《产品经理进阶:100个案例搞懂人工智能》林中翘【文字版_PDF电子书_推荐】_计算机类

如何自学 占星术 占星教程网盘 塔罗牌教程百度网盘

《产品经理进阶:100个案例搞懂人工智能》林中翘【文字版_PDF电子书_推荐】

《产品经理进阶:100个案例搞懂人工智能》封面图片

书名:产品经理进阶:100个案例搞懂人工智能
作者:林中翘 着
出版社:电子工业出版社
译者:
出版日期:2019-8
页数:272
ISBN:9787121364983
0.0
豆瓣短评
全网资源sm.nayona.cn

内容简介:

本书根据人工智能领域产品经理的能力要求与知识体系,从原理到应用介绍人工智能的相关技术,全面阐述如何进阶为一名合格的人工智能产品经理。本书共分为13章,其中第1~3章介绍机器学习能做什么及如何去做,第4~10章介绍7种基础算法的原理与商业化应用,第11~13章介绍深度学习在图像识别、自然语言处理与AI绘画三个方向的发展与成果。本书不局限于从数学角度推导各类机器学习算法的原理,而是配合大量案例,由浅入深地讲述什么是机器学习、机器学习如何解决问题及机器学习需要产品经理做什么。本书能够帮助初入人工智能领域的产品经理建立对算法的理解,并将这些知识融入不同领域的业务中,发现更多的应用场景,创造更多的应用可能。

作者简介:

林中翘,平安科技资深产品经理,负责集团数据平台建设与大数据应用,擅长人工智能技术在金融领域的商业化应用,曾主导平安电话平台智能进线识别、寿险新渠道产能提升、ONES平台建设等多个项目。人人都是产品经理社区与PMCAFF社区专栏作家。

目  录:

