本文作者李杰克 是我們“AI產(chǎn)品經(jīng)理大本營(yíng)”成員，但非常特別是，他是從互聯(lián)網(wǎng)產(chǎn)品經(jīng)理轉(zhuǎn)型成了AI工程師！李杰克 文章的特點(diǎn)，是能通過(guò)簡(jiǎn)單有趣的文字介紹AI技術(shù)概念，本文是他的第一篇文章，以饗大家。

寫(xiě)在前面

Hello，World！

這是我的第一篇文章，如果你還沒(méi)系統(tǒng)地學(xué)習(xí)過(guò)AI算法相關(guān)知識(shí)，它應(yīng)該能夠讓你對(duì)AI有些新的認(rèn)知和理解、多些信心，至少你不會(huì)再覺(jué)得AI是那么高不可攀、遙不可及，相反，AI是普通人也可以理解、學(xué)習(xí)和實(shí)現(xiàn)的。

大概可以用以下幾個(gè)標(biāo)簽簡(jiǎn)單概括我：前互聯(lián)網(wǎng)產(chǎn)品經(jīng)理、大學(xué)學(xué)渣、非計(jì)算機(jī)專業(yè)、不懂編程，可以說(shuō)是除了瞎逼逼，啥也不會(huì)...

跟點(diǎn)進(jìn)這篇文章的你一樣，我最開(kāi)始也是驚嘆和憧憬于AI的神奇?zhèn)ゴ鬅o(wú)所不能，馬上就要改變世界取代人類啊~

不一樣的可能是，我當(dāng)時(shí)腦子一熱：放棄數(shù)年的產(chǎn)品經(jīng)驗(yàn)，開(kāi)始自學(xué)編程（python）和AI實(shí)現(xiàn)算法（傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法），走上轉(zhuǎn)型AI之路。

最開(kāi)始決定轉(zhuǎn)型其實(shí)也是蠻糾結(jié)的，初期在網(wǎng)上看到經(jīng)驗(yàn)分享，感覺(jué)機(jī)器學(xué)習(xí)的門檻真的是高的一逼啊。

文章中各種出現(xiàn)高等數(shù)學(xué)、線性代數(shù)和概率論的東東， 把我這個(gè)學(xué)渣嚇得瑟瑟發(fā)抖.....

某個(gè)周六晚上，在酒吧里喝掉幾杯啤酒后，借著酒意我做出了決定：搞，是個(gè)坑我也跳了...請(qǐng)稍稍腦補(bǔ)不懂編程還是學(xué)渣的我當(dāng)時(shí)那種略帶悲壯而又自我感動(dòng)的狀態(tài)！

然后就開(kāi)始苦哈哈地補(bǔ)高數(shù)、線代、概率論，苦哈哈地學(xué)python編程，苦哈哈地看Andrew Ng、Peter Harrington、Siraj等一眾大神的書(shū)籍視頻學(xué)習(xí)機(jī)器學(xué)習(xí)....

苦哈哈的狀態(tài)持續(xù)了一段時(shí)間，隨著學(xué)習(xí)的推進(jìn)，慢慢我也可以熟練地使用python寫(xiě)算法寫(xiě)腳本，傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中的經(jīng)典常用算法，也基本都算學(xué)習(xí)和實(shí)踐過(guò)了。

我得到的結(jié)論是：傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的門檻并沒(méi)有那么高，至少是以算法工程師為主要需求的“工程應(yīng)用領(lǐng)域”的門檻，是沒(méi)有那么高的。

網(wǎng)上確實(shí)有很多不錯(cuò)的資料，但總是充斥著較多的數(shù)學(xué)、生澀的描述，其實(shí)并不是很適合作為小白的我們（請(qǐng)大牛自動(dòng)屏蔽哈）入門。

作為毫無(wú)技術(shù)背景從零開(kāi)始入門機(jī)器學(xué)習(xí)的產(chǎn)品經(jīng)理，我或許更能理解同為小白的你的痛點(diǎn)和需求，我自己的公眾號(hào)“小白AI之路”的初衷，也是希望能夠通過(guò)更有趣、更直觀、更少數(shù)學(xué)的方式跟零基礎(chǔ)的童鞋共同學(xué)習(xí)AI相關(guān)知識(shí)。

叨逼叨結(jié)束，下面進(jìn)入正題，快！上車吧！AI可以很簡(jiǎn)單！

一、讓我們先來(lái)說(shuō)說(shuō)“AI是什么”

