这一周主要学习了人工智能的发展历史，不同类型的AI公司，AI产品，AI产品经理具有的能力，以及不同类型下的AI产品怎样从0-1落地
一．人工智能的发展历史
1956s-1970年：增强算法原型，达特茅斯会议上算法专家明斯基和贝尔曼公式、
1980s-1987s：算法突破，能够支持计算复炸算法，台式机的诞生，达到超越人工智能所需的算力
1993s-今：互联网，10T的发展，为人工智能奠定基础（淘宝每日产生20T的数据量）
二．人工智能应用分类
人工智能公司+AI产品+AI产品经理的分类
（1）AI公司分类
（2）AI产品经理分类：
基础层--->基栈型AI产品经理
技术层--->行业型AI产品经理，消费者型AI产品经理
应用层--->软件型AI产品经理和软硬结合型产品经理
（3）AI产品经理的能力模型：
三．AI产品经理的职业要求，能力范围
Ai产品经理的工作：
1.分析出有价值的商业场景，评估（可行性，必要性，社会及商业价值，道德及法律框架）
2.评估技术的可行性
3.评估技术达到的最优度
4.评估产品价值与技术实现的平衡点
5.通过交互体系设计出完整的产品
AI+产品经理分为toB 和toC ，2B是调研客户需求，2C 核心是为行业树立标杆
人工智能产品三大要素：数据，算法，算力
1.AI产品经理掌握的数据
（1）调研业务，明白数据源从来里来
（2）数据质量的保证
（3）数据治理工作的展开
（4）建立怎样的算法数据模型
2.AI产品经理需要掌握的算法：
13种常见的Ai算法
l 自然语言生成（NLG）：主要对文本进行生成，让机器为你写作，但并不能实现非常强的创作
l 语音识别：是对语音模型的识别，如家里的智能音箱，智能电视，对事物的交流，控制语言的操作，命令
l 虚拟现实：设备以人为中心，AR，VR
l 机器学习平台：机器学习平台是种有监督的学习，tensorFlow
l 深度学习：半监督的学习，是一种神经网络的学习，如人脸识别，代替人工检测外观是否合格的产品都是深度学习
l 针对AI优化的硬件和芯片：如摄像头
l 决策管理技术：通过机器学习，和适当的交互语言系统的设计实现公司高效的管理
l 生物特征识别技术：家用指纹锁，指纹，红外
l 机器人流程自动化：输入需求，按照一定规则省掉，对输出目标
l NLP：自然语言处理，对环境数据，行为数据的感知，对能力的分析，情感的分析，识别人的身份，结合智能穿戴设备识别精神状态
l 知识图谱：对以前储备的数据进行数据化，进行集成管理，下次再有类似的问题就会推荐类似的解决方法：如淘宝小蜜机器人
l 机器学习：机器学习是用大数据的有监督学习
l 强化学习：无监督学习的一种，自我升级迭代
3.算力
（1）衡量算法模型需要怎样的系统架构
（2）评估硬性开销
（3）判断采用平台服务还是自建计算平台
四．AI产品从0-1的落地
1.项目落地流程
（1）项目启动
分析项目资源：包涵人，财，物
l 人：需要组建一个什么样的团队，团队每个人的职责，
l 财：对项目预算和时间，（对搭建中所需要的环境需要多少钱，服务器呀，是否涉及硬件呀，有没有这样的数据储备和人才储备等。对项目所需时间的大概估计）
l 物：需要用到哪些AI技术，做到精准推荐，各部门，上下游系统协调匹配
（2）项目实施 （构建DMP）
（1）定义产品，把握产品的整体定位，为用户解决的是哪些痛点。
（2）市场调研
（3）项目测试/上线
（2）放量上线
1.协同主导
2.概述具体事项
3.上线邮件申请（部分公司由测试完成）
4.核心部门联系方式，遇到问题第一时间找到人
（4）迭代维护
1.运营反馈
2.客户反馈
3.优化算法
2.不同类型的AI产品落地流程及注意事项
人工智能产品价值方向是什么？即为什么会出现人工智能产品？人工智能产品的出现给社会带来了什么价值？
人工智能产品是为了解决人本身的生产力不足，作为人的替代和身体延伸而出现的，据此可知人工智能的设计方向
2.实现这个价值的逻辑是什么？
需要了解人们是如何通过机器学习，深度学习实现人工智能的，机器学习是如何通过分类，聚类等解决实际问题的，深度神经网络是如何根据人的神经网络实现自我学习的。
3.技术上是如何实现逻辑的？
需要了解分类的通过什么算法逻辑实现的，以及深度神经网络的算法原理。
4.实际的技术学习和实践