简介
通过大量的AI与行业结合的成功案例（尤其是To B场景下），帮助企业明确人工智能产品的目标与工作方法，并以此找到创新方向。案例均来源于最佳的实践凝练。通过通俗易懂的语言，讲解AI产品的实现难度、风险、竞争壁垒等技巧。
目标
1.了解人工智能关键技术及机器学习过程；
2.掌握人工只能是产品要素，确定产品需求；
3.明确人工智能产品的目标与工作方法；
4.形成人工智能产品经理思维模式和知识框架；
5.建立合理的人工智能组织架构
面向对象
适合传统IT企业、企业IT部门转型，产品赋能AI技术，提升公司内部相关员工人工智能设计思维。
对产品经理：启发产品经理行业+AI的产品创造力，并通过建立完整系统的AI产品知识体系和运行逻辑认知。
对企业部门管理者或企业专门负责AI项目的高管：从宏观到微观理解一个AI项目，通过分析可能遇到的风险，提供不同的解决方法深度剖析一款AI产品的ROI，避免企业盲目投资。另外关于AI项目管理，也提供了具体的方法供参考。帮助企业提升产品竞争力、团队协作能力、以及个人创造力等。
对人力资源招聘负责人：理解AI产品经理到底是做什么的，能力要求是什么，什么样的人更适合做AI产品经理。
分享对象
企业产品经理、部门负责人、业务线负责人、人力资源招聘负责人，公司专门负责AI项目的高管等。
学员基础
理解企业的AI项目目标，对人工智能有一定基础常识。
课程时长
1天（6H）
分享提纲
| 主题 | 授课内容 |
| 一、用产品视角理解机器学习 | 1.1 人工智能关键技术简介 1.2 人和AI认知过程的区别 1.3 AI机器学习处理过程：数据集准备、数据预处理、模型训练、模型验证、调参 1.4 深度学习的优势以及技术应用案例 |
二、AI技术应用价值和问题解决的场景 | 2.1 人工智能产品体系：角色分工、处理过程、功能价值 2.2 不同场景下人工智能技术的落地案例 2.3 目前各领域通过AI改造的可行性以及判别方法：对比分析金融、安防、电商、医疗、教育行业AI产品落地特点 |
三、人工智能应用开发过程中的的理想vs现实 | 3.1 以快递公司OCR识别工程0-1为例，拆解AI工程化过程中可能会遇到的困难，熟悉AI工程化通用工作流程 |
四、AI产品三要素 | 4.1 AI产品三要素定义 4.2 如何从宏观规划公司AI产品：以规划一款3D深度视觉产品为例 4.3 如何实现产品竞争力增长：学会使用产品管理必备工具V-R-M版本规划 4.4 如何使用四步法从微观定义AI产品需求：以学业预测产品的工程化落地过程为例 4.5 量化需求的技术常识：理解数据集的使用方法、偏差&方差、过拟合&欠拟合 |
五、最容易被忽略的：AI产品化 | 5.1 AI产品化演进过程： 5.2 找到产品的“正反馈循环”是建立竞争门槛的关键：以设计一款教育行业产品为例 |
六、建立壁垒：AI产品商业化 | 6.1 AI商业化逻辑：产品化、服务化、平台化 6.2 阿里PAI平台在烟草行业实践案例 |
七、AI产品的“贵”、“贱”之分 | 7.1 以对话交互式搜索为例，说明AI产品相比于传统产品的设计逻辑转变 |
八、人工智能产品经理的价值定位 | 8.1 明确AI产品经理的团队责任分工 8.2 AI产品经理的三个必备素质 8.3 AI公司和传统互联网公司的区别决定了对8.4 AI产品经理的技能需求转变 8.5 AI产品经理的三种思维模式和五维知识框架 |
九、AI产品经理必备的软实力：产品管理方法和沟通技巧 | 9.1“端到端”产品管理方法论 9.2 跨部门沟通技巧 9.3 建立以交付为最终目标的组织架构提升团队士气，建立合理的AI组织架构 |
京ICP备2022035414号-1
