会员
产品经理的AI实战：人工智能产品和商业落地
更新时间：2020-06-08 18:05:08 最新章节：后记
书籍简介
以前，技术只是工程师操心的事；如今，技术是工程师、产品经理、企业家共同操心的事，他们只有通力合作才能驾驭强大的技术，进而取得商业上的成功。如今讲人工智能的书大多属于两种类型：第一种面向广大公众进行人工智能科普；第二种针对专业技术人员详细讲解人工智能的技术。这两种书，产品经理虽然都可以阅读，但他们更迫切需要第三种——从商业的角度讲人工智能，以产品的方式让人工智能落地的书，而本书正是这种少数类型。本书具有针对性强、系统性强、实操性强、原创度高的特点。本书共分为三篇。第一篇是基础篇，讲解技术商业的基本规律、AI技术的实质和边界、AI的商业格局和应用现状。第二篇是合格AI产品经理篇、包含合格AI产品经理的能力体系、AI技术-场景适配和AI产品规划、AI产品经理的职业发展等内容。第三篇是高级AI产品经理篇，包含高级AI产品经理的能力体系、AI技术-场景的洞察、AI商业模式设计等内容。
上架时间：2020-05-01 00:00:00
出版社：电子工业出版社
上海阅文信息技术有限公司已经获得合法授权，并进行制作发行
最新章节
车马
最新上架
- 会员如今，随着智能创作时代的到来，AI文生内容成为不可忽视的趋势。DeepSeek作为AI文生领域内容领域的一个新热点和新风口，受到资本和各类企业的广泛关注。本书就聚焦于DeepSeek，对其进行详细讲述。本书分为三个部分，第一部分详细介绍DeepSeek的基础理论知识、技术架构、功能、背后的商业生态等，让读者对DeepSeek有一个全面的了解；第二部分讲述DeepSeek操作攻略，包括准备工作、指令计算机10.8万字
- 会员本书将为你揭开生成式AI重塑职场生态的终极密码，带你从“工具使用者”进阶为“AI协作大师”。通过DeepSeek、智谱清言、通义千问等前沿工具的实战解析，你将掌握AI时代的职场生存法则：告别低效与重复，解锁高阶创造力，构建人机协作系统，跨越职业天花板。书中融合了近百个真实案例，涵盖目标管理、会议组织、公文写作、公众演讲等12大职场刚需场景，提供即学即用的AI解决方案。无论你是疲于应付报表的职场新人计算机12.5万字
- 会员本书是继《EasyRL：强化学习教程》（俗称“蘑菇书”）之后，为强化学习的读者专门打造的一本深入实践的全新教程。全书大部分内容基于3位作者的实践经验，涵盖马尔可夫决策过程、动态规划、免模型预测、免模型控制、深度学习基础、DQN算法、DQN算法进阶、策略梯度、Actor-Critic算法、DDPG与TD3算法、PPO算法等内容，旨在帮助读者快速入门强化学习的代码实践，并辅以一套开源代码框架“Joy计算机7.8万字
- 会员本书从技术角度深度解析大模型的原理，从大模型的基础概念及领域发展现状入手，概述大模型的理论基础，介绍OpenAIGPT、清华大学GLM、MetaLlama等主流大模型的技术原理，并从大模型参数高效微调、大模型指令微调、大模型训练优化和大模型推理优化等多角度解析大模型背后的技术，带领读者全方位掌握大模型的原理和实践方法。本书最后介绍私有大模型的构建，手把手指导读者做技术选型并搭建自己的私有大模型计算机12.2万字
- 会员本书融合作者构建、运维和扩展大型机器学习系统的经验，通过丰富的示例，详细讲解如何运行高效、可靠的机器学习系统。本书首先概述机器学习相关概念和数据管理原则，涵盖数据管理、机器学习模型、评估质量、特征、公平性、隐私等主题；然后介绍机器学习模型及其生命周期；最后讲述如何将机器学习引入组织，以及引入后组织会发生什么等复杂问题。计算机26.5万字
- 会员本书以“从入门到精通”为逻辑主线，从基础操作指南到提示词深度优化，系统拆解DeepSeek的核心能力。书中给出的100个DeepSeek实用技巧，既讲究由浅入深，又讲究实战落地，从0到1教你如何让DeepSeek帮你提高效率：针对办公、创作、营销等高频场景，提炼文档处理、工具应用等实战技巧；聚焦金融、教育、交通等七大行业，解析AI技术落地场景与解决方案；同时介绍了本地部署、智能体开发等应用指南，通计算机12.7万字
- 会员本书通过具体的实操案例，构建了一套针对项目管理的智能工具协同网络，使项目经理、产品经理及相关职业人群，理解并掌握AIGC技术，并且重塑面向未来的工作方式。本书共9章，主要内容如下：首先，介绍AIGC发展简史以及核心概念、技术场景。其次，结合项目管理的核心事项，阐述AIGC技术是如何赋能项目经理的，即项目经理如何通过构建数字工具协同体系，在智能技术的加持下提升职业竞争力。再次，结合实践介绍常用数字工计算机8.9万字
- 会员本书分为3个部分：第1章和第2章是人工智能的数学基础，主要介绍了机器学习的概念、Python开发环境的搭建、机器学习bibei的数学知识，以及线性代数和概率论的相关知识；第3~12章主要介绍了回归模型、分类模型、聚类模型、半监督模型的建立和相关算法的理论，以及如何使用sklearn具体实现相关算法模型的搭建；第13章介绍了Spark机器学习，笔者认为对于机器学习，不能只限于Python中的skle计算机0字