chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

開(kāi)篇前，筆者啰嗦兩句。前幾篇文章，收到一些朋友反饋，你的文章不太好理解，能不能寫(xiě)簡(jiǎn)單易懂點(diǎn)？嗯，我已經(jīng)在努力了。說(shuō)實(shí)在的，寫(xiě)一個(gè)觀點(diǎn)，比寫(xiě)系統(tǒng)性的文章，好寫(xiě)太多了。還是在說(shuō)下我的堅(jiān)持吧：我希望我的文章，是能解決部分人的知識(shí)焦慮問(wèn)題，并且看完后是能指導(dǎo)行動(dòng)的。如果你覺(jué)得太晦澀了，有可能你不是這部分人；如果是，建議收藏起來(lái)，空了再讀一下或找我一起探討共同成長(zhǎng)。來(lái)，學(xué)海無(wú)涯苦作舟。

一、導(dǎo)語(yǔ)

這部分分3個(gè)點(diǎn)講述，為啥要寫(xiě)這篇文章、閱讀注意事項(xiàng)及全文內(nèi)容框架。

1、為啥要寫(xiě)

筆者并不是什么人工智能界的大牛，倒是接觸了些厲害的前輩，因此頂多就是入門吧，或者剛臨門一腳。因此，寫(xiě)這篇文章是有私心的：以教為學(xué)，通過(guò)系統(tǒng)梳理1年來(lái)，所學(xué)習(xí)、所思考的以及所實(shí)踐的零散知識(shí)點(diǎn)，以便能夠高效地指導(dǎo)日常工作。如果對(duì)你有些許幫助，我深感欣喜。

2、閱讀注意事項(xiàng)

跟大家提前交代下，避免有所誤解。文章講得并不是AlphaGo是如何一步一步戰(zhàn)勝柯潔的，也不是圖像識(shí)別算法實(shí)現(xiàn)原理。本文目的是通過(guò)串聯(lián)大數(shù)據(jù)工作中各知識(shí)模塊，以幫助大數(shù)據(jù)產(chǎn)品經(jīng)理推動(dòng)工作落地。因此：

2.1 側(cè)重人群

① 剛?cè)腴T的大數(shù)據(jù)產(chǎn)品經(jīng)理（偏業(yè)務(wù)端）

② 工作中有應(yīng)用土壤公司的產(chǎn)品經(jīng)理

③ 有計(jì)劃往這大數(shù)據(jù)行業(yè)進(jìn)行學(xué)習(xí)的產(chǎn)品經(jīng)理

2.2 文章內(nèi)容

① 內(nèi)容范圍涉及非常大，筆者也很擔(dān)心可能會(huì)失去重點(diǎn)，所以在每個(gè)章節(jié)盡可能都給出重點(diǎn)概念；

② 因?yàn)閷I(yè)術(shù)語(yǔ)偏多，我盡可能舉例通俗化，難理解的可跳過(guò)，收藏后再慢慢啃硬骨頭

2.3 筆者期望

期望目標(biāo)人群看完后，對(duì)開(kāi)展大數(shù)據(jù)產(chǎn)品工作所需的能力模型有宏觀認(rèn)識(shí)，同時(shí)能夠指導(dǎo)下一步學(xué)習(xí)行動(dòng)。

3、行文框架

本文將從3個(gè)方面講述，人工智能行業(yè)是怎么樣的、大數(shù)據(jù)產(chǎn)品應(yīng)該具備的軟實(shí)力和硬技能，以及推薦學(xué)習(xí)的內(nèi)容合集，見(jiàn)如下：

二、人工智能是什么

入門先入行，首先了解下到底什么是人工智能。該章節(jié)講從三方面講述，什么是人工智能，發(fā)展歷史以及人工智能的應(yīng)用場(chǎng)景。第二章節(jié)不會(huì)非常深入，點(diǎn)到即止，想詳細(xì)了解可以看我推薦的書(shū)籍及文章。

1、什么是人工智能

人工智能，是大家常說(shuō)的AI，全稱為：Artificial Intelligence。維基百科是這么解釋的：人工智能，任何能夠感知其環(huán)境并采取行動(dòng)以最大化其成功實(shí)現(xiàn)目標(biāo)的機(jī)制的設(shè)備。通俗點(diǎn)理解就是，機(jī)器能夠做一些類似人類的行動(dòng)，因?yàn)樗袢怂员毁x予了智能兩字。大牛對(duì)人工智能的分類有如下三種（來(lái)源網(wǎng)絡(luò)）

