新書推薦：
《
我在台北故宫博物院读名画
》
售價：NT$
500.0
《
尼罗河往事：古埃及文明4000年
》
售價：NT$
347.0
《
一个人·谁也不是·十万人（诺贝尔文学奖得主反思自我的巅峰之作）
》
售價：NT$
250.0
《
重写晚明史（全5册 精装）
》
售價：NT$
3560.0
《
汉末晋初之际政治研究
》
售價：NT$
602.0
《
强者破局：资治通鉴成事之道
》
售價：NT$
367.0
《
鸣沙丛书·鼎革：南北议和与清帝退位
》
售價：NT$
551.0
《
从康德到黑格尔的发展：兼论宗教哲学（英国观念论名著译丛）
》
售價：NT$
275.0
|
| 編輯推薦： |
|
相对于其他互联网产品经理，AI产品经理除需要掌握必备的产品经理的技能外，还必须掌握机器学习、机器视觉、语言识别等专业技术。价值AI产品都是融合多种技术的大型产品，在工程化落地方面有更多的挑战，所以AI产品经理还要掌握产品工程化的方法。这也是市面上AI产品经理紧缺、高薪的原因。本书基于AI产品经理的上述需求进行了深度介绍，尤其是技术和工程化这两个其他互联网产品经理存在明显不足的方向，本书进行了非常详细的阐述。
|
| 內容簡介： |
这是一本指导AI产品真正实现商业化落地的专业技术书。书中内容完全围绕产品落地、商业化展开，既提供了不同类型AI产品的落地方案，又提供了具体的方法、技巧，还提供了安防、制造、汽车等多个典型行业的应用案例。
无论是从技术或其他岗位转型AI产品经理，还是从其他方向的产品经理岗位转型AI产品经理，都可以通过本书弥补欠缺的相关知识。而对于已经入门的AI产品经理，阅读本书可以了解算法、中台、业务等各类AI产品的落地方案，掌握快速、高效、高质量落地产品的方法论。 本书共包括4篇13章的内容。
第一篇（第1～2章）对AI产品及AI产品经理进行全方位深入解读，目的是让读者真正理解AI产品经理这个职位，这是做好这份工作的基础。另外，本篇还重点介绍了如何成为AI产品经理和如何规划AI产品经理职业发展路径。
第二篇（第3～6章）从机器学习入手，逐渐拓展到以计算机视觉、语音识别、语义理解为核心的多模态内容理解技术、行为主义的机器人学，以及AI云原生工程应用。本篇以AI产品经理实际需求为前提，用产品经理可以理解的方式展开介绍，不讲与产品经理工作关联性不强的技术细节，只讲技术原理和应用方向，这些都是AI产品经理落地产品时必须掌握的。
第三篇（第7～11章）是本书的重点。本篇首先介绍了通用的产品方法论，然后结合AI产业链的特点，深入解读了算法、中台、业务三大类AI产品的落地实践。其中，关于算法和中台类产品的介绍，可帮助读者应对自动驾驶、元宇宙、企业智能、智能汽车、虚拟数字人等主流产品的落地需求；针对业务类AI产品，从城市治理、企业服务、个人服务三个维度展开介绍。
第四篇（第12～13章）从赋能行业和项目实践两个维度解读AI产品高效、高质量落地的方法。其中不仅以安防、制造业、汽车为案例解读了AI产品高效落地的方法和方案，还以B/G端项目、商机项目为例，提供了可行性验证、交付等问题的解决思路。
|
| 關於作者： |
王泽楷
亚太人工智能学会资深数字孪生研究专家，曾任平安科技、商汤科技任AI高级产品专家。近10年来一直工作于AI领域技术和产品一线，曾参与多个世界500强企业的AI建设项目、多个一线城市的城市级AI应用落地，在AI技术、产品的项目应用等方面积累了丰富的经验。
曾从事深度学习算法研究工作，发表AI相关专利论文6篇。经历了新一代人工智能技术发展，对以深度神经网络为代表的人工智能技术的发展有深刻理解。对计算机视觉有深入研究，长期跟踪研究前沿技术趋势。
硕士毕业于法国南特大学，拥有电子工程专业和测控（机器视觉）专业双硕士学位。
|
| 目錄：
|
前言
第一篇 AI与AI产品经理
第1章 深入理解AI和AI产品2
1.1 全方位认识AI2
1.1.1 AI的定义2
1.1.2 AI的三大学派6
1.1.3 AI的发展历程8
1.1.4 AI的发展政策11
1.2 深入理解AI产品12
1.2.1 什么是AI产品12
1.2.2 AI技术产品化13
1.2.3 AI产品产业化和标准化14
