課程簡介
通過大量的AI與行業(yè)結合的成功案例（尤其是To B場景下），幫助企業(yè)明確人工智能產(chǎn)品的目標與工作方法，并以此找到創(chuàng)新方向。案例均來源于最佳的實踐凝練。通過通俗易懂的語言，講解AI產(chǎn)品的實現(xiàn)難度、風險、競爭壁壘等技巧。
目標收益
適合傳統(tǒng)IT企業(yè)、企業(yè)IT部門轉型，產(chǎn)品賦能AI技術，提升公司內部相關員工人工智能設計思維。
對產(chǎn)品經(jīng)理：啟發(fā)產(chǎn)品經(jīng)理行業(yè)+AI的產(chǎn)品創(chuàng)造力，并通過建立完整系統(tǒng)的AI產(chǎn)品知識體系和運行邏輯認知。
對企業(yè)部門管理者或企業(yè)專門負責AI項目的高管：從宏觀到微觀理解一個AI項目，通過分析可能遇到的風險，提供不同的解決方法深度剖析一款AI產(chǎn)品的ROI，避免企業(yè)盲目投資。另外關于AI項目管理，也提供了具體的方法供參考。幫助企業(yè)提升產(chǎn)品競爭力、團隊協(xié)作能力、以及個人創(chuàng)造力等。
對人力資源招聘負責人：理解AI產(chǎn)品經(jīng)理到底是做什么的，能力要求是什么，什么樣的人更適合做AI產(chǎn)品經(jīng)理。
培訓對象
企業(yè)產(chǎn)品經(jīng)理、部門負責人、業(yè)務線負責人、人力資源招聘負責人，公司專門負責AI項目的高管等。
課程大綱
| AI產(chǎn)品的本質 | AI產(chǎn)品的本質 |
| 一、用產(chǎn)品視角理解機器學習 |
1.1人工智能關鍵技術簡介 1.2人和AI認知過程的區(qū)別 1.3 AI機器學習處理過程：數(shù)據(jù)集準備、數(shù)據(jù)預處理、模型訓練、模型驗證、調參 1.4 深度學習的優(yōu)勢以及技術應用案例 |
| 二、AI技術應用價值和問題解決的場景 |
2.1 人工智能產(chǎn)品體系：角色分工、處理過程、功能價值 2.2 不同場景下人工智能技術的落地案例 2.3 目前各領域通過AI改造的可行性以及判別方法：對比分析金融、安防、電商、醫(yī)療、教育行業(yè)AI產(chǎn)品落地特點 |
| 三、人工智能應用開發(fā)過程中的的理想vs現(xiàn)實 | 3.1以快遞公司OCR識別工程0-1為例，拆解AI工程化過程中可能會遇到的困難，熟悉AI工程化通用工作流程 |
| 四、AI產(chǎn)品三要素 |
4.1 AI產(chǎn)品三要素定義 4.2 如何從宏觀規(guī)劃公司AI產(chǎn)品：以規(guī)劃一款3D深度視覺產(chǎn)品為例 4.3 如何實現(xiàn)產(chǎn)品競爭力增長：學會使用產(chǎn)品管理必備工具V-R-M版本規(guī)劃 4.4 如何使用四步法從微觀定義AI產(chǎn)品需求：以學業(yè)預測產(chǎn)品的工程化落地過程為例 4.5 量化需求的技術常識：理解數(shù)據(jù)集的使用方法、偏差&方差、過擬合&欠擬合 |
| 五、最容易被忽略的：AI產(chǎn)品化 |
5.1 AI產(chǎn)品化演進過程： 5.2找到產(chǎn)品的“正反饋循環(huán)”是建立競爭門檻的關鍵：以設計一款教育行業(yè)產(chǎn)品為例 |
| 六、建立壁壘：AI產(chǎn)品商業(yè)化 |
6.1 AI商業(yè)化邏輯：產(chǎn)品化、服務化、平臺化 6.2 阿里PAI平臺在煙草行業(yè)實踐案例 |
| 七、AI產(chǎn)品的“貴”、“賤”之分 | 7.1以對話交互式搜索為例，說明AI產(chǎn)品相比于傳統(tǒng)產(chǎn)品的設計邏輯轉變 |