1 机器学习入门 1

1.1 什么是机器学习 1

1.1.1 人类学习 VS 机器学习 1

1.1.2 机器学习三要素 3

1.2 什么问题适合用机器学习方法解决 5

1.2.1 条件 5

1.2.2 机器学习可解决的问题 7

1.3 机器学习的过程 9

1.3.1 机器学习的三个阶段 9

1.3.2 模型的训练及选择 11

1.4 机器学习的类型 12

1.4.1 有监督学习 13

1.4.2 无监督学习 14

1.4.3 半监督学习 14

1.4.4 强化学习 15

1.5 产品经理的经验之谈 16

2 数据的准备工作 18

2.1 数据预处理 18

2.1.1 为什么要做数据预处理 18

2.1.2 数据清洗 20

2.1.3 数据集成 23

2.1.4 数据变换 24

2.1.5 数据归约 26

2.2 特征工程 27

2.2.1 如何进行特征工程 27

2.2.2 特征构建 27

2.2.3 特征提取 28

2.2.4 特征选择 31

2.3 产品经理的经验之谈 34

3 了解你手上的数据 36

3.1 你真的了解数据 36

3.1.1 机器学习的数据统计思维 36

3.1.2 数据集 37

3.1.3 数据维度 41

3.1.4 数据类型 42

3.2 让数据更直观的方法 43

3.2.1 直方图 43

3.2.2 散点图 44

3.3 常用的评价模型效果指标 45

3.3.1 混淆矩阵 45

3.3.2 准确率 46

3.3.3 率与召回率 47

3.3.4 F 值 49

3.3.5 ROC 曲线 50

3.3.6 AUC 值 54

3.4 产品经理的经验之谈 55

4 趋势预测专家:回归分析 57

4.1 什么是回归分析 57

4.2 线性回归 58

4.2.1 一元线性回归 58

4.2.2 多元线性回归 63

4.3 如何评价回归模型的效果 66

4.4 逻辑回归 68

4.4.1 从线性到非线性 68

4.4.2 引入 Sigmoid 函数 71

4.5 梯度下降法 74

4.5.1 梯度下降原理 74

4.5.2 梯度下降的特点 76

4.6 产品经理的经验之谈 77

5 理解的分类算法:决策树 79

5.1 生活中的决策树 79

5.2 决策树原理 80

5.3 决策树实现过程 82

5.3.1 ID3 算法 83

5.3.2 决策树剪枝 86

5.4 ID3 算法的限制与改进 88

5.4.1 ID3 算法存在的问题 88

5.4.2 C4.5 算法的出现 89

5.4.3 CART 算法 95

5.4.4 三种树的对比 97

5.5 决策树的应用 98

5.6 产品经理的经验之谈 99

6 垃圾邮件克星:朴素贝叶斯算法 101

6.1 什么是朴素贝叶斯 101

6.1.1 一个流量预测的场景 101

6.1.2 朴素贝叶斯登场 102

6.2 朴素贝叶斯如何计算 103

6.2.1 理论概率与条件概率 103

6.2.2 引入贝叶斯定理 105

6.2.3 贝叶斯定理有什么用 107

6.3 朴素贝叶斯的实际应用 108

6.3.1 垃圾邮件的克星 108

6.3.2 朴素贝叶斯的实现过程 111

6.4 进一步的提升 112

6.4.1 词袋子困境 112

6.4.2 多项式模型与伯努利模型 113

6.5 产品经理的经验之谈 114

7 模拟人类思考过程:神经网络 116

7.1 简单的神经元模型 116

7.1.1 从生物学到机器学习 116

7.1.2 神经元模型 118

7.2 感知机 121

7.2.1 基础感知机原理 121

7.2.2 感知机的限制 125

7.3 多层神经网络与误差逆传播算法 126

7.3.1 从单层到多层神经网络 126

7.3.2 巧用 BP 算法解决计算问题 128

7.4 RBF 神经网络 132

7.4.1 全连接与局部连接 132

7.4.2 改变激活函数 134

7.5 产品经理的经验之谈 136

8 求解支持向量机 138

8.1 线性支持向量机 138

8.1.1 区分咖啡豆 138

8.1.2 支持向量来帮忙 139

8.2 线性支持向量机推导过程 140

8.2.1 SVM 的数学定义 140

8.2.2 拉格朗日乘子法 143

8.2.3 对偶问题求解 146

8.2.4 SMO 算法 147

8.3 非线性支持向量机与核函数 148

8.4 软间隔支持向量机 150

8.5 支持向量机的不足之处 152

8.6 产品经理的经验之谈 153

9 要想模型效果好,集成算法少不了 155

9.1 个体与集成 155

9.1.1 三个臭皮匠赛过诸葛亮 155

9.1.2 人多力量大 157

9.2 Boosting 族算法 158

9.2.1 Boosting 是什么 158

9.2.2 AdaBoost 如何增强 160

9.2.3 梯度下降与决策树集成 163

9.3 Bagging 族算法 166

9.3.1 Bagging 是什么 166

9.3.2 森林算法 168

9.4 两类集成算法的对比 171

9.5 产品经理的经验之谈 173

10 透过现象看本质,全靠降维来帮忙 175

10.1 K 近邻学习法 175

10.1.1 “人以群分”的算法 175

10.1.2 如何实现 KNN 算法 176

10.2 从高维到低维的转换 178

10.2.1 维数过高带来的问题 178

10.2.2 什么是降维 179

10.3 主成分分析法 180

10.3.1 PCA 原理 180

10.3.2 PCA 的特点与作用 184

10.4 线性判别分析法 186

10.5 流形学习算法 189

10.6 产品经理的经验之谈 193

11 图像识别与卷积神经网络 195

11.1 图像识别的准备工作 195

11.1.1 从电影走进现实 195

11.1.2 图像的表达 196

11.1.3 图像采集与预处理 199

11.2 卷积神经网络 202

11.2.1 卷积运算 202

11.2.2 什么是卷积神经网络 205

11.3 人脸识别技术 211

11.3.1 人脸检测 211

11.3.2 人脸识别 212

11.3.3 人脸识别的效果评价方法 214

11.4 产品经理的经验之谈 215

12 自然语言处理与循环神经网络 217

12.1 自然语言处理概述 217

12.1.1 什么是自然语言处理 217

12.1.2 为什么计算机难以理解语言 219

12.2 初识循环神经网络 220

12.2.1 N 为什么不能处理文本 220

12.2.2 循环神经网络登场 222

12.2.3 RNN 的结构 224

12.3 RNN 的实现方式 228

12.3.1 引入 BPTT 求解 RNN 228

12.3.2 梯度消失问题 230

12.4 RNN 的提升 231

12.4.1 长期依赖问题 231

12.4.2 处理长序列能手――LSTM 232

12.5 产品经理的经验之谈 235

13 AI 绘画与生成对抗网络 237

13.1 初识生成对抗网络 237

13.1.1 猫和老鼠的游戏 237

13.1.2 生成网络是什么 240

13.1.3 判别检验 244

13.1.4 生成对抗的过程 244

13.2 生成对抗网络的应用 246

13.2.1 GAN 的特点 246

13.2.2 GAN 的应用场景 247

13.3 生成对抗网络的提升 249

13.3.1 强强联合的 DCGAN 249

13.3.2 通过 BEGAN 化繁为简 251

13.3.3 对 GAN 的更多期待 252

13.4 产品经理的经验之谈 253

参考资料 255

浏览器不支持脚本!