① 分析智能（弱人工智能）：產(chǎn)生世界的認(rèn)知表征，并使用基于過(guò)去經(jīng)驗(yàn)的學(xué)習(xí)來(lái)為未來(lái)的決策提供信息。

② 人類啟發(fā)智能（強(qiáng)人工智能）：包括認(rèn)知元素，人類情感、理解以及在決策中考慮它們

③ 人性化智能（超人工智能）：顯示了所有類型的能力（即認(rèn)知，情感和社交智能）的特征，能夠在與他人的交互中自我意識(shí)和自我意識(shí)。

2、發(fā)展歷史

回看人工智能這個(gè)領(lǐng)域的發(fā)展，真的是跌宕起伏的50年啊。就好比一個(gè)妃子，忽然得寵，春風(fēng)得意；忽然被打入冷宮，受盡折磨。為什么近些年這么火，得益于移動(dòng)互聯(lián)網(wǎng)沉淀了海量的數(shù)據(jù)和云計(jì)算能力的蓬勃發(fā)展。這段歷史我不展開(kāi)，大家記住兩點(diǎn)就好。

2.1 起源及人工智能之父

1956年在達(dá)特茅斯學(xué)院的一個(gè)研討會(huì)上，阿瑟·薩繆爾（人工智能之父）等人和他們的學(xué)生向會(huì)議展示了：一個(gè)具有自學(xué)習(xí)能力的西洋跳棋程序，通過(guò)大量分析，該程序能夠識(shí)別“好棋”和“壞棋”，并不斷提高弈棋水平，并把阿瑟·薩繆爾戰(zhàn)勝，震驚四座。此時(shí)，阿瑟·薩繆爾發(fā)明了“機(jī)器學(xué)習(xí)”一詞

2.2 關(guān)鍵的事件

① 50年代中后期的基于神經(jīng)網(wǎng)絡(luò)的“連接主義”

② 80年代的決策樹(shù)學(xué)習(xí)信息，仍為常用的機(jī)器學(xué)習(xí)技術(shù)

③ 21世紀(jì)初的多層神經(jīng)網(wǎng)絡(luò)，降低機(jī)器學(xué)習(xí)者的準(zhǔn)入門檻

（這里看不懂沒(méi)關(guān)系，可跳過(guò)）

3、人工智能應(yīng)用

人工智能的應(yīng)用可謂是涉及了：交通、金融、醫(yī)療、政府、軍事等等幾大行業(yè)，分別舉個(gè)例子：

交通：自動(dòng)駕駛，比如無(wú)人機(jī)、無(wú)人車

金融：供需規(guī)則的智能投顧服務(wù)和發(fā)欺詐決策引擎

醫(yī)療：智能醫(yī)療會(huì)有幾個(gè)方面，機(jī)器人、智能診斷、醫(yī)學(xué)影像等

政府：大數(shù)據(jù)下的智慧城市

軍事：軍用無(wú)人機(jī)

4、推薦學(xué)習(xí)

人工智能知識(shí)：維基百科，有時(shí)間可以好好讀讀上面的文獻(xiàn)。

https://en.wikipedia.org/wiki/Artificial_intelligence

書(shū)籍：《人工智能》國(guó)家人工智能戰(zhàn)略行動(dòng)抓手

三、大數(shù)據(jù)產(chǎn)品的能力模型

正如前文所描述的，目的能把日常的工作做成。筆者認(rèn)為，大數(shù)據(jù)產(chǎn)品的能力模型應(yīng)該包括兩方面：軟實(shí)力和硬技能。所謂，軟硬兼施才能拿下。

1、軟實(shí)力

要做好大數(shù)據(jù)的工作，建議你向兩種人學(xué)習(xí)，研究員：具備研究思維，指揮家：具備項(xiàng)目管理能力

1.1 做一個(gè)研究員

這里強(qiáng)調(diào)的是一種思維模式，有一種研究者的心態(tài)。內(nèi)容思考框架如腦圖所示，為了讓大家能夠理解，我舉個(gè)例子。

① 案例：老板把你叫到辦公室說(shuō)：小李子，你看看，我們app首頁(yè)的內(nèi)容都沒(méi)什么好看的，老是放這些東西，你想個(gè)辦法解決下。

