编辑推荐
《本书全面解析机器学习，助力产品经理沟通与应用》
内容简介
本书在内容上尽可能地涵盖了主流机器学习算法的基础知识。通过学习本书，产品经理能够掌握机器学习的基本流程、主流算法的核心思想与实现逻辑，为与技术人员沟通打下坚实基础。同时，书中将介绍作者对算法与产品方法论结合的思考，让产品经理能更好地理解机器学习算法，并且在工作中运用。
章节目录
封面
作者简介
扉页
版权信息
名家好评
前言
目录
1 机器学习入门
1.1 什么是机器学习
1.1.1 人类学习VS机器学习
1.1.2 机器学习三要素
1.2 什么问题适合用机器学习方法解决
1.2.1 必备条件
1.2.2 机器学习可解决的问题
1.3 机器学习的过程
1.3.1 机器学习的三个阶段
1.3.2 模型的训练及选择
1.4 机器学习的类型
1.4.1 有监督学习
1.4.2 无监督学习
1.4.3 半监督学习
1.4.4 强化学习
1.5 产品经理的经验之谈
2 数据的准备工作
2.1 数据预处理
2.1.1 为什么要做数据预处理
2.1.2 数据清洗
2.1.3 数据集成
2.1.4 数据变换
2.1.5 数据归约
2.2 特征工程
2.2.1 如何进行特征工程
2.2.2 特征构建
2.2.3 特征提取
2.2.4 特征选择
2.3 产品经理的经验之谈
3 了解你手上的数据
3.1 你真的了解数据吗
3.1.1 机器学习的数据统计思维
3.1.2 数据集
3.1.3 数据维度
3.1.4 数据类型
3.2 让数据更直观的方法
3.2.1 直方图
3.2.2 散点图
3.3 常用的评价模型效果指标
3.3.1 混淆矩阵
3.3.2 准确率
3.3.3 精确率与召回率
3.3.4 F值
3.3.5 ROC曲线
3.3.6 AUC值
3.4 产品经理的经验之谈
4 趋势预测专家：回归分析
4.1 什么是回归分析
4.2 线性回归
4.2.1 一元线性回归
4.2.2 多元线性回归
4.3 如何评价回归模型的效果
4.4 逻辑回归
4.4.1 从线性到非线性
4.4.2 引入Sigmoid函数
4.5 梯度下降法
4.5.1 梯度下降原理
4.5.2 梯度下降的特点
4.6 产品经理的经验之谈
5 最容易理解的分类算法：决策树
5.1 生活中的决策树
5.2 决策树原理
5.3 决策树实现过程
5.3.1 ID3算法
5.3.2 决策树剪枝
5.4 ID3算法的限制与改进
5.4.1 ID3算法存在的问题
5.4.2 C4.5算法的出现
5.4.3 CART算法
5.4.4 三种树的对比
5.5 决策树的应用
5.6 产品经理的经验之谈
6 垃圾邮件克星：朴素贝叶斯算法
6.1 什么是朴素贝叶斯
6.1.1 一个流量预测的场景
6.1.2 朴素贝叶斯登场
6.2 朴素贝叶斯如何计算
6.2.1 理论概率与条件概率
6.2.2 引入贝叶斯定理
6.2.3 贝叶斯定理有什么用
6.3 朴素贝叶斯的实际应用
6.3.1 垃圾邮件的克星
6.3.2 朴素贝叶斯的实现过程
6.4 进一步的提升
6.4.1 词袋子困境
6.4.2 多项式模型与伯努利模型
6.5 产品经理的经验之谈
7 模拟人类思考过程：神经网络
7.1 最简单的神经元模型
7.1.1 从生物学到机器学习
7.1.2 神经元模型
7.2 感知机
7.2.1 基础感知机原理
7.2.2 感知机的限制
7.3 多层神经网络与误差逆传播算法
7.3.1 从单层到多层神经网络
7.3.2 巧用BP算法解决计算问题
7.4 RBF神经网络
7.4.1 全连接与局部连接
7.4.2 改变激活函数
7.5 产品经理的经验之谈
8 求解支持向量机
8.1 线性支持向量机
8.1.1 区分咖啡豆
8.1.2 支持向量来帮忙
8.2 线性支持向量机推导过程
8.2.1 SVM的数学定义
8.2.2 拉格朗日乘子法
8.2.3 对偶问题求解
8.2.4 SMO算法
8.3 非线性支持向量机与核函数
8.4 软间隔支持向量机
8.5 支持向量机的不足之处
8.6 产品经理的经验之谈
9 要想模型效果好，集成算法少不了
9.1 个体与集成
9.1.1 三个臭皮匠赛过诸葛亮
9.1.2 人多一定力量大吗
9.2 Boosting族算法
9.2.1 Boosting是什么
9.2.2 AdaBoost如何增强
9.2.3 梯度下降与决策树集成
9.3 Bagging族算法
9.3.1 Bagging是什么
9.3.2 随机森林算法
9.4 两类集成算法的对比
9.5 产品经理的经验之谈
10 透过现象看本质，全靠降维来帮忙
10.1 K近邻学习法
10.1.1 “人以群分”的算法
10.1.2 如何实现KNN算法
10.2 从高维到低维的转换
10.2.1 维数过高带来的问题
10.2.2 什么是降维
10.3 主成分分析法
10.3.1 PCA原理
10.3.2 PCA的特点与作用
10.4 线性判别分析法
10.5 流形学习算法
10.6 产品经理的经验之谈
11 图像识别与卷积神经网络
11.1 图像识别的准备工作
11.1.1 从电影走进现实
11.1.2 图像的表达
11.1.3 图像采集与预处理
11.2 卷积神经网络
11.2.1 卷积运算
11.2.2 什么是卷积神经网络
11.3 人脸识别技术
11.3.1 人脸检测
11.3.2 人脸识别
11.3.3 人脸识别的效果评价方法
11.4 产品经理的经验之谈
12 自然语言处理与循环神经网络
12.1 自然语言处理概述
12.1.1 什么是自然语言处理
12.1.2 为什么计算机难以理解语言
12.2 初识循环神经网络
12.2.1 CNN为什么不能处理文本
12.2.2 循环神经网络登场
12.2.3 RNN的结构
12.3 RNN的实现方式
12.3.1 引入BPTT求解RNN
12.3.2 梯度消失问题
12.4 RNN的提升
12.4.1 长期依赖问题
12.4.2 处理长序列能手——LSTM
12.5 产品经理的经验之谈
13 AI绘画与生成对抗网络
13.1 初识生成对抗网络
13.1.1 猫和老鼠的游戏
13.1.2 生成网络是什么
13.1.3 判别检验
13.1.4 生成对抗的过程
13.2 生成对抗网络的应用
13.2.1 GAN的特点
13.2.2 GAN的应用场景
13.3 生成对抗网络的提升
13.3.1 强强联合的DCGAN
13.3.2 通过BEGAN化繁为简
13.3.3 对GAN的更多期待
13.4 产品经理的经验之谈
参考资料
产品经理进阶：100个案例搞懂人工智能是2019年由电子工业出版社出版,作者林中翘。
得书感谢您对《产品经理进阶：100个案例搞懂人工智能》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
