01 | 行业视角：产品经理眼中的人工智能
02 | 个人视角：成为AI产品经理，要先搞定这两个问题
04 | 过来人讲：成为AI产品经理的两条路径
成为 AI 产品经理
刘海丰
京东高级架构师
3656 人已学习
立即订阅
登录后，你可以任选4讲全文学习
推荐试读
换一换
课程目录
已完结/共 38 讲
开篇词 (1讲)
开篇词 | 你好，产品经理！你的未来价值壁垒在哪儿？ 知己知彼，AI和AI产品经理 (4讲)
01 | 行业视角：产品经理眼中的人工智能
02 | 个人视角：成为AI产品经理，要先搞定这两个问题
03 | 技术视角：AI产品经理需要懂的技术全景图
04 | 过来人讲：成为AI产品经理的两条路径
项目管控能力篇 (3讲)
05 | 通过一个 AI 产品的落地，掌握产品经理工作全流程
06 | AI 模型的构建过程是怎样的？（上）
07 | AI模型的构建过程是怎样的（下）
算法技术能力篇 (11讲)
08 | 算法全景图：AI产品经理必须要懂的算法有哪些？
09 | K近邻算法：机器学习入门必学算法
10 | 线性回归：教你预测，投放多少广告带来的收益最大
11 | 逻辑回归：如何预测用户是否会购买商品？
12 | 朴素贝叶斯：让AI告诉你，航班延误险该不该买？
13 | 决策树与随机森林：如何预测用户会不会违约？
14 | 支持向量机：怎么预测股票市场的涨与跌？
15 | K-means 聚类算法：如何挖掘高价值用户？
期中答疑 | AI产品经理热门问题答疑合集
期中周测试题 ，你做对了吗？
16 | 深度学习：当今最火的机器学习技术，你一定要知道
模型评估能力篇 (9讲)
17 | 模型评估：从一个失控的项目看优秀的产品经理如何评估AI模型？
18 | 核心技能：产品经理评估模型需要关注哪些指标？
19 | 模型性能评估（一）：从信用评分产品看什么是混淆矩阵？
20 | 模型性能评估（二）：从信用评分产品看什么是KS、AUC？
21 | 模型性能评估（三）：从股价预测产品看回归算法常用的评估指标
22 | 模型稳定性评估：如何用PSI来评估信用评分产品的稳定性？
春节加餐1 | 用户增长模型：怎么利用AI技术判断新渠道性价比？
春节加餐2 | 一次答疑，带你回顾模型评估的所有基础概念
23 | 模型监控：产品经理如何建设算法模型监控指标体系？
AI项目实践篇 (6讲)
24 | 推荐类产品（一）：推荐系统产品经理的工作职责与必备技能
25 | 推荐类产品（二）：从0打造电商个性化推荐系统产品
26 | 预测类产品（一）：用户复购意向预测的底层逻辑是什么？
27 | 预测类产品（二）：从0打造一款预测用户复购意向的产品
28 | 预测类产品（三）：从0打造一款“大白信用评分产品”
29 | 自然语言处理产品：从0打造一款智能客服产品
认知升级篇 (2讲)
30 | AI产品经理，你该如何提升自己的价值？
31 | AI产品经理面试，这些问题你必须会答！
结束语 (2讲)
结束语 | 唯一不变的，就是变化本身！ 期末考试 | “AI产品经理”100分试卷等你来挑战！
开通超级会员可免费学习本课程，还可解锁海量内容免费学特权。
开通会员
期中答疑 | AI产品经理热门问题答疑合集
刘海丰 2021-01-18
你好，我是海丰。
到今天为止，我们的课程已经更新过半了。我非常开心看到很多同学一直在坚持留言，认真回答课后问题。不过，我也发现，不少同学已经慢慢掉队了，有的人是想要拿出大块的时间来学习，有的人是遇到问题之后没有解决，进度就停下了，总之是积累了很多的课程没有学习。
从今天开始，我们就进入期中周了。首先，我会整理出一些关注度比较高的课后问题，在这里进行统一的解答，其次，我还准备了一道问答题，通过解决它，希望能帮助你对前半程学过的知识进行梳理，查缺补漏。
我先给你准备一份学习指南：首先，关注度比较高的问题我分成了三类，分别是关于产品岗位、关于技术边界，以及关于项目流程的问题。你可以结合我下面的分类，直接去找对应的问题答案。如果你还有其他的疑问，也可以在留言区提问，我都会尽力解答。然后，你可以集中精力去做我留下的问答题，问答题的解决思路我会在周五进行更新，记得准时来看。
话不多说，直接进入今天的答疑吧！
关于产品岗位
问题 1：如何快速建立对一个行业的结构认知？