首先，我們先來(lái)界定接下來(lái)所要討論的AI的定義和范疇。

AI是Artificial Intelligentce的縮寫(xiě)，中文是大家廣知的“人工智能”。 AI可以理解為讓機(jī)器具備類似人的智能，從而代替人類去完成某些工作和任務(wù)。

很多小伙伴對(duì)AI的認(rèn)知可能來(lái)自于《西部世界》、《AI》、《超能陸戰(zhàn)隊(duì)》、《機(jī)器人總動(dòng)員》、《超能查派》等影視作品，這些作品中的AI都可以定義為“強(qiáng)人工智能”，因?yàn)樗麄兡軌?span style="color:rgb(0,128,255);">像人類一樣去思考和推理，且具備知覺(jué)和自我意識(shí)。

但強(qiáng)人工智能在現(xiàn)實(shí)中的發(fā)展基本處于停滯狀態(tài)，目前AI的研究和應(yīng)用基本都集中在“弱人工智能”領(lǐng)域，弱人工智能可以理解為機(jī)器看起來(lái)像是智能的，但并不會(huì)具備知覺(jué)和意識(shí)。

弱人工智能領(lǐng)域的AI實(shí)現(xiàn)，可以分為兩種方式：

一種是通過(guò)對(duì)相關(guān)規(guī)則進(jìn)行編程，讓機(jī)器能夠按照程序中存在的邏輯處理特定任務(wù)，從結(jié)果來(lái)上看機(jī)器是智能的；

另一種是我們不給機(jī)器規(guī)則，取而代之，我們喂給機(jī)器大量的針對(duì)某一任務(wù)的數(shù)據(jù)，讓機(jī)器自己去學(xué)習(xí)，繼而挖掘出規(guī)律，從而具備完成某一任務(wù)的智能，這種方式，也就是我們今天的主角——機(jī)器學(xué)習(xí)。

不好理解？舉一個(gè)簡(jiǎn)單的例子，如果我們需要讓機(jī)器具備識(shí)別狗的智能：

第一種方式意味著，我們需要將狗的特征（毛茸茸、四條腿、有尾巴...）告訴機(jī)器，機(jī)器將滿足這些規(guī)則的東西識(shí)別為狗；

第二種方式意味著，我們完全不告訴機(jī)器狗有什么特征，但我們喂給機(jī)器10萬(wàn)張狗的圖片，機(jī)器就會(huì)自個(gè)兒從已有的圖片中學(xué)習(xí)到狗的特征，從而具備識(shí)別狗的智能。

此狗以一根火腿腸的身價(jià)友情出境...

AI可以說(shuō)是跟機(jī)器學(xué)習(xí)緊密聯(lián)系在一起，那我們?cè)趤?lái)說(shuō)下我們今天的主角——機(jī)器學(xué)習(xí)。

首先，機(jī)器學(xué)習(xí)從模型層次結(jié)構(gòu)的角度可以分為淺層學(xué)習(xí)和深度學(xué)習(xí)，簡(jiǎn)單介紹下兩者：

1. 淺層學(xué)習(xí)（Shallow Learning）

淺層學(xué)習(xí)與深度學(xué)習(xí)（Deep Learning）相對(duì)，它的模型層次較淺，通常沒(méi)有隱藏層或只有一層隱藏層。

淺層學(xué)習(xí)常見(jiàn)的算法有線性回歸、邏輯回歸、隨機(jī)森林、SVM、K-means、RBM、AutoEncoder、PCA、SOM等等。

隱藏層什么鬼？這些算法什么鬼？沒(méi)關(guān)系，能記上一兩個(gè)名字很好，暫時(shí)記不住也沒(méi)關(guān)系，我們以后會(huì)撿重要的來(lái)講。

淺層學(xué)習(xí)算法可以做一些預(yù)測(cè)、分類、聚類、降低數(shù)據(jù)維度、壓縮數(shù)據(jù)和商品推薦系統(tǒng)等工作。

2. 深度學(xué)習(xí)（Deep Learning）

深度學(xué)習(xí)的“深”是因?yàn)樗ǔ?huì)有較多的隱藏層，正是因?yàn)橛心敲炊嚯[藏層存在，深度學(xué)習(xí)網(wǎng)絡(luò)才擁有表達(dá)更復(fù)雜函數(shù)的能力，也才能夠識(shí)別更復(fù)雜的特征，繼而完成更復(fù)雜更amazing的任務(wù)。

