轉自： 問答專場 PMCAFF
嘉賓介紹
田宇洲，北京大學碩士，現字節跳動lark團隊AI高級產品經理，負責IM產品智能落地工作，曾擔任北京電信產品經理和58同城高級AI產品經理，分別負責B2B電商平臺從0到1搭建，58 AI建模平臺產品設計工作。編輯產品設計文章近40篇，喜歡閱讀，樂於分享。
擅長：遊戲化產品設計，產品設計心理學，電商前後端產品設計，內容服務產品設計，AI產品設計-機器學習方向。
Q1. AI產品經理需要掌握哪些核心算法概念？
這個問題我們拆解開看，先說AI產品經理，我個人接觸到的AI產品經理可以分爲兩類，一類是將機器學習和深度學習能力產品化的產品經理，如阿里PI，第四範式先知平臺的產品經理，或者BI系統中負責機器學習算法模塊組件化抽象的產品經理；一類是AI解決方案產品經理，也就是將AI技術（機器學習，深度學習等技術）應用於業務或用戶使用場景中，解決問題的產品經理。前者更偏向算法，後者更偏向場景，我個人認爲，這兩類產品都未必需要掌握ai算法，因爲算法底層都是大量的數學推導過程，掌握門檻奇高，從現在這個時間點來看，如果掌握AI算法那就直接去建模工程師就好，市場缺口極大，薪酬待遇剛畢業就可以達到年薪25萬+，所以我認爲AI產品經理更多的事瞭解算法的應用場景，大概的實現邏輯，不同的算法應用中優勢在哪，劣勢在哪，可以實現的邊界在哪，這是AI產品經理需要關注的，即使是強算法關聯的工具型AI產品經理，其實也沒必要太執着於掌握算法，當然，就跟很多偏工程屬性的產品或數據產品類似，掌握算法可以有助於產品與開發工程師和算法工程師溝通，但並不是必須。
如果只是上文中所說，我們要了解一些常用的算法，機器學習中的算法可以分爲幾大類，分類算法（二分類和多分類），迴歸算法，聚類算法，時間序列算法，推薦算法，具體常用算法如下圖所示，至於算法的概念大家可以google查詢算法詳情，這裏不再贅述。
Q2. 人工智能、機器學習、深度學習三者的區別是什麼？
這三個概念是包含關係，人工智能包含機器學習，機器學習包含深度學習，從20世紀50年代開始，隨着算法的演化，數據的完善，算力的提升，逐步演化出來，如下圖所示：
Q3. 國內外知名機器學習建模工具產品都有什麼哪些？各自的優勢是什麼？
國內：
阿里PI：使用方便，使用淘寶賬號即可登錄，使用資源按運算量或包月計算，支持算法多，實現了包含分類，迴歸，聚類，時間序列，文本分析，深度學習多算法的算子抽象，初學者可以結合案例學習使用
第四範式先知平臺：平臺已經不支持註冊使用，需要提交企業應用場景，申請審覈才能使用，相比於阿里pai簡化建模流程，體驗更好。同時，第四範式有專門支持自動化機器學習的平臺，但是爲開放使用。
國外：
DATAROBOT：自動化建模，使用方式類似於第四範式，但是申請後沒有迴應，從產品介紹和解決方案來看，datarobot支持高效的多模型自動學習過程，操作簡單，幾步點擊便可以構建出一套機器學習模型，同時上百個模型並行運算跑出最優模型，並對預測結果給出專業的可視化分析，請google搜索datarobot查看詳情。
R2.ai：端到端完成數據清洗到模型搭建，非機器學習專家也可使用，高級數據質檢、調參和算法選擇等功能，供機器學習專家手動調教模型，比肩人類數據科學家，不斷自學習改進建模流程，建模速度可達小時/分鐘級，透明可追溯的建模流程。
Q4. 機器學習的基礎算法原理及應用場景是怎樣的？
從解決問題的角度來看，機器學習可以抽象出來幾類算法，二分類，多分類，聚類，迴歸，推薦，時間序列等，算法的基礎原理都是數學定力或公式，如樸素貝葉斯算法就是基於樸素貝葉斯原理，樹模型的基礎是決策樹，線性模型的基礎是找圖特徵的權重，下面介紹一下機器學習算法的應用場景和常用模型，如下表所示：
|
類型 |
常用算法 |
應用場景 |
|
二分類 |
gbdt
隨機森林
xgboost
lightgbm
lr
svm |
將業務問題抽象成0和1的問題，監督學習，模型效果評估指標：auc
常用場景：預測心臟病；預測用戶是否有購買某個商品的興趣；預測用戶是否會流失等 |
|
多分類 |
隨機森林
決策樹
xgboost
lightgbm
樸素貝葉斯
神經網絡
lr |
把業務問題抽象成多個分類，監督學習，建模同學一般會將多分類問題變成二分類問題，
常用場景：預測用戶類型，預測用戶收入分段，預測用戶年齡段等 |
|
聚類 |
KMEANS
GMM |