| 八、人工智能產(chǎn)品經(jīng)理的價值定位 |
8.1 明確AI產(chǎn)品經(jīng)理的團隊責任分工 8.2 AI產(chǎn)品經(jīng)理的三個必備素質 8.3 AI公司和傳統(tǒng)互聯(lián)網(wǎng)公司的區(qū)別決定了對8.4 AI產(chǎn)品經(jīng)理的技能需求轉變 8.5 AI產(chǎn)品經(jīng)理的三種思維模式和五維知識框架 |
| 九、AI產(chǎn)品經(jīng)理必備的軟實力：產(chǎn)品管理方法和溝通技巧 |
9.1“端到端”產(chǎn)品管理方法論 9.2 跨部門溝通技巧 9.3 建立以交付為最終目標的組織架構提升團隊士氣，建立合理的AI組織架構 |
|
AI產(chǎn)品的本質 AI產(chǎn)品的本質 |
|
一、用產(chǎn)品視角理解機器學習 1.1人工智能關鍵技術簡介 1.2人和AI認知過程的區(qū)別 1.3 AI機器學習處理過程：數(shù)據(jù)集準備、數(shù)據(jù)預處理、模型訓練、模型驗證、調參 1.4 深度學習的優(yōu)勢以及技術應用案例 |
|
二、AI技術應用價值和問題解決的場景 2.1 人工智能產(chǎn)品體系：角色分工、處理過程、功能價值 2.2 不同場景下人工智能技術的落地案例 2.3 目前各領域通過AI改造的可行性以及判別方法：對比分析金融、安防、電商、醫(yī)療、教育行業(yè)AI產(chǎn)品落地特點 |
|
三、人工智能應用開發(fā)過程中的的理想vs現(xiàn)實 3.1以快遞公司OCR識別工程0-1為例，拆解AI工程化過程中可能會遇到的困難，熟悉AI工程化通用工作流程 |
|
四、AI產(chǎn)品三要素 4.1 AI產(chǎn)品三要素定義 4.2 如何從宏觀規(guī)劃公司AI產(chǎn)品：以規(guī)劃一款3D深度視覺產(chǎn)品為例 4.3 如何實現(xiàn)產(chǎn)品競爭力增長：學會使用產(chǎn)品管理必備工具V-R-M版本規(guī)劃 4.4 如何使用四步法從微觀定義AI產(chǎn)品需求：以學業(yè)預測產(chǎn)品的工程化落地過程為例 4.5 量化需求的技術常識：理解數(shù)據(jù)集的使用方法、偏差&方差、過擬合&欠擬合 |
|
五、最容易被忽略的：AI產(chǎn)品化 5.1 AI產(chǎn)品化演進過程： 5.2找到產(chǎn)品的“正反饋循環(huán)”是建立競爭門檻的關鍵：以設計一款教育行業(yè)產(chǎn)品為例 |
|
六、建立壁壘：AI產(chǎn)品商業(yè)化 6.1 AI商業(yè)化邏輯：產(chǎn)品化、服務化、平臺化 6.2 阿里PAI平臺在煙草行業(yè)實踐案例 |
|
七、AI產(chǎn)品的“貴”、“賤”之分 7.1以對話交互式搜索為例，說明AI產(chǎn)品相比于傳統(tǒng)產(chǎn)品的設計邏輯轉變 |
|
八、人工智能產(chǎn)品經(jīng)理的價值定位 8.1 明確AI產(chǎn)品經(jīng)理的團隊責任分工 8.2 AI產(chǎn)品經(jīng)理的三個必備素質 8.3 AI公司和傳統(tǒng)互聯(lián)網(wǎng)公司的區(qū)別決定了對8.4 AI產(chǎn)品經(jīng)理的技能需求轉變 8.5 AI產(chǎn)品經(jīng)理的三種思維模式和五維知識框架 |
|
九、AI產(chǎn)品經(jīng)理必備的軟實力：產(chǎn)品管理方法和溝通技巧 9.1“端到端”產(chǎn)品管理方法論 9.2 跨部門溝通技巧 9.3 建立以交付為最終目標的組織架構提升團隊士氣，建立合理的AI組織架構 |
近期公開課推薦
