当今社会，智能音箱、智能机器人、智能可穿戴设备等人工智能产品已经开始逐渐普及，而人工智能产品经理却非常短缺。本书将通俗易懂的语言与专业知识相结合，从中国人工智能市场现状入手，详细地为读者阐释了人工智能产品的相关知识，以及人工智能产品经理是如何开展工作的，并通过实际案例展现了如何从无到有构建人工智能产品的过程。本书适合想从互联网产品经理转型成为人工智能产品经理的读者，想了解人工智能的商业用途和价值的读者，想简单快速入门人工智能项目实践的读者，对人工智能产品感兴趣的普通读者，以及人工智能领域的工程师或专家阅读。
贾亦赫北京航空航天大学硕士、微软AI课程认证导师、人人都是产品经理社区专栏作家，现任开普云产品部副总经理、大数据云服务业务部总监。拥有12年互联网产品管理经验，对“互联网+政务”、电子商务等领域的大数据及人工智能应用有深度研究。
目录
第1 章 人工智能概述 / 1
1.1 什么是人工智能 / 2
1.2 人工智能的学科基础 / 4
1.3 人工智能的分类 / 5
1.4 人工智能的研究领域 / 7
1.5 人工智能的商业模式 / 9
1.6 人工智能的盈利模式 / 13
1.7 本章小结 / 16
第2 章 人工智能产品 / 17
2.1 人工智能产品的发展阶段 / 18
2.2 人工智能产品的发展史 / 19
2.3 人工智能产品的认知误区 / 25
2.4 人工智能产品和互联网产品的区别 / 26
2.4.1 互联网时代的产品特性 / 26
2.4.2 人工智能时代的产品特性 / 29
2.5 典型人工智能产品 / 32
2.5.1 可穿戴设备 / 32
2.5.2 智能家居 / 37
2.5.3 智能医疗产品 / 40
2.5.4 应用于工业制造领域的产品 / 42
2.6 本章小结 / 43
第3 章 人工智能产品经理 / 44
3.1 人工智能时代产品经理面临的挑战 / 45
3.2 产品经理的进阶与学习之路 / 48
3.3 产品分析模型 / 52
3.4 本章小结 / 61
第4 章 人工智能技术体系 / 62
4.1 机器学习 / 63
4.1.1 传统软件和机器学习的逻辑差异 / 64
4.1.2 机器学习的学习模式 / 65
4.1.3 监督学习 / 67
4.1.4 无监督学习 / 72
4.1.5 半监督学习 / 73
4.1.6 强化学习 / 75
4.2 机器学习——回归 / 76
4.3 机器学习——分类 / 78
4.4 机器学习——聚类 / 83
4.5 深度学习 / 87
4.5.1 深度学习的神经学基础 / 87
4.5.2 人工神经网络的特点 / 91
4.5.3 典型的人工神经网络 / 91
4.6 机器学习框架 / 101
4.6.1 TensorFlow / 103
4.6.2 Caffe / 105
4.6.3 PyTorch / 105
4.6.4 CNTK / 106
4.7 企业开放平台 / 106
4.7.1 百度AI 开放平台 / 107
4.7.2 阿里云PAI 平台 / 110
4.8 人工智能开发语言 / 121
4.8.1 Python / 121
4.8.2 R 语言 / 122
4.8.3 MATLAB / 122
4.9 本章小结 / 123
第5 章 人工智能产品构建 / 124
5.1 人工智能产品概述 / 125
5.2 效益分析 / 126
5.3 市场分析 / 127
5.3.1 客群分析 / 128
5.3.2 竞争对手分析 / 129
5.4 价值主张分析 / 132
5.4.1 解放劳动者 / 132
5.4.2 优化生产工具 / 138
5.4.3 价值陷阱 / 141
5.5 技术分析 / 142
5.5.1 人工智能产品分类 / 142
5.5.2 传统算法和人工神经网络的选择 / 147
5.5.3 神经网络设计 / 152
5.5.4 产品技术实现 / 154
5.6 人工智能产品的实践过程 / 155
5.6.1 数据标注 / 155
5.6.2 模型训练及调优 / 158
5.6.3 模型验证 / 159
5.6.4 产品评估 / 161
5.7 本章小结 / 164
第6 章 人工智能产品实战 / 165
6.1 商品推荐系统实战 / 166
6.1.1 推荐系统基本原理 / 166
6.1.2 实战操作 / 169
6.1.3 模型评估分析 / 173
6.2 图像识别实战 / 174
6.2.1 指标体系设计 / 177
6.2.2 基于TensorFlow 实现 / 177
6.2.3 基于开放平台实现 / 180
6.2.4 模型评估分析 / 188
6.3 雾霾预测实战 / 189
6.3.1 实战操作 / 190
6.3.2 模型评估分析 / 196
6.4 新闻分类实战 / 197
6.5 图像风格转换 / 203
6.6 常见数据集 / 214
6.7 本章小结 / 219
后 记 / 220
致 谢 / 222
延伸阅读 / 223
新书资讯