無監督學習，將數據根據設定的分組數聚成多個組
常用場景：用戶畫像，發現用戶共性特徵；爲分類模型聚類特徵 |
|
迴歸 |
gbdt
隨機森林
決策樹
xgboost
線性迴歸 |
預測數值
常用場景：預測明天房價，預測第二天股價，預測用戶收入 |
|
推薦 |
協同過濾 |
推薦可以從人的角度或者商品（內容）角度進行推薦，但是不管怎麼樣，都繞不開幾個條件，這是推薦的基本條件：
1.根據和你共同喜好的人來給你推薦
2.根據你喜歡的物品找出和它相似的來給你推薦
3.根據你給出的關鍵字來給你推薦，這實際上就退化成搜索算法了
4.根據上面的幾種條件組合起來給你推薦
常用場景：電商商品推薦，內容服務產品內容推薦等 |
|
時間序列 |
預測未來一段時間內不同時刻的數值，被預測數據要具有規律性，常用場景如下：
預測未來7天股票價格 |
Q5. 未來3-5年內，哪個方向的機器學習人才最緊缺？爲什麼？
《中國ICT人才生態白皮書》顯示，到2018年底，我國人工智能人才缺口將突破100萬，到2020年，這個數字將攀升到226萬，我個人理解所謂的人才缺口是那些可以應用ai技術解決問題的人，也就是ai技術的應用人才非常緊缺。滴滴ai實驗室負責人曾經分享過，制約ai項目落地的5個因素：數據，算法，算力，人才，場景。數據未來一定是企業的重要資產，如果沒有數據就別談智能化賦能，算法基本上都是開源的，硬件算力和成本符合摩爾定律，也不是太大問題，現在國內外大廠都在做自動化建模平臺或組件化建模平臺，這將極大降低建模門檻，所以我認爲，未來3-5年內，那些瞭解ai技術，掌握建模工具，熟悉業務場景，可以將業務問題抽象成建模問題，並通過ai技術優化業務的人是緊缺資源，原因如上所述。
Q6. 遊戲化產品設計是怎樣的？遊戲化產品設計的優勢是什麼？
先從遊戲化的概念來看，遊戲化是指用遊戲設計方法和遊戲元素來重新設計並進行非遊戲類事務的思維方式。設計方法包括：角色、等級、任務、獎勵等。可以看出，遊戲化就是將遊戲中的一些設計應用於非遊戲場景中，現在在教育，企業管理等領域都有很多成熟的遊戲化案例，因爲遊戲在影響人的行爲方面有很好的效果，其實互聯網很多產品設計都有遊戲化的影子，如會員體系，等級體系，任務體系，積分體系，勳章體系等，這都是典型的遊戲化元素。遊戲化產品設計會讓產品設計者從人性的角度思考，如何讓功能設計的更加有趣，更加容易理解，更加形成互動（對抗或互助）等。
Q7. 電商平臺從0-1搭建過程中，在產品設計上的核心難點是什麼？
電商已經是非常成熟的一類產品，市面上介紹電商平臺的書很多，可參考的競品也非常多，我個人理解，從0到1搭建電商平臺的核心難點是對自身業務的理解，對業務痛點的把握，如何將業務需求產品化是主要難點。
Q8. 產品經理如何利用心理學優化產品設計嗎？
大家都知道產品經理需要理解用戶，有很多用戶調研的方法，但是我認爲產品經理理解用戶可以從生物學，心理學，社會心理學，腦神經科學找出一些底層的人類行爲規律，比如說心理學告訴我們人們會有從衆行爲，而且更偏向於與自己同屬性的用戶羣體採取相同的行爲，產品設計中我們可以告訴用戶有多少用戶已經購買了某個商品，電商中的已收數量；心理學告訴我們相比於獲得，人們更恐懼損失，所以存在強大的損失厭惡，電商中的倒計時庫存量進度條就是構造的一種損失可能場景，影響用戶行爲，加速用戶購買；淘寶商城跨年和雙十一活動有清空購物車的活動，其底層心理學原因是執行意向，那些將商品加入購物車的用戶會更傾向於購買該商品，即使沒有獲得免單清空購物車的大獎，因爲加入購物車這個行爲本身就給自己一個暗示我要買這個商品，這就是一種執行意向。熟悉心理學可以讓我們設計產品的時候知其所以然，也可以快速的舉一反三。
Q9. 對於產品設計，您有什麼相關書籍推薦嗎？推薦的理由是什麼？
產品經理推薦書單很多，我個人偏向於將產品能力拆解爲三個基礎層次，基礎能力，辦公能力和專項能力，不同的能力需要閱讀的書籍不同，產品設計是個很寬泛的概念，這個問題不是很聚焦，不同類的產品需要看不同的書籍，個人感覺豆瓣的這個書單很不錯，https://www.douban.com/doulist/46211518/ 分享給你，結合自己需要去選擇自己需要的材料，畢竟每個人基礎知識不同，不同的經歷可能導致同一本書看出來多個版本，所以很多經典值得常看，所以結合自己能力和需要選擇材料纔是關鍵，畢竟篩選學習資料也是產品經理很重要的一項能力。