令很多童鞋驚嘆“AI無(wú)所不能，馬上就要改變世界、取代人類”的領(lǐng)域，基本都跟深度學(xué)習(xí)有關(guān)系。

目前深度學(xué)習(xí)的研究和應(yīng)用，主要集中在CNN和RNN；跟著我狠狠地把這些名詞記下來(lái)（至少縮寫(xiě)要記下來(lái)哈），他們會(huì)成為后續(xù)文章介紹的重點(diǎn)。

CNN為Convolutional Neural Networks的縮寫(xiě)，也就是卷積神經(jīng)網(wǎng)絡(luò)，目前是計(jì)算機(jī)視覺(jué)、圖像分類領(lǐng)域最主要的算法，當(dāng)然也有人將它應(yīng)用于自然語(yǔ)言處理領(lǐng)域。

接下來(lái)舉些CNN應(yīng)用場(chǎng)景的例子，讓大家有個(gè)較直觀的印象：

1）前兩年大火的Prisma可以將機(jī)器學(xué)習(xí)名畫(huà)的風(fēng)格并遷移到新的圖片上，比如這張白發(fā)女咖啡杯圖：

2）深受妹紙喜愛(ài)各種美顏相機(jī)的濾鏡，也是會(huì)用到人臉檢測(cè)，用上之后感覺(jué)自己萌萌噠，額...這個(gè)好像是個(gè)可愛(ài)的男孩子...

3）交通監(jiān)控視頻識(shí)別來(lái)往車輛的車型，目前有些公司的產(chǎn)品還可以識(shí)別車牌號(hào)：

4） 商場(chǎng)監(jiān)控視頻能夠識(shí)別人臉，順便還能根據(jù)已有數(shù)據(jù)判斷這個(gè)人是否以前來(lái)過(guò)商場(chǎng)：

5）當(dāng)下最火的無(wú)人車中，無(wú)人車需要用計(jì)算視覺(jué)去觀察和理解這個(gè)世界：

RNN為Recurrent Neural NetWorks的縮寫(xiě)，也就是遞歸神經(jīng)網(wǎng)絡(luò)，基于RNN還衍生出了LSTM（Long-Short-Term-Memerory）和GRU（Gated Recurrent Unit）等一系列算法，這些算法擁有記住過(guò)去的能力，所以可以用來(lái)處理一些有時(shí)間序列屬性的數(shù)據(jù)，在處理語(yǔ)言、文字等方面有獨(dú)到的優(yōu)勢(shì)。

RNN及其衍生算法可用于語(yǔ)音識(shí)別、機(jī)器翻譯、合成音樂(lè)等等，我們?nèi)匀粊?lái)簡(jiǎn)單舉幾個(gè)的例子：

1） 以Siri、小娜、小冰、小度為代表的對(duì)話機(jī)器人，調(diào)戲Siri讓她bbox和唱歌講段子并不能充分體現(xiàn)你的無(wú)聊，下次你可以試試讓Siri和小娜互相對(duì)話：

2） 以谷歌翻譯為代表的機(jī)器翻譯，不管是文字翻譯還是語(yǔ)音翻譯，都把可以把人類翻譯虐成渣渣：

3） 老羅在錘子發(fā)布會(huì)上大吹特吹的能夠以極高準(zhǔn)確率和極快速度將語(yǔ)音轉(zhuǎn)化為文字的訊飛輸入法：

4）有粉絲等不及喬治·馬丁老爺子寫(xiě)《冰與火之歌》第六部，就自己用LSTM算法學(xué)習(xí)了《冰與火之歌》的前五部后續(xù)寫(xiě)了第六部，據(jù)說(shuō)AI這部作品中還揭示了前幾部中埋了很久的懸念：

二、說(shuō)AI簡(jiǎn)單，因?yàn)锳I本質(zhì)上都是一個(gè)函數(shù)

如果你堅(jiān)持看到這里，你對(duì)AI的理解和認(rèn)知大概率已經(jīng)擊敗了你朋友圈里50%經(jīng)常分享AI將改變世界取代人類的好友們。

此刻你已經(jīng)可以在聊天中用對(duì)方大概率聽(tīng)不懂的CNN、RNN、LSTM等一眾名詞來(lái)彰顯你的逼格了。

但是，作為穩(wěn)重踏實(shí)、擁有內(nèi)涵、崇尚科學(xué)的新時(shí)代好青年的我們來(lái)說(shuō)，這還遠(yuǎn)遠(yuǎn)不夠，我們總是希望能夠不動(dòng)聲色、低調(diào)內(nèi)斂、用對(duì)方看似都懂實(shí)則不懂的東西去裝更高規(guī)格的逼。

