引:通过互动暖场以及看下大家对AI的掌握情况以及对AI市场的敏感度 1.用户分群、推荐、销量预测用的是回归、分类还是聚类 2.大家看到哪些新的AI交互,提高了产品设计能力或者体验的创新 一、产品和市场等也要懂的AI知识:了解AI边界 - 机器学习和AI的关系(传统机器学习(高维特征建模、深度学习-自然语言处理,四象限说明人和AI关系)
- 机器学习(一种实现AI的方法论)全流程以及算法工程师和产品、市场如何配合
- 问题定义:主要分为预测类任务(推荐系统、人群画像等)和生成类任务(生产力提升的内容生产)
- 分类任务(定义、应用场景和常见的算法举例)
- 聚类任务(定义、应用场景和常见的算法举例)
- 案例:美团闪送利用聚类任务构建用户画像,基于场景找到新的增长点
- 回归任务(重点讲,定义、应用场景和常见的算法举例以及和分类、聚类任务的不同,返回具体数值)
- 案例:美团流失预测,判断流失概率以及不同方式召回的可能性
- 数据处理的四大步骤
- 数据收集(业务数据、大模型自主学习)
- 数据清理
- 案例:字节如何利用AI能力和以及产品设计能力对所缺数据进行补齐
- 数据标注
- 数据切分(训练集和测试集的比例以及切分的注意事项)
- 案例:美团或者信用卡/贷款高流失风险用户模型设计为例数据处理四大步骤进行串讲以及每个步骤的作用,尤其是注意事项
- 让大模型学习我的知识怎么给他喂数据的概念理解(长文本、RAG、微调)也能明白市面上AI大模型为什么迭代
- 特征工程(重要)
- 案例:美团或者信用卡/贷款流失风险用户特征搭建,找一个特征,效果提升10%
- 模型训练的4种学习方式
- 模型评估
- 离线评估(特征和模型评估)的三个方法和评估指标:评估模型本身效果、稳定和精准
- 在线评估:数据分析,大多A/B实验
- 模型应用
二、深度学习 - 自然语言
- 深度学习是什么,工作过程
- 自然语言处理的系统组成
- 自然语言识别的五大类问题,简单讲解问题
- CV
三、Agent:2025年是agent元年 - Agent定义和三个分类
- Agent具备的能力
- Agent通用的设计框架
- 金融行业在监管、合规和法务的要求下如何更好的应用Agent
- 幻觉问题没处理好,agent可以作为调度中心
四、AI和传统产品经理设计的四大不同 - 产品设计思维的变化:场景-用户-需求的基础上新增和AI的关系
- 案例:以四象限为核心,讲解AI在营销、推荐、客服等应用中和AI的关系
- 从单点极致到深度融合:2025年是Agent元年
- 案例:美团或者oppo利用AI-agent提高推荐转化效率(从被动到主动服务,内部研发ing)
- 第一步:夯实基础能力-单模态、单数据、功能级AI体验
- 第二步:提留存-多模态、单主体归属/多数据联合处理,系统级AI体验
- 第三步:提渗透-多主体归属/多数据联合处理,生态级AI体验
- 从以功能为核心到以角色为核心
- 从二段论产品设计到三段论产品设计
五、AI时代对产品经理的能力要求 六、AI带来用户体验的变化 - AI赋能用户体验的设计挑战
- AI技术在设计领域的应用前景
- AI增强用户体验的6个能力
- 面对AI的不确定性(模糊、泛化),如何让应对带来的风险和问题
总结:GUI、CUI、agent设计的不同以及在应用场景 |