1.2.4 AI产品落地的价值与难题16
第2章 AI产品经理19
2.1 什么是AI产品经理19
2.2 怎样成为优秀的AI产品经理21
2.2.1 AI产品经理的职业规划23
2.2.2 AI产品经理的知识体系24
第二篇 AI技术
第3章 机器学习28
3.1 机器学习概述28
3.1.1 监督学习30
3.1.2 无监督学习31
3.1.3 强化学习32
3.1.4 自监督学习33
3.2 深度学习34
3.2.1 什么是深度学习34
3.2.2 深度学习的发展和局限38
3.2.3 迁移学习40
3.2.4 大规模预训练模型40
3.3 生成对抗网络42
3.4 元学习44
3.4.1 基于度量的元学习45
3.4.2 基于优化的元学习47
3.5 联邦学习与隐私计算48
3.5.1 什么是联邦学习48
3.5.2 联邦学习的分类50
3.5.3 联邦学习框架与应用53
3.6 AutoML/AutoDL55
3.6.1 什么是AutoML55
3.6.2 自动化数据处理与增强56
3.6.3 自动模型生成—神经架构搜索58
3.6.4 自动模型压缩 62
3.7 可解释AI 64
第4章 多模态感知及理解67
4.1 计算机视觉67
4.1.1 图像生成69
4.1.2 图像处理71
4.1.3 立体视觉73
4.1.4 图像分类79
4.1.5 图像检测80
4.1.6 图像分割82
4.1.7 目标跟踪85
4.2 语音识别87
4.2.1 基本概念87
4.2.2 传统语音识别流程90
4.2.3 端到端深度学习语音识别93
4.2.4 声纹识别97
4.3 自然语言处理99
4.3.1 概述99
4.3.2 NLP的分析层次100
4.3.3 信息抽取105
4.3.4 知识图谱108
4.3.5 机器翻译116
4.3.6 对话系统119
4.4 多模态内容理解122
4.4.1 多模态方法简介122
4.4.2 多模态融合应用124
第5章 机器人学与运动规划128
5.1 机器人硬件130
5.1.1 传感器130
5.1.2 执行机构131
5.1.3 动力源132
5.1.4 处理器133
5.2 机器人感知133
5.2.1 传感和信号处理133
5.2.2 定位与地图构建134
5.3 运动规划与控制137
5.3.1 运动规划137
5.3.2 运动控制141
5.4 应用领域142
第6章 AI云原生工程应用146
6.1 云原生147
6.1.1 云原生概述147
6.1.2 容器技术150
6.1.3 微服务151
6.1.4 Service Mesh152
6.1.5 Serverless152
6.1.6 DevOps与ModelOps154
6.2 AI云原生应用发展趋势155
第三篇 AI产品应用
第7章 从两个视角深挖AI产品机会158
7.1 市场视角：寻找商机158
7.1.1 关注市场的宏观力量159
7.1.2 寻找AI细分好赛道161
7.2 技术视角：技术创新和可行性167
7.2.1 依托技术创新的产品创新167
7.2.2 技术可行性和技术成本170
第8章 AI产品从定义到落地173
8.1 如何真正做到从用户需求出发173
8.2 正确定义一款产品的8个要素176
8.3 AI产品设计框架详解180
8.3.1 软件设计要点详解180
8.3.2 硬件设计要点详解191
8.3.3 整体性能设计要点详解195
8.3.4 安全性与AI伦理197
8.4 产品需求流转200
8.4.1 需求收集200
8.4.2 需求管理201
8.4.3 产品需求评审202
8.4.4 产品需求排期206
8.4.5 产品需求验收207
8.5 AI产品三层级—算法、平台与业务208
第9章 算法类AI产品落地详解210
9.1 任务定义—AI算法产品的真实需求与目标211
9.1.1 明确算法需求211
9.1.2 用样例描述算法需求213
9.2 数据工程—用数据定义功能边界214
9.2.1 数据采集215
9.2.2 数据标注216
9.2.3 数据生成218
9.3 算法生产—获得最小可行的AI产品219