接下來(lái)，請(qǐng)跟我學(xué)習(xí)下正確的裝的方式：XX，你知道么？其實(shí)，AI很簡(jiǎn)單，因?yàn)?span style="color:rgb(0,128,255);">AI本質(zhì)上都是一個(gè)函數(shù)。說(shuō)的時(shí)候一定要有種云淡風(fēng)輕的狀態(tài)，仿佛吃飯喝水那般自然。

看著對(duì)方有點(diǎn)迷離困惑的眼神，這個(gè)時(shí)候你要貼心去解釋一下，以彰顯你的善解人意，請(qǐng)?jiān)俅胃覍W(xué)：

是這樣的，XX，這其實(shí)很好理解，AI其實(shí)就是我們喂給機(jī)器目前已有的數(shù)據(jù)，機(jī)器就會(huì)從這些數(shù)據(jù)里去找出一個(gè)最能滿足（此處用“擬合”或可提升逼格）這些數(shù)據(jù)的函數(shù)，當(dāng)有新的數(shù)據(jù)需要預(yù)測(cè)的時(shí)候，機(jī)器就可以通過(guò)這個(gè)函數(shù)去預(yù)測(cè)出這個(gè)新數(shù)據(jù)對(duì)應(yīng)的結(jié)果是什么。

說(shuō)完之后，請(qǐng)微微抬頭看向遠(yuǎn)方，感慨一下：萬(wàn)物自有其道，人世間多少?gòu)?fù)雜的東西到末了還是要?dú)w于純粹啊。

但是，裝逼有風(fēng)險(xiǎn)，風(fēng)險(xiǎn)請(qǐng)自行承擔(dān)...

其實(shí)可能你暫時(shí)也沒(méi)有太理解，不要慌，我們偷偷繼續(xù)理解一下。

對(duì)于一個(gè)具備某種智能的模型而言，一般具備以下要素：數(shù)據(jù)+算法+模型，請(qǐng)狠狠地記住這三個(gè)詞；記住了這三個(gè)詞，AI的本質(zhì)你也就搞清楚了。

這個(gè)時(shí)候我們?cè)侔迅呃涞呢堃舱?qǐng)出來(lái)，我們來(lái)用一個(gè)能夠區(qū)分貓和狗圖片的分類器模型來(lái)幫助理解這個(gè)問(wèn)題：

“數(shù)據(jù)”就是我們需要準(zhǔn)備大量標(biāo)注過(guò)是“貓”還是“狗”的圖片，為什么要強(qiáng)調(diào)大量，因?yàn)?strong>只有數(shù)據(jù)量足夠大，模型才能夠?qū)W習(xí)到足夠多且準(zhǔn)確的區(qū)分貓和狗的特征，才能在區(qū)分貓狗這個(gè)任務(wù)上，表現(xiàn)出足夠高的準(zhǔn)確性；當(dāng)然數(shù)據(jù)量不大的情況下，我們也可以訓(xùn)練模型，不過(guò)在新數(shù)據(jù)集上預(yù)測(cè)出來(lái)的結(jié)果往往就會(huì)差很多。

“算法”指的是構(gòu)建模型時(shí)我們打算用淺層的網(wǎng)絡(luò)還是深層的，如果是深層的話我們要用多少層，每層有多少神經(jīng)元、功能是什么等等，也就是網(wǎng)絡(luò)架構(gòu)的設(shè)計(jì)。相當(dāng)于我們確定了我們的預(yù)測(cè)函數(shù)應(yīng)該大致結(jié)構(gòu)是什么樣的，我們用Y=f(W，X，b)來(lái)表示這一函數(shù)，X是已有的用來(lái)訓(xùn)練的數(shù)據(jù)（貓和狗的圖片），Y是已有的圖片數(shù)據(jù)的標(biāo)簽（該圖片是貓還是狗），聰明的你會(huì)問(wèn)：W和b呢？問(wèn)得好，函數(shù)里的W（權(quán)重）和b（偏差）我們還不知道，這兩個(gè)參數(shù)是需要機(jī)器學(xué)習(xí)后自己找出來(lái)的，找的過(guò)程也就是模型訓(xùn)練的過(guò)程。

