn)業(yè)鏈的特點，深入解讀了算法、中臺、業(yè)務三大類AI產(chǎn)品的落地實踐。其中，關(guān)于算法和中臺類產(chǎn)品的介紹，可幫助讀者應對自動駕駛、元宇宙、企業(yè)智能、智能汽車、虛擬數(shù)字人等主流產(chǎn)品的落地需求；針對業(yè)務類AI產(chǎn)品，從城市治理、企業(yè)服務、個人服務三個維度展開介紹。第四篇（第12～13章）從賦能行業(yè)和項目實踐兩個維度解讀AI產(chǎn)品高效、高質(zhì)量落地的方法。其中不僅以安防、制造業(yè)、汽車為案例解讀了AI產(chǎn)品高效落地的方法和方案，還以B/G端項目、商機項目為例，提供了可行性驗證、交付等問題的解決思路。

作者簡介

　　王澤楷亞太人工智能學會資深數(shù)字孿生研究專家，曾任平安科技、商湯科技任AI高級產(chǎn)品專家。近10年來一直工作于AI領(lǐng)域技術(shù)和產(chǎn)品一線，曾參與多個世界500強企業(yè)的AI建設項目、多個一線城市的城市級AI應用落地，在AI技術(shù)、產(chǎn)品的項目應用等方面積累了豐富的經(jīng)驗。曾從事深度學習算法研究工作，發(fā)表AI相關(guān)專利論文6篇。經(jīng)歷了新一代人工智能技術(shù)發(fā)展，對以深度神經(jīng)網(wǎng)絡為代表的人工智能技術(shù)的發(fā)展有深刻理解。對計算機視覺有深入研究，長期跟蹤研究前沿技術(shù)趨勢。碩士畢業(yè)于法國南特大學，擁有電子工程專業(yè)和測控（機器視覺）專業(yè)雙碩士學位。