9.3.1 训练模型219
9.3.2 加速模型222
9.3.3 跨硬件平台适配224
9.4 算法评估—获得算法能力边界225
9.4.1 两种评估方法225
9.4.2 视图识别的精度指标227
9.4.3 语音识别及文本精度评价233
9.4.4 确定合理的速度指标233
第10章 AI中台落地详解236
10.1 AI中台的需求及整体方案236
10.1.1 算法的长尾现象237
10.1.2 AI中台及体系架构239
10.1.3 全栈、自动化、资产化与普惠化241
10.2 AI中台下的三大功能模块设计242
10.2.1 算力管理类功能设计243
10.2.2 数据管理类功能设计245
10.2.3 算法管理类功能设计246
10.3 AI中台典型应用举例249
10.3.1 云厂商的云原生AI中台249
10.3.2 零售智能称重：推理训练自动化闭环应用251
第11章 纵深业务类AI产品的落地254
11.1 面向G端城市治理的AI产品254
11.1.1 城市治理的需求与业务模式255
11.1.2 G端碎片化市场下的AI产品策略255
11.1.3 城市治理下的典型AI产品—智能摄像机258
11.2 面向B端企业服务的AI产品261
11.2.1 企业服务的需求与业务模式261
11.2.2 企业转型AI262
11.2.3 效益型AI产品策略263
11.2.4 AI与制造业结合的产品应用265
11.3 面向C端消费者的AI产品267
11.3.1 个人服务需求和业务模式267
11.3.2 交互体验型AI产品策略268
11.3.3 虚拟数字人与元宇宙270
第四篇 行业实践
第12章 AI 行业的产品应用274
12.1 AI 安防274
12.1.1 安防行业总览274
12.1.2 泛安防人脸产品实战275
12.2 AI 制造业287
12.2.1 制造业质检痛点分析287
12.2.2 瓷砖缺陷检测289
12.2.3 制造业读码产品实战290
12.3 AI 汽车294
12.3.1 行业总览及AI技术机会分析294
12.3.2 智能驾驶AI芯片解决方案296
12.3.3 AI在驾驶辅助与自动驾驶中的应用298
12.3.4 智能座舱AI产品实战302
第13章 AI项目落地过程及问题分析306
13.1 B/G端的AI项目306
13.1.1 AI落地B/G端离不开项目307
13.1.2 从项目到产品308
13.2 商机项目与概念验证309
13.2.1 AI商机的涌现309
13.2.2 AI商机POC实战310
13.3 AI交付项目管理314
13.3.1 AI项目管理方法314
13.3.2 AI项目交付管理实战316
|
| 內容試閱：
|
为什么要写这本书
2013年前后，以深度学习为核心技术的人工智能浪潮开始探索跨越商业化落地基准线，也是在这一年，读研究生的我开始接触深度学习，并决心投入到这个以技术为驱动的产业浪潮中。从校园里的深度学习课题和论文研究，到踏入职场成为早期的深度学习算法工程师，再到转型做AI产品经理，在过去的近10年中，我目睹并亲身经历了新一代人工智能产业从技术到产品落地的过程，也有幸成为其中的一分子，为产业的发展贡献力量。
2016年，AlphaGo在围棋领域战胜人类玩家，基于深度学习的技术路线被证明可以带来智能上的飞跃，尽管它需要大规模的数据和计算，但研究人员、投资人等行业内人士都非常笃定这是一个确定性很强的赛道。要怎么实现商业化落地，怎么做产品，很多人都没有好的思路，AI技术的锤子只能到处敲一敲，看看哪里有钉子，这时是技术驱动、标杆项目驱动的阶段，涌现出了许多AI创业公司。
随着商业化进入深水区，AI企业开始纵向为传统行业赋能以扩张业务，同时纵深的传统行业和客户也存在许多业务上的问题，期望通过拥抱AI技术来实现增效、降本、扩展能力边界，两者都期望找到能让技术落地为业务产品的角色。这样的角色可以连接AI技术和行业，以获得真实的业务需求，并利用手上的技术来满足这些需求，这就是AI产品经理角色。
AI产品经理应该具备什么样的能力？应该如何打造AI产品？这些都是成为一个好的AI产品经理需要思考和通过实践论证的问题。