“模型”指的我們把數(shù)據(jù)帶入到算法中進(jìn)行訓(xùn)練，機(jī)器就會(huì)去不斷地學(xué)習(xí)，當(dāng)機(jī)器找到最優(yōu)W（權(quán)重）和b（偏差）后，我們就說(shuō)這個(gè)模型是train成功了，這個(gè)時(shí)候我們的函數(shù)Y=f(W，X，b)就完全確定下來(lái)了。然后我們就可以在已有的數(shù)據(jù)集外給模型一張新的貓或狗的圖片，那模型就能通過(guò)函數(shù)Y=f(W，X，b)算出來(lái)這張圖的標(biāo)簽究竟是貓還是狗，這也就是所謂的模型的預(yù)測(cè)功能。

到這里，你應(yīng)該已經(jīng)能夠理解AI的本質(zhì)了。我們?cè)俸?jiǎn)單總結(jié)下：不管是最簡(jiǎn)單的線性回歸模型、還是較復(fù)雜的擁有幾十個(gè)甚至上百個(gè)隱藏層的深度神經(jīng)網(wǎng)絡(luò)模型，本質(zhì)都是尋找一個(gè)能夠良好擬合目前已有數(shù)據(jù)的函數(shù)Y=f(W，X，b)，并且我們希望這個(gè)函數(shù)在新的未知數(shù)據(jù)上也能夠表現(xiàn)良好。

三、AI算法模型的實(shí)現(xiàn)可以說(shuō)是相當(dāng)easy啦

如果你堅(jiān)持看到這里，那請(qǐng)你為自己打call！因?yàn)槟銓?duì)AI的理解和認(rèn)知應(yīng)該大概率已經(jīng)擊敗了你朋友圈里70%經(jīng)常分享AI將改變世界取代人類的好友們。

接下來(lái)我們?cè)偻白咭徊剑?strong>簡(jiǎn)單說(shuō)一說(shuō)實(shí)現(xiàn)一個(gè)AI模型可以多么簡(jiǎn)單，看完后，相信你會(huì)信心爆棚的！

其實(shí)李杰克（也就是我啦）最早也是抱著異常悲壯各種被虐地心情走進(jìn)AI的。學(xué)習(xí)大概分為三塊：

1. 學(xué)習(xí)AI第一語(yǔ)言python：

這里我要為python瘋狂打call，因?yàn)閜ython作為萬(wàn)能膠水語(yǔ)言能做的事情實(shí)在太多，并且..它還異常容易上手。

我大概花了50個(gè)小時(shí)學(xué)習(xí)了python的基礎(chǔ)語(yǔ)法，然后就開(kāi)始動(dòng)手寫(xiě)代碼去爬小說(shuō)、爬網(wǎng)易云音樂(lè)的評(píng)論等等程序。

額...據(jù)說(shuō)很多人第一個(gè)python的爬蟲(chóng)是去爬不可描述的網(wǎng)站上那些沒(méi)穿衣服的可愛(ài)的女孩子們的相片...

總之，python是整個(gè)過(guò)程并不耗精力的環(huán)節(jié)，但是剛開(kāi)始背記語(yǔ)法確實(shí)是無(wú)聊無(wú)趣的，需要些許的小堅(jiān)持，給你提個(gè)醒喲...

2. 學(xué)習(xí)傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)相關(guān)算法：

這塊算是花費(fèi)我最多精力和時(shí)間的環(huán)節(jié)，看了蠻多的視頻、書(shū)籍，還有網(wǎng)上的各種博文，還自己去補(bǔ)了高數(shù)線代概率論相關(guān)知識(shí)。

但結(jié)論是，如果你僅僅關(guān)注工程領(lǐng)域?qū)崿F(xiàn)的話，其實(shí)很多算法壓根沒(méi)有必要用那么數(shù)學(xué)的東西去推導(dǎo)，換種方式你的理解和時(shí)間成本會(huì)下降很多。我也希望之后能夠用盡可能簡(jiǎn)單有趣的方式跟大家分享和學(xué)習(xí)。

3. 算法和模型的實(shí)現(xiàn)：

最開(kāi)始我盡可能去理解和推導(dǎo)算法，然后用python代碼去實(shí)現(xiàn)算法再train模型，那個(gè)時(shí)候覺(jué)得啊算法還是要吃透啊，代碼能力也要很重要啊，不然你TM的模型都建不起來(lái)啊，小伙砸你要靜下心來(lái)慢慢搞啊。

后來(lái)，我開(kāi)始接觸到深度學(xué)習(xí)大殺器——Google的深度學(xué)習(xí)框架Tensorflow，當(dāng)時(shí)我的心情是這樣的：

真的是一度有些蛋蛋的憂郁呢，我也算是鼓起了些勇氣、下了些決心、放棄了些機(jī)會(huì)開(kāi)始轉(zhuǎn)型的，我還指著靠AI當(dāng)上CEO、迎娶白富美、走上人生巔峰呢。但是...