② 筆者的分析思路會(huì)是如下

a 抽取問(wèn)題主干就是：老板不想點(diǎn)首頁(yè)內(nèi)容。

b 問(wèn)題的本質(zhì)：人與內(nèi)容連接問(wèn)題

c 生產(chǎn)鏈：內(nèi)容生產(chǎn)者、平臺(tái)、內(nèi)容消費(fèi)者。

d 所以用大數(shù)據(jù)解決：建立人和內(nèi)容的有效連接。從內(nèi)容生產(chǎn)者、平臺(tái)及內(nèi)容消費(fèi)者，都可以入手。

e 確定核心觀察指標(biāo)為：瀏覽點(diǎn)擊率，CTR。

f 確定行動(dòng)優(yōu)先級(jí)：根據(jù)當(dāng)下產(chǎn)品階段、運(yùn)營(yíng)人力情況，內(nèi)容端可以做內(nèi)容爬取、歸集、建模、平臺(tái)端可以做信息流類的個(gè)性化推薦。

1.2 做一個(gè)指揮家

為啥會(huì)強(qiáng)調(diào)這個(gè)項(xiàng)目管理的能力，主要一點(diǎn)是，大數(shù)據(jù)產(chǎn)品涉及的系統(tǒng)會(huì)非常之多，比如：業(yè)務(wù)系統(tǒng)、數(shù)據(jù)平臺(tái)、模型層、服務(wù)分發(fā)層等，作為應(yīng)用的業(yè)務(wù)應(yīng)用端，一方面對(duì)各系統(tǒng)都應(yīng)該有所了解，另外一方面推動(dòng)事情落地，還得要具備較強(qiáng)的項(xiàng)目管理能力。

項(xiàng)目管理的知識(shí)：推薦學(xué)習(xí)《PMBOK指南》叢書(shū)，有專門的PMP證書(shū)認(rèn)證考試的。雖說(shuō)不是給目前敏捷開(kāi)發(fā)量身定做的。但也很有用處。重點(diǎn)關(guān)注3各方面：時(shí)間管理、干系人管理和風(fēng)險(xiǎn)管理。我在這里就不展開(kāi)了，有空可以專題寫(xiě)寫(xiě)。

2、硬技能

不僅軟實(shí)力要強(qiáng)，硬技能也要杠杠的。筆者認(rèn)為，在做大數(shù)據(jù)產(chǎn)品的你應(yīng)該掌握以下3個(gè)硬技能：數(shù)學(xué)知識(shí)、大數(shù)據(jù)系統(tǒng)知識(shí)及大數(shù)據(jù)算法。

2.1 數(shù)學(xué)知識(shí)

在數(shù)據(jù)知識(shí)積累方面，建議學(xué)習(xí)：統(tǒng)計(jì)學(xué)和線性代數(shù)，以下我分別講講為啥要學(xué)以及學(xué)哪些？

2.1.1 統(tǒng)計(jì)學(xué)

① 定義：是收集、分析、表達(dá)和解釋數(shù)據(jù)的一門科學(xué)

② 為什么要懂

因?yàn)槿斯ぶ悄苁且獜暮Ａ繑?shù)據(jù)挖掘，分類、預(yù)測(cè)的，以便產(chǎn)生價(jià)值的。這個(gè)不懂點(diǎn)，做起來(lái)會(huì)比較吃力喔

③ 劃重點(diǎn)

清楚數(shù)據(jù)產(chǎn)生價(jià)值各環(huán)節(jié)知識(shí)點(diǎn)，數(shù)據(jù)樣本怎么采集，怎么清洗、采取什么樣的分析方法、怎么可視化、怎么驗(yàn)證等等，都需要懂一些

2.1.2 線性代數(shù)

① 定義：研究對(duì)象是向量，向量空間（或稱線性空間），線性變換和有限維的線性方程組

② 為什么要懂

因?yàn)楹芏嗟哪Ｐ湍Ｐ投紩?huì)將特征向量化，多維、等等，不懂點(diǎn)在看算法的時(shí)候，像是在看天書(shū)。

③ 劃重點(diǎn)

先看看大學(xué)數(shù)學(xué)里面的線性代數(shù)吧，雖說(shuō)筆者也覺(jué)得比較難。

2.1.3 推薦學(xué)習(xí)

①《統(tǒng)計(jì)學(xué)》第6版，中國(guó)人民大學(xué)出版社

② 大學(xué)線性代數(shù)教材

2.2 大數(shù)據(jù)系統(tǒng)

有了一定的數(shù)學(xué)知識(shí)，我們?cè)賮?lái)看看大數(shù)據(jù)的系統(tǒng)架構(gòu)有哪些知識(shí)點(diǎn)。主要分兩部分：系統(tǒng)架構(gòu)和數(shù)據(jù)庫(kù)知識(shí)