作为新兴产业发展的见证者和推动者，我深刻理解硬核科学技术在向产品和场景落地的过程中存在的问题和困难，我也亲历了AI技术和产品快速落地的过程。我深刻认识到，怎样定义和打造一款好的AI产品，是贯穿AI产品经理职业生涯的课题。在寻找这个问题的答案时，我发现当前鲜有前人的经验供我参考，所以我只能自己一步步地摸索。
AI作为一个大产业，未来肯定还有许多像我这样的人走进这个领域，他们也会遇到与我相似的问题，所以我希望将自己的经历、体验和总结分享出来，帮助希望成为AI产品经理的人更快地搭建知识体系，了解AI产业发展，获得打造成功AI产品的方法论。
读者对象
初中级AI产品经理；
准备转型做AI产品的其他方向的互联网产品经理，以及算法或工程技术人员；
人工智能专业的高校师生；
其他希望了解或转型AI产品经理的人员；
人工智能行业其他从业人员。
本书特色
1）本书从AI技术、产品、行业应用和工程实践等多个角度系统化地介绍了AI产品闭环。
2）在技术层面，全面总结了AI产品经理必备的技术，涵盖最新自监督预训练、Transformer、大模型等新方法，以及音视图文的感知智能、知识图谱语义认知智能、行为主义角度的机器人学、AI在云原生下的工程化应用等。
3）从AI算法产品、AI中台、业类AI产品三个层面洞察AI产品，从AI产品在城市治理、企业服务、个人服务三个维度的应用深入探究AI技术落地的方法与策略，深入总结从“智能”产品的需求定义到“智能”工程化的全流程。
4）为应对自动驾驶、元宇宙、企业智能等场景需求，介绍了智能汽车、虚拟数字人、AI中台产品的闭环解决方案。
5）针对AI技术创新如何产品化、需求碎片化分散市场如何落地、如何进行可行性验证等实战性问题，提出了我的思考和见解。
6）总结了我从深度学习算法研究员转型为AI产品经理的心得，在多家AI领域头部公司深度参与G端、B端产品打造的经验，打造安防领域标杆边缘计算产品、媒体领域重点产品的过程，以及落地交付数十个标杆大项目的经验。
如何阅读本书
本书分为4篇，共13章：
AI与AI产品经理（第1章和第2章）：从宏观角度对AI产业进行深入介绍，对什么是AI产品和AI产品经理进行充分探讨，最后对怎样成为优秀的AI产品经理进行分析。
AI技术（第3～6章）：以产品经理实践需求为目标，用产品经理可以看懂的语言，对AI产品经理必须掌握的相关技术进行解读。本篇不会深入细节，而是从产品经理必知的运行原理、应用场景等角度展开。在内容方面，从机器学习入手，逐渐拓展到以计算机视觉、语音识别、语义理解为核心的多模态内容理解技术，以及行为主义的机器人学、AI云原生工程应用。
AI产品应用（第7～11章）：首先通过市场和技术两个视角剖析AI产品机会，然后基于通用的基础产品方法论，并结合AI产业链，对算法、中台、业务三类主要的AI产品进行落地层面的介绍，其中业务类AI又从面向城市治理、企业服务、个人服务三个维度介绍产品落地的具体策略。
工程实践（第12章和第13章）：从赋能行业和项目实践两个维度，在实际工作场景中，对AI产品的解决方案、可行性验证、交付等问题进行工程化解读。
勘误和支持
由于水平有限，加之编写时间仓促，书中难免会出现一些错误或者不准确的地方，恳请读者批评指正。为此，我特意创建了一个微信公众号“AI言究院”，并开启了一个新微信号“AI2022yjy”，你可以将书中的错误反馈给我。如果你遇到任何问题，也可以联系我，我将尽量在线上为你提供最满意的解答。如果你有更多的宝贵意见，也欢迎发送邮件至邮箱zekai_wang@163.com，期待能够得到你的真挚反馈。
致谢
感谢罗予晨、赵瑞博士、宋老师、远望资本的程浩老师、中兴创投的林强老师，你们在本书创作过程中提出了许多宝贵意见并给予了我极大的帮助。
感谢机械工业出版社华章分社的编辑孙海亮老师，在这一年多的时间里是你始终支持我的写作，你的鼓励和帮助引导我顺利完成了全部书稿。
最后感谢我的家人，感谢你们的理解和帮助，并时时刻刻为我灌输信心和力量！
谨以此书献给我最亲爱的家人，以及众多AI界的朋友们！
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
