产品经理10大基础技能（5）：读透神经网络和机器学习

疫情后产品经理的生存法则变了！！！

时下社交电商产品、营销短视频产品、数据安全产品、人工智能产品、机器人客服产品都在蓬勃发展，社交电商中用机器学习基于社交关系推荐精准的商品或服务，短视频的机器人验Huang, 基于大数据生成的数据集用机器学习算法来训练挖掘潜在的风险等等。

这些产品背后大多隐含着一种岗位需求，这种需求指向一种产品经理：AI产品经理。

人人都是产品经理，但是想成为离CEO最近的产品经理，得先在疫情下生存下来，得能在疫情之后选对产品方向。

一、AI产品经理必会的技能有哪些？

AI产品经理不是直接的AI+（加上）产品经理，AI产品经理有自己独特的技能，例如：基础层面AI产品经理最好有数学中线性代数，微积分，统计概率论作为打底，然后在应用层面最好有计算机相关的知识，再就是在算法层面至少能梳理出自己行业所需要的算法和自己产品需要的算法时下能够支持的技术边界。等等以上这些技能是AI产品经理的必需一面，以后再再介绍具体，本篇先入门讲解什么是神经网络算法？什么是机器学习算法？

二、什么是神经网络？

人工智能的底层模型就是”神经网络”（neural network）。许多复杂的应用（比如模式识别、自动控制）和高级模型（比如深度学习、机器学习、机器视觉、机器听觉）都基于它。学习做人工智能产品经理，必懂的技术技能一定是神经网络，一定是从它开始，然后逐步深入。

那么神经网络并不神秘，神经网络的本质是模仿人类的思考。人类的思考是在于人类大脑的圣经网络。人类神经元具体思考过程如下：

1. 外面的信号刺激通过神经末梢，转化为电信号，电信号转导到神经元；
2. 很多很多神经元构成人类的神经中枢；
3. 神经中枢综合各种信号，做出决策和判断；
4. 人体根据神经中枢的指令，对外部刺激做出反应。
5. 所以人造神经元就是人工智能产品中的核心技术，视为神经网络。

一个神经网络包含，输入的数据，和输出的结果，这中间对数字的处理需要有对不同数字的权重赋值的权值，和究竟哪种结果适合的阈值。

所以日常我们常常看到神经网络的结构图如下：x表示输入，a层是神经元，h是输出。

三、什么是机器学习？

机器学习是一种数据分析技术，让计算机模拟人和动物天生习得的技能：从经验中学习。机器学习算法通过计算直接从数据中“学习”信息，而不依赖于预定模型。当可用于学习的样本数量增加时，这些算法可自适应提高性能。

另外机器学习的原理就是上面讲到的神经网络，同样包含数据的输入，中间神经元层的计算，和最终结果的输出。

但是机器学习自身又分为，有监督的（对输入的数字进行标注），和无监督的（对输入的数据不标注）及半监督的。

故此可以理解为机器学习是神经网络的具体应用。

案例：AI产品经理实操机器视觉识别手写字体

下面笔者LineLian通过一个例子来实际操作一遍神经网络，又叫感知机。这个案例里叫MLPClassifier(Multi-layer Perceptron Classifier, 多层感知机分类器)。

AI产品需求是：利用神经网络识别手写的字体。

本案例原理同样适用于马路上的摄像头（电子警察）识别车牌，及计算机视觉（CV）相关的其他实战产品案例。

AI产品流程是：导入数据，训练模型，优化模型，启发式理解等。如下图:

下面笔者按照上图训练神经网络的流程，先选择经典数据集，需要训练联系的同学可以公众号留言，进行如下训练：

第零步：引入适合的数据集

在这一步中重点是找到适合的数据集。

第一步：设计神经网络参数

其中产品经理要懂的点是：

sloer是表示优化神经网络数字权重的，relu表示激活神经元的，alpha表示参数项正则，hidden后面表示神经网络的层和神经元个数，random表示随机生成数字，verbose表示打印过程，learning_rate=’invscaling’，用来更新有效学习率。

第二步:生成了模型并把模型保存下来

第三步：筛选模型

第四步：交叉验证模型

第五步：载入数据，选择准确率作为验证集模型验证的具体指标

对模型用数据测验正确率。

第六步：调整神经网络学习模型的大参数，这里调整神经网络的训练次数。

第七步：继续训练神经网络调整神经网络学习模型的大参数，这里调整神经网络中间层的节点数n

第八步：输出训练结果

第九步：输出针整体对测试集数据训练结果

本文案例操作流程在AI产品实践中具有普适性，AI产品经理在做AI产品的过程中重心不是放在训练参数和模型的大参数，或者叫超参数上。而是懂里面部分关键函数代表的含义。

即:

1. 懂得你的神经网络你的机器学习采用多少层神经网络；
2. 懂你的数据集数据质量情况，数据分组情况，例如，本文将数据集分为训练集数据、交叉验证集数据和测试集数据、及中间收集的训练误差数据和交叉验证误差数据；
3. 懂代码不一定熟练写代码；
4. 懂部分核心功能函数的意思，但未必由AI产品经理能够改造函数；
5. 最最要懂的这么成熟的机器视觉除了应用在识别车牌，识别罪犯、看家护院外，还能应用此算法模型解决哪些需求？例如：结合其他模型做个新的功能应用。

像下图抖音一样做个换脸的产品也未尝不可知。

AI对产品的影响不仅仅是换脸，也不仅仅是机器人客服（Chatbots），从理论上AI可以重新定义产品，从实践中AI需要AI产品经理拎着AI技术找对那个钉子需求。未来说不准你和我都有机会做出成名的AI产品。江湖夜雨十年灯，一起聊聊AI，侃侃AI产品经理的人生，你的转发是我日后续更的动力！