圖書目錄

前言
第一篇　AI與AI產(chǎn)品經(jīng)理
第1章　深入理解AI和AI產(chǎn)品2
1.1　全方位認識AI2
1.1.1　AI的定義2
1.1.2　AI的三大學派6
1.1.3　AI的發(fā)展歷程8
1.1.4　AI的發(fā)展政策11
1.2　深入理解AI產(chǎn)品12
1.2.1　什么是AI產(chǎn)品12
1.2.2　AI技術(shù)產(chǎn)品化13
1.2.3　AI產(chǎn)品產(chǎn)業(yè)化和標準化14
1.2.4　AI產(chǎn)品落地的價值與難題16
第2章　AI產(chǎn)品經(jīng)理19
2.1　什么是AI產(chǎn)品經(jīng)理19
2.2　怎樣成為優(yōu)秀的AI產(chǎn)品經(jīng)理21
2.2.1　AI產(chǎn)品經(jīng)理的職業(yè)規(guī)劃23
2.2.2　AI產(chǎn)品經(jīng)理的知識體系24
第二篇　 AI技術(shù)
第3章　機器學習28
3.1　機器學習概述28
3.1.1　監(jiān)督學習30
3.1.2　無監(jiān)督學習31
3.1.3　強化學習32
3.1.4　自監(jiān)督學習33
3.2　深度學習34
3.2.1　什么是深度學習34
3.2.2　深度學習的發(fā)展和局限38
3.2.3　遷移學習40
3.2.4　大規(guī)模預訓練模型40
3.3　生成對抗網(wǎng)絡42
3.4　元學習44
3.4.1　基于度量的元學習45
3.4.2　基于優(yōu)化的元學習47
3.5　聯(lián)邦學習與隱私計算48
3.5.1　什么是聯(lián)邦學習48
3.5.2　聯(lián)邦學習的分類50
3.5.3　聯(lián)邦學習框架與應用53
3.6　AutoML/AutoDL55
3.6.1　什么是AutoML55
3.6.2　自動化數(shù)據(jù)處理與增強56
3.6.3　自動模型生成—神經(jīng)架構(gòu)搜索58
3.6.4　自動模型壓縮 62
3.7　可解釋AI 64
第4章　多模態(tài)感知及理解67
4.1　計算機視覺67
4.1.1　圖像生成69
4.1.2　圖像處理71
4.1.3　立體視覺73
4.1.4　圖像分類79
4.1.5　圖像檢測80
4.1.6　圖像分割82
4.1.7　目標跟蹤85
4.2　語音識別87
4.2.1　基本概念87
4.2.2　傳統(tǒng)語音識別流程90
4.2.3　端到端深度學習語音識別93
4.2.4　聲紋識別97
4.3　自然語言處理99
4.3.1　概述99
4.3.2　NLP的分析層次100
4.3.3　信息抽取105
4.3.4　知識圖譜108
4.3.5　機器翻譯116
4.3.6　對話系統(tǒng)119
4.4　多模態(tài)內(nèi)容理解122
4.4.1　多模態(tài)方法簡介122
4.4.2　多模態(tài)融合應用124
第5章　機器人學與運動規(guī)劃128
5.1　機器人硬件130
5.1.1　傳感器130
5.1.2　執(zhí)行機構(gòu)131
5.1.3　動力源132
5.1.4　處理器133
5.2　機器人感知133
5.2.1　傳感和信號處理133
5.2.2　定位與地圖構(gòu)建134
5.3　運動規(guī)劃與控制137
5.3.1　運動規(guī)劃137
5.3.2　運動控制141
5.4　應用領(lǐng)域142
第6章　AI云原生工程應用146
6.1　云原生147
6.1.1　云原生概述147
6.1.2　容器技術(shù)150
6.1.3　微服務151
6.1.4　Service Mesh152
6.1.5　Serverless152
6.1.6　DevOps與ModelOps154
6.2　AI云原生應用發(fā)展趨勢155
第三篇　AI產(chǎn)品應用
第7章　從兩個視角深挖AI產(chǎn)品機會158
7.1　市場視角：尋找商機158
7.1.1　關(guān)注市場的宏觀力量159
7.1.2　尋找AI細分好賽道161
7.2　技術(shù)視角：技術(shù)創(chuàng)新和可行性167
7.2.1　依托技術(shù)創(chuàng)新的產(chǎn)品創(chuàng)新167
7.2.2　技術(shù)可行性和技術(shù)成本170
第8章　AI產(chǎn)品從定義到落地173
8.1　如何真正做到從用戶需求出發(fā)173
8.2　正確定義一款產(chǎn)品的8個要素176
8.3　AI產(chǎn)品設計框架詳解180
8.3.1　軟件設計要點詳解180
8.3.2　硬件設計要點詳解191
8.3.3　整體性能設計要點詳解195
8.3.4　安全性與AI倫理197
8.4　產(chǎn)品需求流轉(zhuǎn)200
8.4.1　需求收集200
8.4.2　需求管理201
8.4.3　產(chǎn)品需求評審202
8.4.4　產(chǎn)品需求排期206
8.4.5　產(chǎn)品需求驗收207
8.5　AI產(chǎn)品三層級—算法、平臺與業(yè)務208
第9章　算法類AI產(chǎn)品落地詳解210
9.1　任務定義—AI算法產(chǎn)品的真實需求與目標211
9.1.1　明確算法需求211
9.1.2　用樣例描述算法需求213
9.2　數(shù)據(jù)工程—用數(shù)據(jù)定義功能邊界214
9.2.1　數(shù)據(jù)采集215
9.2.2　數(shù)據(jù)標注216
9.2.3　數(shù)據(jù)生成218
9.3　算法生產(chǎn)—獲得最小可行的AI產(chǎn)品219
9.3.1　訓練模型219
9.3.2　加速模型222
9.3.3　跨硬件平臺適配224
9.4　算法評估—獲得算法能力邊界225
9.4.1　兩種評估方法225
9.4.2　視圖識別的精度指標227
9.4.3　語音識別及文本精度評價233
9.4.4　確定合理的速度指標233
第10章　AI中臺落地詳解236
10.1　AI中臺的需求及整體方案236
10.1.1　算法的長尾現(xiàn)象237
10.1.2　AI中臺及體系架構(gòu)239
10.1.3　全棧、自動化、資產(chǎn)化與普惠化241
10.2　AI中臺下的三大功能模塊設計242
10.2.1　算力管理類功能設計243
10.2.2　數(shù)據(jù)管理類功能設計245
10.2.3　算法管理類功能設計246
10.3　AI中臺典型應用舉例249
10.3.1　云廠商的云原生AI中臺249
10.3.2　零售智能稱重：推理訓練自動化閉環(huán)應用251
第11章　縱深業(yè)務類AI產(chǎn)品的落地254
11.1　面向G端城市治理的AI產(chǎn)品254
11.1.1　城市治理的需求與業(yè)務模式255
11.1.2　G端碎片化市場下的AI產(chǎn)品策略255
11.1.3　城市治理下的典型AI產(chǎn)品—智能攝像機258
11.2　面向B端企業(yè)服務的AI產(chǎn)品261
11.2.1　企業(yè)服務的需求與業(yè)務模式261
11.2.2　企業(yè)轉(zhuǎn)型AI262
11.2.3　效益型AI產(chǎn)品策略263
11.2.4　AI與制造業(yè)結(jié)合的產(chǎn)品應用265
11.3　面向C端消費者的AI產(chǎn)品267
11.3.1　個人服務需求和業(yè)務模式267
11.3.2　交互體驗型AI產(chǎn)品策略268
11.3.3　虛擬數(shù)字人與元宇宙270
第四篇　行業(yè)實踐
第12章　AI 行業(yè)的產(chǎn)品應用274
12.1　AI 安防274
12.1.1　安防行業(yè)總覽274
12.1.2　泛安防人臉產(chǎn)品實戰(zhàn)275
12.2　AI 制造業(yè)287
12.2.1　制造業(yè)質(zhì)檢痛點分析287
12.2.2　瓷磚缺陷檢測289
12.2.3　制造業(yè)讀碼產(chǎn)品實戰(zhàn)290
12.3　AI 汽車294
12.3.1　行業(yè)總覽及AI技術(shù)機會分析294
12.3.2　智能駕駛AI芯片解決方案296
12.3.3　AI在駕駛輔助與自動駕駛中的應用298
12.3.4　智能座艙AI產(chǎn)品實戰(zhàn)302
第13章　AI項目落地過程及問題分析306
13.1　B/G端的AI項目306
13.1.1　AI落地B/G端離不開項目307
13.1.2　從項目到產(chǎn)品308
13.2　商機項目與概念驗證309
13.2.1　AI商機的涌現(xiàn)309
13.2.2　AI商機POC實戰(zhàn)310
13.3　AI交付項目管理314
13.3.1　AI項目管理方法314
13.3.2　AI項目交付管理實戰(zhàn)316