產品經理10大基礎技能(5):讀透神經網絡和機器學習
本篇先介紹許多熱門的行業均在產生AI產品經理崗位的需求,再詳細介紹AI產品經理必懂的AI技能,接著撰寫什么是神經網絡?什么是機器學習?最后用一個案例詳細拆解AI產品經理如何用機器視覺識別手寫字體的整體案例。
疫情后產品經理的生存法則變了?。?!
時下社交電商產品、營銷短視頻產品、數據安全產品、人工智能產品、機器人客服產品都在蓬勃發展,社交電商中用機器學習基于社交關系推薦精準的商品或服務,短視頻的機器人驗Huang, 基于大數據生成的數據集用機器學習算法來訓練挖掘潛在的風險等等。
這些產品背后大多隱含著一種崗位需求,這種需求指向一種產品經理:AI產品經理。
人人都是產品經理,但是想成為離CEO最近的產品經理,得先在疫情下生存下來,得能在疫情之后選對產品方向。
一、AI產品經理必會的技能有哪些?
AI產品經理不是直接的AI+(加上)產品經理,AI產品經理有自己獨特的技能,例如:基礎層面AI產品經理最好有數學中線性代數,微積分,統計概率論作為打底,然后在應用層面最好有計算機相關的知識,再就是在算法層面至少能梳理出自己行業所需要的算法和自己產品需要的算法時下能夠支持的技術邊界。等等以上這些技能是AI產品經理的必需一面,以后再再介紹具體,本篇先入門講解什么是神經網絡算法?什么是機器學習算法?
二、什么是神經網絡?
人工智能的底層模型就是”神經網絡”(neural network)。許多復雜的應用(比如模式識別、自動控制)和高級模型(比如深度學習、機器學習、機器視覺、機器聽覺)都基于它。學習做人工智能產品經理,必懂的技術技能一定是神經網絡,一定是從它開始,然后逐步深入。
那么神經網絡并不神秘,神經網絡的本質是模仿人類的思考。人類的思考是在于人類大腦的圣經網絡。人類神經元具體思考過程如下:
- 外面的信號刺激通過神經末梢,轉化為電信號,電信號轉導到神經元;
- 很多很多神經元構成人類的神經中樞;
- 神經中樞綜合各種信號,做出決策和判斷;
- 人體根據神經中樞的指令,對外部刺激做出反應。
- 所以人造神經元就是人工智能產品中的核心技術,視為神經網絡。
一個神經網絡包含,輸入的數據,和輸出的結果,這中間對數字的處理需要有對不同數字的權重賦值的權值,和究竟哪種結果適合的閾值。
所以日常我們常常看到神經網絡的結構圖如下:x表示輸入,a層是神經元,h是輸出。
三、什么是機器學習?
機器學習是一種數據分析技術,讓計算機模擬人和動物天生習得的技能:從經驗中學習。機器學習算法通過計算直接從數據中“學習”信息,而不依賴于預定模型。當可用于學習的樣本數量增加時,這些算法可自適應提高性能。
另外機器學習的原理就是上面講到的神經網絡,同樣包含數據的輸入,中間神經元層的計算,和最終結果的輸出。
但是機器學習自身又分為,有監督的(對輸入的數字進行標注),和無監督的(對輸入的數據不標注)及半監督的。
故此可以理解為機器學習是神經網絡的具體應用。
案例:AI產品經理實操機器視覺識別手寫字體
下面筆者LineLian通過一個例子來實際操作一遍神經網絡,又叫感知機。這個案例里叫MLPClassifier(Multi-layer Perceptron Classifier, 多層感知機分類器)。
AI產品需求是:利用神經網絡識別手寫的字體。
本案例原理同樣適用于馬路上的攝像頭(電子警察)識別車牌,及計算機視覺(CV)相關的其他實戰產品案例。
AI產品流程是:導入數據,訓練模型,優化模型,啟發式理解等。如下圖:
下面筆者按照上圖訓練神經網絡的流程,先選擇經典數據集,需要訓練聯系的同學可以公眾號留言,進行如下訓練:
第零步:引入適合的數據集
在這一步中重點是找到適合的數據集。
第一步:設計神經網絡參數
其中產品經理要懂的點是:
sloer是表示優化神經網絡數字權重的,relu表示激活神經元的,alpha表示參數項正則,hidden后面表示神經網絡的層和神經元個數,random表示隨機生成數字,verbose表示打印過程,learning_rate=’invscaling’,用來更新有效學習率。
第二步:生成了模型并把模型保存下來
第三步:篩選模型
第四步:交叉驗證模型
第五步:載入數據,選擇準確率作為驗證集模型驗證的具體指標
對模型用數據測驗正確率。
第六步:調整神經網絡學習模型的大參數,這里調整神經網絡的訓練次數。
第七步:繼續訓練神經網絡調整神經網絡學習模型的大參數,這里調整神經網絡中間層的節點數n
第八步:輸出訓練結果
第九步:輸出針整體對測試集數據訓練結果
本文案例操作流程在AI產品實踐中具有普適性,AI產品經理在做AI產品的過程中重心不是放在訓練參數和模型的大參數,或者叫超參數上。而是懂里面部分關鍵函數代表的含義。
即:
- 懂得你的神經網絡你的機器學習采用多少層神經網絡;
- 懂你的數據集數據質量情況,數據分組情況,例如,本文將數據集分為訓練集數據、交叉驗證集數據和測試集數據、及中間收集的訓練誤差數據和交叉驗證誤差數據;
- 懂代碼不一定熟練寫代碼;
- 懂部分核心功能函數的意思,但未必由AI產品經理能夠改造函數;
- 最最要懂的這么成熟的機器視覺除了應用在識別車牌,識別罪犯、看家護院外,還能應用此算法模型解決哪些需求?例如:結合其他模型做個新的功能應用。
像下圖抖音一樣做個換臉的產品也未嘗不可知。
AI對產品的影響不僅僅是換臉,也不僅僅是機器人客服(Chatbots),從理論上AI可以重新定義產品,從實踐中AI需要AI產品經理拎著AI技術找對那個釘子需求。未來說不準你和我都有機會做出成名的AI產品。江湖夜雨十年燈,一起聊聊AI,侃侃AI產品經理的人生,你的轉發是我日后續更的動力!
#相關閱讀#
產品經理10大基礎技能(4):用Python建立并分析RFM模型
#專欄作家#
連詩路,公眾號:LineLian。人人都是產品經理專欄作家,《產品進化論:AI+時代產品經理的思維方法》一書作者,前阿里產品專家,希望與創業者多多交流。
本文原創發布于人人都是產品經理。未經許可,禁止轉載。
題圖來自Unsplash, 基于CC0協議
這些內容也太過于偏技術了 之前做過語音助手,這部分應該是算法同學才需要考慮的
同樣是語音助手在領域里有借用NLP,愛奇藝就是由技術算法出身的人負責產品的,Google的PM就是要求PM要懂技術,而Amazon則不然,個人感覺技多不壓身