2.2.1 系統(tǒng)架構(gòu)

大數(shù)據(jù)系統(tǒng)框架，大都分為：底層數(shù)據(jù)、機(jī)器學(xué)習(xí)（算法層）、模型層、服務(wù)層、應(yīng)用層。

① 底層數(shù)據(jù)：大數(shù)據(jù)平臺(tái)，負(fù)責(zé)將所有業(yè)務(wù)系統(tǒng)數(shù)據(jù)及網(wǎng)上第三方數(shù)據(jù)采集，并對(duì)數(shù)據(jù)進(jìn)行清洗、結(jié)構(gòu)化并分類存儲(chǔ)，這一層尤為重要，數(shù)據(jù)是根基，是生命之本，所以大廠牛逼就在這里。

② 機(jī)器學(xué)習(xí)（算法層）：這一層算法工程師會(huì)在上面輸出很多算法，有離線的和在線的。后面將講到常見(jiàn)的算法及其局限性

③ 模型層：各類數(shù)據(jù)將根據(jù)業(yè)務(wù)目標(biāo)建立特征服務(wù)、用戶畫(huà)像、商品畫(huà)像，這里是需要算法和工程支撐的。

④ 服務(wù)層：負(fù)責(zé)根據(jù)算法、業(yè)務(wù)規(guī)則進(jìn)行召回，各算法單元進(jìn)行融合重排序的過(guò)程，有推薦引擎、調(diào)度引擎

⑤ 應(yīng)用層：業(yè)務(wù)系統(tǒng)的后端及前端系統(tǒng)，比如大家平時(shí)用的app

2.2.2 數(shù)據(jù)庫(kù)知識(shí)

知道了整體的系統(tǒng)架構(gòu)，還要多了解下大數(shù)據(jù)下的相關(guān)數(shù)據(jù)庫(kù)知識(shí)，不然跟開(kāi)發(fā)都接不上話。

① 數(shù)據(jù)存儲(chǔ)方面：

a 大數(shù)據(jù)存儲(chǔ)方式：分布式系統(tǒng)、NoSQL數(shù)據(jù)庫(kù)、云數(shù)據(jù)庫(kù)，大家有興趣去網(wǎng)上看看

b 了解公司的數(shù)據(jù)倉(cāng)庫(kù)：有哪些類型的數(shù)據(jù)，用戶行為數(shù)據(jù)、交易數(shù)據(jù)等

c 數(shù)據(jù)處理引擎：（摘自百度百科）

Flink：Apache軟件基金會(huì)開(kāi)發(fā)的開(kāi)源流處理框架，分布式流數(shù)據(jù)流引擎

Kafka：一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)，它可以處理消費(fèi)者規(guī)模的網(wǎng)站中的所有動(dòng)作流數(shù)據(jù)

Hadoop：分布式系統(tǒng)基礎(chǔ)架構(gòu)，HDFS為海量的數(shù)據(jù)提供了存儲(chǔ)，MapReduce則為海量的數(shù)據(jù)提供了計(jì)算

② 數(shù)據(jù)加工：

Spark：專為大規(guī)模數(shù)據(jù)處理而設(shè)計(jì)的快速通用的計(jì)算引擎

Hive：基于Hadoop的一個(gè)數(shù)據(jù)倉(cāng)庫(kù)工具，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫(kù)表，并提供簡(jiǎn)單的sql查詢功能

2.2.3 推薦學(xué)習(xí)

書(shū)籍《美團(tuán)機(jī)器學(xué)習(xí)實(shí)踐》、《機(jī)器學(xué)習(xí)》周志華、《推薦系統(tǒng)實(shí)戰(zhàn)》

2.3 算法應(yīng)用及局限性

為方便學(xué)習(xí)，貼腦圖如下：

2.3 人工智能延伸學(xué)習(xí)

如果真的要學(xué)深入，建議你研究多一些，叫思維學(xué)科，目前與社會(huì)科學(xué)、自然科學(xué)并行，成為3大學(xué)科之一，見(jiàn)腦圖如下

四、推薦內(nèi)容合集

上面講解了比較的內(nèi)容，都有一些推薦，在這里給大家整理如下，方面大家行動(dòng)起來(lái)。

bingo！終于寫(xiě)完了，對(duì)我自己來(lái)說(shuō)，通過(guò)整理、分享，方向性已經(jīng)很明確了，也知道往哪些方面學(xué)習(xí)。不知道你看了之后是什么感受？歡迎來(lái)找我探討喔。