想要快速对一个行业有整体的宏观认知，可以先从这个行业的产业链入手，了解这个产业中一个完整的价值创造过程是怎样的，行业里有哪些头尾部公司。获取这些产业认知内容的途径，我总结了一下，一般有 3 种方式：
确认放弃笔记？
放弃后所记笔记将不保留。
新功能上线，你的历史笔记已初始化为私密笔记，是否一键批量公开？
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
01 | 行业视角：产品经理眼中的人工智能
02 | 个人视角：成为AI产品经理，要先搞定这两个问题
04 | 过来人讲：成为AI产品经理的两条路径
11 | 逻辑回归：如何预测用户是否会购买商品？
12 | 朴素贝叶斯：让AI告诉你，航班延误险该不该买？
20 | 模型性能评估（二）：从信用评分产品看什么是KS、AUC？
开通超级会员免费畅看本课程
开通会员
该文章仅可免费阅读部分内容，如需阅读完整文章，请开通超级会员或单独购买本课程。
登录 后留言
精选留言(7)
珊羽看了一眼评论，我觉得大部分人都陷入了技术思维，我个人认为这个问题应该要从产品经理的视角来思考，从整个产品设计流程来看，模型选择只是其中的一部分，而不是产品经理关注的全部。
1、产品目标：过滤垃圾评论
2、具体需求：通过算法模型来找出垃圾评论，并过滤掉
3、算法（这部分可以与算法同学沟通）
（1）定义目标变量：即是否垃圾评论
（2）定义垃圾评论：即什么是垃圾评论，如广告？
（3）算法选型：这个问题本质上是个分类问题，可以通过聚类算法对评论进行分类，找出垃圾评论
（4）确定样本：选定一部分数据，如果是有监督的学习需进行标注，如果是无监督学习则不需要标注，这里要根据算法同学最终选定的模型来定
（5）训练模型
（6）验证模型
4、系统工程侧的开发任务：即模型的运用，模型上线后，工程侧的同学如何通过模型过滤垃圾评论
5、核心指标：即算法最终要达成的目标2021-03-1713
悠悠1、用聚类算法将海量的评论进行分类；
2、对分类的评论进行标注，是否为垃圾评论；
3、用朴素贝叶斯训练模型。2021-01-186- 悠悠期待后面的项目，希望能转成功2021-01-182
BAYBREEZE我看到这些算法，和数据挖掘的算法是一样的，让我差点把AI与数据挖掘搞混了。
请问老师，机器学习和数据挖掘的区别是什么呢，都是一样的算法情况下，还有哪些区别？
望回复2021-01-211
Pale Blue假如，你现在是一家电商平台的产品经理，负责点评系统的产品设计，现在有一个需求是要通过计算将海量评论中的垃圾评论（如，打广告的情况）过滤出来，你会怎么思考和设计产品呢？
1. 目标：过滤垃圾评论
2. 用算法模型过滤掉垃圾评论
3.实现步骤：
（1）定义垃圾评论
（2）数据处理阶段：针对评论文本数据进行处理，进行分词->计算词权重->去掉停用词(https://baike.baidu.com/item/tf-idf/8816134?fr=aladdin)
（3）使用朴素贝叶斯分类器，并且进行训练
（4）验证分类模型2021-09-21
阿小首先，业务需求沟通，1）明确垃圾评论的定义、是否有初步的分类想法，是否有关键词规则等；是否有数据标注？判定可容忍的误差范围等。2）过滤后是否需要处置？3）周期有多长？
其次，明确业务的分类目标和项目周期后，和算法同学进行沟通，就实际数据情况、业务效果预期进行算法设计讨论、例如如果是有标注的二分类问题可以用TextCNN、无标注则考虑用K- Means等，当然文本类数据需要做命名实体识别等处理。同工程化产品研发的同学讨论实际分类后的处置实现，例如如果期望基于某个分类自动回复等。
接着，在算法同学出来算法预研方案后制定产品计划，跟进产品、算法研发进度。
最后，验收模型、产品，发版。2021-04-071
Yesss!首先考虑的是：项目周期是否紧张、相关算法资源是否充足。我假设这里是以节省成本以最优法进行解释：
1、这是一个分类问题
2、可以用我学过的 k-means 算法 进行分类。随意采取几个质心 - 计算每个数据点与质心的距离 -均值作为下一个质心的位置 - 新质心与老质心距离不再变化或小于某一个阈值。结束算法。筛选出文本聚类
选择k-means原因：运算效率高、可解释性强、容易实现、大部分聚类都能解决
3、使用朴素贝叶斯算法（适合垃圾评论分类）-查看了悠悠的评论
选择朴素贝叶碎算法原因：算法资源占用不高、构建模型快。评论属于互相独立性比较高的数据2021-01-31
收起评论