不是說(shuō)好的有很高的數(shù)學(xué)門檻么？

不是說(shuō)好的很高大上大家都搞不懂的么？

不是說(shuō)好的需要深刻理解算法才能更好train出好model的么？

為什么算法模型損失函數(shù)優(yōu)化方法Tensorflow都內(nèi)置好了，而且只需要異常簡(jiǎn)單的調(diào)用就好了？

再后來(lái)，我接觸到了Keras，一個(gè)基于Tensorflow構(gòu)建的深度學(xué)習(xí)框架，當(dāng)然也有基于Theano的版本（Theano什么鬼，暫時(shí)你也可以不用關(guān)心的）。

當(dāng)用Keras寫(xiě)完第一個(gè)模型后我的心情真的是...

如果說(shuō)Tensorflow是可以把一個(gè)模型代碼量大大減少的框架，那么Keras就是讓模型代碼量可以少到掉渣的框架。

剛才跟大家說(shuō)了那么多貓狗分類器模型，現(xiàn)在就給大家看下這個(gè)分類器模型代碼在Keras框架可以少到什么程度?。?！

那么寥寥幾行代碼就把一個(gè)擁有著卷積層、池化層和全連接層并且使用Adam這個(gè)較高級(jí)優(yōu)化方法的深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)寫(xiě)出來(lái)了，你自己感受下在Keras下實(shí)現(xiàn)深度學(xué)習(xí)算法模型有多簡(jiǎn)單了吧...

有沒(méi)有為自己的驚奇發(fā)現(xiàn)感到開(kāi)心！

寫(xiě)在最后

“小白AI之路”第一篇文章已經(jīng)快到尾聲了，如果你堅(jiān)持看到了這里，那大概率你對(duì)AI的理解和認(rèn)知已經(jīng)擊敗了你朋友圈里90%經(jīng)常分享AI將改變世界取代人類的好友們。

接下來(lái)我們的目標(biāo)是從剩下的10%里往上爬，我也希望能夠通過(guò)更有趣、更直觀、更少數(shù)學(xué)的方式跟大家分享和學(xué)習(xí)AI相關(guān)知識(shí)。當(dāng)然我也還是一個(gè)AI世界的小學(xué)生，也還在努力地學(xué)習(xí)和奔跑。如果大家想要繼續(xù)follow這一些系列文章或者想要與我交流的，可以關(guān)注我的公眾號(hào)“小白AI之路（AI-Learning）”，當(dāng)然也可以加我的私人微信號(hào)“mayiyanzhi”做更多的探討和交流！

如果大家覺(jué)得還算有那么一丟丟的收獲并且身邊也有朋友在關(guān)注和學(xué)習(xí)AI的話，請(qǐng)隨肆無(wú)忌憚隨意分享哈！順便助我擺脫零粉絲蛤蛤蛤！

注：飯團(tuán)“AI產(chǎn)品經(jīng)理大本營(yíng)” ，是黃釗hanniman建立的、行業(yè)內(nèi)第一個(gè)“AI產(chǎn)品經(jīng)理成長(zhǎng)交流社區(qū)”，通過(guò)每天干貨分享、每月線下交流、每季職位內(nèi)推等方式，幫助大家完成“AI產(chǎn)品經(jīng)理成長(zhǎng)的實(shí)操路徑”，詳情可見(jiàn) http://fantuan.guokr.net/groups/219/ 。

---------------------

作者：黃釗hanniman，圖靈機(jī)器人-人才戰(zhàn)略官，前騰訊產(chǎn)品經(jīng)理，5年AI實(shí)戰(zhàn)經(jīng)驗(yàn)，8年互聯(lián)網(wǎng)背景，微信公眾號(hào)/知乎/在行ID“hanniman”，飯團(tuán)“AI產(chǎn)品經(jīng)理大本營(yíng)”，分享人工智能相關(guān)原創(chuàng)干貨，200頁(yè)P(yáng)PT《人工智能產(chǎn)品經(jīng)理的新起點(diǎn)》被業(yè)內(nèi)廣泛好評(píng)，下載量1萬(wàn)+。