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

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(rèn)識AI2
1.1.1　AI的定義2
1.1.2　AI的三大學(xué)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(biāo)準(zhǔn)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(jī)器學(xué)習(xí)28
3.1　機(jī)器學(xué)習(xí)概述28
3.1.1　監(jiān)督學(xué)習(xí)30
3.1.2　無監(jiān)督學(xué)習(xí)31
3.1.3　強(qiáng)化學(xué)習(xí)32
3.1.4　自監(jiān)督學(xué)習(xí)33
3.2　深度學(xué)習(xí)34
3.2.1　什么是深度學(xué)習(xí)34
3.2.2　深度學(xué)習(xí)的發(fā)展和局限38
3.2.3　遷移學(xué)習(xí)40
3.2.4　大規(guī)模預(yù)訓(xùn)練模型40
3.3　生成對抗網(wǎng)絡(luò)42
3.4　元學(xué)習(xí)44
3.4.1　基于度量的元學(xué)習(xí)45
3.4.2　基于優(yōu)化的元學(xué)習(xí)47
3.5　聯(lián)邦學(xué)習(xí)與隱私計算48
3.5.1　什么是聯(lián)邦學(xué)習(xí)48
3.5.2　聯(lián)邦學(xué)習(xí)的分類50
3.5.3　聯(lián)邦學(xué)習(xí)框架與應(yīng)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(qiáng)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(jī)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(biāo)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(xué)習(xí)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(jī)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(yīng)用124
第5章　機(jī)器人學(xué)與運(yùn)動規(guī)劃128
5.1　機(jī)器人硬件130
5.1.1　傳感器130
5.1.2　執(zhí)行機(jī)構(gòu)131
5.1.3　動力源132
5.1.4　處理器133
5.2　機(jī)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(yùn)動規(guī)劃與控制137
5.3.1　運(yùn)動規(guī)劃137
5.3.2　運(yùn)動控制141
5.4　應(yīng)用領(lǐng)域142
第6章　AI云原生工程應(yīng)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(wù)151
6.1.4　Service Mesh152
6.1.5　Serverless152
6.1.6　DevOps與ModelOps154
6.2　AI云原生應(yīng)用發(fā)展趨勢155
第三篇　AI產(chǎn)品應(yīng)用
第7章　從兩個視角深挖AI產(chǎn)品機(jī)會158
7.1　市場視角：尋找商機(jī)158
7.1.1　關(guān)注市場的宏觀力量159
7.1.2　尋找AI細(xì)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(shè)計框架詳解180
8.3.1　軟件設(shè)計要點詳解180
8.3.2　硬件設(shè)計要點詳解191
8.3.3　整體性能設(shè)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(wù)208
第9章　算法類AI產(chǎn)品落地詳解210
9.1　任務(wù)定義—AI算法產(chǎn)品的真實需求與目標(biāo)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(biāo)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(xùn)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(biāo)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(biāo)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(shè)計242
10.2.1　算力管理類功能設(shè)計243
10.2.2　數(shù)據(jù)管理類功能設(shè)計245
10.2.3　算法管理類功能設(shè)計246
10.3　AI中臺典型應(yīng)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(xùn)練自動化閉環(huán)應(yīng)用251
第11章　縱深業(yè)務(wù)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(wù)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(jī)258
11.2　面向B端企業(yè)服務(wù)的AI產(chǎn)品261
11.2.1　企業(yè)服務(wù)的需求與業(yè)務(wù)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(yīng)用265
11.3　面向C端消費(fèi)者的AI產(chǎn)品267
11.3.1　個人服務(wù)需求和業(yè)務(wù)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(yīng)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(jī)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(yīng)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(jī)項目與概念驗證309
13.2.1　AI商機(jī)的涌現(xiàn)309
13.2.2　AI商機(jī)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