当前位置:首页 > 人工智能 >
《产品经理进阶:100个案例搞懂人工智能》电子书封面

产品经理进阶:100个案例搞懂人工智能

  • 发布时间:2020年03月05日 09:59:04
  • 作者:林中翘
  • 大小:7726 MB MB
  • 类别:人工智能电子书
  • 格式:PDF
  • 版本:清晰版
  • 评分:8.3
  • 为什么为什么
  • 终极算法:机器学习和人工智能如何重塑世界终极算法:机器学习和人工智能如何重塑世界
  • 第四次革命第四次革命
  • 金融科技:人工智能与机器学习卷金融科技:人工智能与机器学习卷
  • 人工智能:未来商业与场景落地实操人工智能:未来商业与场景落地实操
  • 机器新脑:人工智能将如何进化机器新脑:人工智能将如何进化
  • 动手玩转Scratch 3.0编程:人工智能科创教育指南动手玩转Scratch 3.0编程:人工智能科创教育指南
  • AI赋能:AI重新定义产品经理AI赋能:AI重新定义产品经理
  • 产品经理进阶:100个案例搞懂人工智能 PDF 清晰版

      给大家带来的一篇关于人工智能相关的电子书资源,介绍了关于产品经理、人工智能方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小7726 MB MB,林中翘编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.2。

      内容介绍

      与市面上已有AI产品经理书相比,《产品经理进阶:100个案例搞懂人工智能》的特色在于:

      √  从技术实操角度入手,结合产品经理日常工作需求,分享干货知识

      √  梳理了机器学习的清晰脉络和关键知识点,让读者知其然,更知其所以然

      √   丰富小案例贯穿全书,帮助0基础读者入门

      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。

      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 必备条件 .......................................................................................... 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 你真的了解数据吗 ..................................................................................... 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 精确率与召回率 ............................................................................. 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 最容易理解的分类算法: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 ...............................................................................

      学习笔记

      python人工智能难吗

      人工智能是一门交叉学科,从被提出到现在也有六十多年的历史,目前仍处在AI初级阶段。之所以发展缓慢的一个重要原因是人工智能的技术难度很高,它涉及计算机、心理学、哲学等,对从业者要求很高,目前国内从事AI行业的工程师很多是硕士或以上学位。 人工智能技术可应用于安防、医疗、家居、交通、智慧城市等各行各业,其前景是毋庸置疑的,未来绝对是一个万亿级市场。(推荐学习:Python视频教程) 根据应用领域的不同,人工智能研究的技术也不尽相同,目前以机器学习、计算机视觉等成为热门的AI技术方向,一起探索人工智能的发展与未来。 机器学习是人工智能的核心 机器学习也被称……

      为什么人工智能要学python

      人工智能作为现如今IT行业最火爆的词汇之一,受到来自社会各界的关注。各种各样的IT培训机构也纷纷加入这股浪潮,推出了人工智能的课程。细心的小伙伴可能发现了,不管是在哪一家培训机构,人工智能和Python总是分不开的。 为什么学习人工智能一定要用Python呢,我们这里简单的分析一下。(推荐学习:Python视频教程) 1、人生苦短,我用Python:简单、高效、易入门 在讨论为什么选择Python之前,我们首先得知道Python是个什么东西。 Python是一种面向对象、解释型计算机程序设计语言。它的设计初衷就是优雅、明确、简单。比起同样是面向对象的Java语言,函数、模块、字符串、数字对于Python来说全都……

      人工智能为什么用python

      这属于一种误解,人工智能的核心算法是完全依赖于C/C++的,因为是计算密集型,需要非常精细的优化,还需要GPU、专用硬件之类的接口,这些都只有C/C++能做到。所以某种意义上其实C/C++才是人工智能领域最重要的语言。 Python是这些库的API binding,使用Python是因为CPython的胶水语言特性,要开发一个其他语言到C/C++的跨语言接口,Python是最容易的,比其他语言的ffi门槛要低不少,尤其是使用Cython的时候。其他语言的ffi许多都只能导入C的函数入口点,复杂的数据结构大多只能手工用byte数组拼起来,如果还需要回调函数输入那就无计可施了。而CPython的C API是双向融合的,可以直接对外暴露封装过的Python对象……

      以上就是本次介绍的人工智能电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:Go程序员面试算法宝典

      下一篇:Python机器学习(第2版)

      展开 +

      收起 -

      • 《产品经理进阶:100个案例搞懂人工智能》PDF下载

      媛程序公众号

      重要!由于版权问题,暂停资源分享!关注左边的号有资料打包(惊喜!)

      添加左边“ 媛程序 ”的微信号,获取10月份下架资料打包!(每周更新)

      【10月资料整理(限时删除!)】

      人工智能相关电子书
      人工智能简史
      人工智能简史 扫描版 立即下载
      传播的进化:人工智能将如何重塑人类的交流
      传播的进化:人工智能将如何重塑人类的交流 超清原版 立即下载
      人工智能时代,你的工作还好吗?
      人工智能时代,你的工作还好吗? 超清原版

      AI时期,今日的赚钱好项目,明日将会做不下来了 制造行业的发展趋势决策了你将来的收益 AI会让谁下岗?更改一般我们中国人岗位运势的重要10年,你该怎样应对? 聚焦点人工智能技术最先

      立即下载
      Unity人工智能游戏开发
      Unity人工智能游戏开发 第二版

      本书详细阐述了与 Unity游戏人工智能相关的基本解决方案,主要包括游戏 AI的基础知识、有限状态机、实现感知系统、寻路方案、群集行为、行为树、模糊逻辑等内容,感兴趣的可以下载学习

      立即下载
      TensorFlow+Keras深度学习人工智能实践应用
      TensorFlow+Keras深度学习人工智能实践应用 超清影印版

      本书通过大量的范例浅入深地讲解Keras与TensorFlow深度学习类神经网络,提供安装、上机操作指南,同时辅以大量范例程序介绍TensorFlow + Keras深度学习方面的知识

      立即下载
      人工智能产品经理:AI时代PM修炼手册
      人工智能产品经理:AI时代PM修炼手册 原书超清版

      本书从知识体系、能力模型、沟通技巧等方面帮助大家系统地梳理了人工智能产品经理所必备的基本素质和技能,旨在帮助产品经理找到转型升级的最佳学习路线,以成为合格的人工智能产品经

      立即下载
      新未来简史:区块链、人工智能、大数据陷阱与数字化生活
      新未来简史:区块链、人工智能、大数据陷阱与数字化生活 高清版

      《新未来简史:新未来简史:区块链、人工智能、大数据陷阱与数字化生活》致力于颠复往日绝大部分相关人类将来的预测分析与推论,*程度地挨近事情的本原。以独有几近难缠的視覺、博杂

      立即下载
      人工智能及其应用
      人工智能及其应用 原书第5版

      本文介绍了人工智能的分类与计算方法、谓词演算符号的规范、进化算法的框架与执行过程、专家系统的设计方法和基于Web专家系统的开发工具以及深度学习等

      立即下载
      读者留言
      邹明哲

      邹明哲 提供上传

      资源
      49
      粉丝
      47
      喜欢
      183
      评论
      20

      Copyright 2018-2020 www.xz577.com 码农之家

      版权投诉 / 书籍推广 / 赞助:520161757@qq.com

      idea注册码