UCAM人工智能产品经理培训课程

您将会获得:

  • 掌握成为人工智能(AI)产品经理所需要的知识和技能。
  • 通过学习获得AI产品项目实际开发经验。
  • 考试合格由联合国CIFAL中心颁发“UCAM人工智能产品经理”证书。
  • 取得证书者可申请就业推荐服务。

课程背景:

当前AI技术的发展已经从实验室转化为现实生产力。要实现这一转变,在各行各业都需要大量能将技术和需求对接的AI产品经理。因此,如果您正在传统行业从事管理工作,尤其是有过项目研发或设计经验,那现在正是进军AI行业的好时机!因为AI行业正迫切地需要解决应用场景的问题。而现在AI行业发展的盲区或许就在你熟悉的领域里。因此,“AI产品经理”很有可能是你职业转型的一条“快车道”。

课程目标:

  • 掌握AI等创新产品开发相关的理论、思维方式和基本原则。
  • 掌握创新企业的产品开发流程、工具和方法。
  • 掌握创新团队的管理方法。
  • 掌握机器学习和深度学习的概念、算法、流程、开发框架等人工智能行业通用知识,
  • 掌握人工智能产品的主要应用场景,如知识图谱、视觉、语音识别、自然语言处理、机器人等,以及其开发中需要掌握的专业知识。
  • 具备一定的AI开发编程知识和技能。
  • 掌握运用多种人工智能技术在某一具体领域的产品开发方案设计和实施过程,能分析并解决此过程中遇到的问题。

谁应当参加:

本课程为那些准备转行AI产品经理的专业人士设计,包括但不限于:非AI行业的产品经理、项目经理、需求分析师、设计师、解决方案专家、营销经理、运营经理等。虽然并非必须,但建议报读本课程应具备2年以上管理工作经验。有实际产品开发工作经验更佳。若无实际管理工作经验,建议至少具备硕士以上学历。

课程大纲:

第一阶段:通用产品开发管理

AI产品经理首先是产品经理。在这部分学习中您将系统掌握成为产品经理所需要掌握的思维方式,以及相应的专业知识和技能,如理论、流程、工具及方法。为后续学习AI专业知识提供必须的产品管理知识和技能基础。同时,完成学习后,您将可以参加“UCPM产品经理”证书的考核,这张证书也是报考“UCAM人工智能产品经理”证书的前置要求。

  1. 产品开发的组织环境
  2. 产品团队管理及管理概论
  3. 产品领导力
  4. 产品思维及产品管理者的系统思考
  5. 产品心理学
  6. 产品组合管理
  7. 精益创业
  8. 分阶段审核的产品开发流程
  9. 创新理论、方法和工具
  10. 用户体验及用户研究方法
  11. 用户行为设计
  12. 商业模式设计
  13. 产品设计与测试流程及方法
  14. 用户运营及产品营销管理
  15. 产品生命周期管理及退市管理

第二阶段:AI技术和AI产品开发和管理

这部分内容将帮助你掌握成为AI产品经理所需要的知识和技能。课程主要讲解机器学习和深度学习的概念、算法、流程、开发框架等人工智能行业通用知识,人工智能产品的主要应用场景,如知识图谱、视觉、语音识别、自然语言处理、机器人等开发中需要掌握的专业知识。以及运用精益创业、敏捷等方法开发人工智能产品的具体流程和方法。并能运用相应知识解决人工智能产品开发过程中的实际问题。同时,您还将同步学习AI相关的开发技术知识和技能。让您对AI应用开发有直观的了解,并能在未来自信有效地和开发团队共同完成开发项目。