有需要联系v;zhanxzhanx

摘要:《产品经理进阶:100个案例搞懂人工智能》林中翘【文字版_PDF电子书_推荐】_计算机类 是一本关于产品经理进阶和人工智能的书籍。本文将从四个方面对这本书进行详细的阐述。首先,介绍了这本书的背景和概述。然后,分析了这本书的内容和特点。接着,讨论了这本书对产品经理的意义和帮助。最后,总结了这本书的价值和推荐度。

1、书籍背景和概述

《产品经理进阶:100个案例搞懂人工智能》林中翘【文字版_PDF电子书_推荐】_计算机类 是一本专门针对产品经理的书籍。它以人工智能为主题,通过100个案例来帮助产品经理进一步提升技能和知识。这本书适合已经有一定工作经验的产品经理,也适合对人工智能感兴趣的读者。

这本书的内容丰富多样,涵盖了人工智能的各个领域和应用场景。作者林中翘是一位资深产品经理,他通过自己的实践经验和案例分析,向读者展示了如何在产品管理中充分利用人工智能的力量。通过阅读这本书,读者将能够更好地理解人工智能的概念、原理和应用,从而为自己的职业发展打下坚实的基础。

2、书籍内容和特点

这本书的内容非常详实,每个案例都包含了详细的介绍和分析。案例涵盖了人工智能在各个行业的应用,包括金融、医疗、教育等。每个案例都通过具体的实例来说明人工智能在产品经理工作中的作用和价值。

这本书的特点是案例实用性强,作者通过自己的实践经验,提供了很多实用的方法和技巧。读者可以根据自己的需求和情况,选择适合自己的案例进行学习和借鉴。此外,这本书还提供了一些工具和资源,方便读者深入学习和实践。

3、对产品经理的意义和帮助

对于产品经理来说,掌握人工智能的知识和技能是非常重要的。人工智能正在逐渐渗透到各个行业和领域,产品经理需要了解人工智能的基础知识和应用场景,才能更好地应对市场和用户需求的变化。

这本书对产品经理的意义和帮助在于,它提供了丰富的案例和实践经验,帮助产品经理理解人工智能的核心概念和原理。同时,它还提供了一些实用的方法和技巧,帮助产品经理在实际工作中应用人工智能的技术和工具。通过阅读这本书,产品经理可以更好地把握人工智能的发展趋势,提升自己的职业能力。

4、总结和推荐度

《产品经理进阶:100个案例搞懂人工智能》林中翘【文字版_PDF电子书_推荐】_计算机类 是一本内容丰富、实用性强的书籍。它通过100个案例深入浅出地介绍了人工智能的应用和方法。对于已经有一定产品经理工作经验的读者来说,这本书是进一步提升自己技能和知识的良好选择。

这本书的推荐度很高,它不仅提供了实用的案例和经验,还提供了一些工具和资源,帮助读者深入学习和实践。无论是对产品经理还是对人工智能感兴趣的读者来说,这本书都是一本值得阅读的好书。

总结:

《产品经理进阶:100个案例搞懂人工智能》林中翘【文字版_PDF电子书_推荐】_计算机类 是一本丰富实用的书籍,对产品经理的意义和帮助很大。它提供了丰富的案例和实践经验,帮助产品经理了解人工智能的应用和方法。这本书的推荐度很高,无论是对产品经理还是对人工智能感兴趣的读者来说,都是一本值得阅读的好书。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料,专业的咨询

有需要联系v;hx-hx3 有需要联系v;hx-hx3 有需要联系v;hx-hx3 如果对你有一点点帮助,欢迎打赏~~~  
本文来自用户投稿或整理于网络,版权归作者所有,如有侵权,请联系我们删除。
(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
雅书雅书

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

记得加这个v;hx-hx3