  1. 人工智能的定义、历史和发展
    a) 达特茅斯会议
    b) 图灵机
    i. 有限自动机
    ii. 表达式文法
    iii. LL 文法
    c) 人工智能发展历史
  2. 2. 人工智能的分类
    a) 弱人工智能
    i. 专家系统
    ii. 决策支持系统
    iii. 自然语言处理
    iv. 机器学习
    b) 强人工智能
    i. ChatGPT
    ii. Stable Diffusion
    c) 超人工智能
  3. 人工智能的法律和伦理学问题
    a)AI 对个人的影响
    i. 安全(自动驾驶、微软聊天机器人)
    ii. 隐私和数据保护(预防犯罪、反冒名顶替)
    iii. 自由和自主
    iv. 人的尊严
    b)AI 对社会的影响
    i. 公平和公正
    ii. 责任和问责
    iii. 透明
    iv. 数据化和监控
    v. 人工智能可控性
    vi. 民主和民权
    vii. 工作替换
    viii. 人际关系
    c) AI 对环境的影响
    i. 自然资源
    ii. 能源
    iii. 环保
    iv. 可持续性
  4. Python 编程基础
    a) Python 安装、编辑和运行
    b) 常量、整型、浮点型、布尔型
    c) 算术表达式、关系表达式、逻辑表达式、位运算表达式、条件表达式
    d) 字符串及其运算
    e) 类型转换
    f) 变量和赋值运算
    g) 条件和循环语句
    h) 其他语句
    i) 函数(定义、参数、调用、返回)
    j) 列表及其运算
    k) 集合及其运算
    l) 字典及其运算
    m) 类:封装和继承
    n) 类:构造函数、成员函数、类函数
    o) 类:重定义
    p) 类:运算符函数
    q) 输入输出
    r) import 引用
    s) pip 和包
    t) 网络和爬虫
    u) Excel 表格处理
    v) numpy 矩阵运算
    w) matplotlib 绘图
    x) openCV 计算机视觉
  5. 程序设计方法
    a) 分治法
    b) 递归程序设计
    c) 面向对象程序设计
  6. 传统人工智能
    a) 搜索
    i. 搜索树、结点、状态ii. 宽度优先搜索(最短路径)
    iii. 深度优先搜索
    iv. A*算法
    b) 博弈
    i. 博弈树
    ii. Alpha-Beta 剪裁
    c) 逻辑推理
    i. 谓词逻辑推理
    ii. Prolog 语言
  7. 机器学习
    a)机器学习建模
    i. 模型
    ii. 反馈
    b)数据和样本
    i. 模型的参数
    ii. 样本和模型的关系
    c)线性回归
    i. 分类和回归
    ii. 线性回归
    iii. 最小二乘法和线性回归的关系
    iv. 岭回归
    v. 拉索回归
    d)决策树
    i. 评价标准(信息熵、基尼系数和错误率)
    ii. ID3 算法
    iii. C4.5 算法
    e) AdaBoost 二分类算法
    f) GBDT 分类算法
    g)EM算法
    h) SVM 决策树
    i) KMeans聚类算法
    j)贝叶斯网络
    i. 贝叶斯公式
    ii. 朴素贝叶斯方法
    iii. 从贝叶斯公式到贝叶斯网络
    iv. 马尔可夫链
    v. 隐马尔可夫链
  8. 深度学习
    a) 梯度下降法
    b)反向传播原理
    c)深度学习框架原理
    d)常用的深度学习开源框架
    i. Tensorflow
    ii. Pytorch
    iii. Keras
    iv. Mxnet
    v. Caffe
    e)三层神经网络
    i. 全连接
    ii. 激活函数
    iii. 样本和拟合
    1)样本的四个要素
    2)过拟合
    3) 欠拟合
    f)卷积神经网络 CNN 与图像处理
    i. 一维卷积
    ii. 二维卷积
    iii. CNN 应用
    iv. 残差神经网络 ResNet
    v. 人脸识别和夹角余弦
    vi. 语义分割和实例分割
    vii. VAE 模型
    1)最简单的 VAE 及其应用
    2)生成模型
    3)Pix2Pix 的实现
    4)两类风格转换
    5)多类风格转换
    viii. 大模型
    ix. 扩散模型和 AIGC
    g) 循环神经网络 RNN 与自然语言处理
    i. 简单 RNN
    ii. LSTMiii. 多层 LSTM、双向 LSTM
    iv. 字词向量
    v. 诗歌创作
    vi. 中文分词
    vii. RNN 与 CNN 的结合
    viii. 翻译模型和注意力机制
    ix. 阅读理解
    x. 多轮对话
    h) 目标检测
    i. RCNN
    ii. Fast RCNN
    iii. Faster RCNN
    iv. SSD
    v. Yolo
  9. 强化学习的相关概念
    a) 智能体,环境、行为、状态、奖励、策略、值、折算因子
    b) 马尔科夫决算过程
    c) Q-learning
  10. 迁移学习
    a) 领域、源领域、目标领域和任务
    b) 迁移学习的分类和方法
    c) 数据标注的概念、类型和流程。
  11. 人工智能在计算机视觉领域的应用
    a) 图像处理(高分辨率、彩色化)
    b) 图像分类
    c) 目标检测
    d) 图像分割
    e) 目标跟踪
    f) 图像生成(换脸、表情转化、动画)
    g) 立体视觉
  12. 人工智能在语音识别领域的应用
    a) 声学模型训练和识别
    b) 语言模型构建
    c) 端到端深度学习
    d) 语音识别
    e) 声纹识别。
  13. 知识图谱
    a) 知识图谱的表示、设计、构建及应用
    b) 知识图谱在自然语言处理领域的应用:翻译、阅读理解和多轮对话
  14. 多模态概念
  15. 机器人
    a) 硬件体系和主要组成结构:处理器、传感器、执行机构、动力源
    b) 机器人感知和运动规划及控制
    c) 机器人技术在工业、物流、交通等领域的应用。
  16. 人工智能产品开发的常用产品开发流程
    a) 运用产品思维开发人工智能的决策方法
    b) 人工智能产品立项的评估标准及方法
    c) 根据需求在迭代开发中定义每个迭代周期的开发目标,
    d) MVP,基于指标评估产品价值的方法
    e) 开发和测试阶段的领导力
    f) 引导敏捷开发
    g) 和开发团队的协作

第三阶段:AI实战项目分析

由讲师深入具体地介绍某一个具体产品开发方案设计过程。例如:运用多种人工智能技术在无人驾驶、制造业、医疗、金融、教育、电子政务、电子商务等某一领域的具体产品开发方案及过程。学生将学习在实际工作中会遇到哪些问题?并能分析并解决开发过程中遇到的问题。本阶段您还将参加“UCAM人工智能产品经理”的考试。

课时:

225课时,业余班1年。线上或面授模式。

联合国可持续发展证书:

“联合国可持续发展目标能力建设项目”是由联合国训练研究所Cifal中心按照“联合国2030可持续发展目标”开展的国际化人才能力建设体系。

联合国训练研究所 (U. N.Institute for Training and Research — UNITAR) 于1963年根据联合国大会1934号决议(ⅩⅧ)成立,其总部设在日内瓦。其主要职能在于通过建设国际化标准的培训项目认证体系为成员国政府部门、机构或个人提供优质的教育研究服务。

考试及证书:

本课程包含了考试:

  • 通过编号101的产品经理测评考试,可获得由联合国训练研究所CIFAL中心颁发的“UCPM产品经理证书”。
  • 在此基础上,通过编号208的人工智能产品经理能力测评考试,可获得由联合国训练研究所CIFAL中心颁发的“UCAM人工智能产品经理证书”。
unsdgt_certificate_sample_ucpm_180x255

UCPM 产品经理证书样本

unsdgt_certificate_sample_ucam_180x255

UCAM 人工智能产品经理证书样本

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注