叮嘟！这里是小啊呜的产品进阶读书笔记整理。好记性不如烂笔头，今天也是努力进步的一天。一起加油进阶吧！

一、今日阅读计划

04讲  如何当好AI时代的产品经理？（学习篇）

05讲  如何当好AI时代的产品经理？（实践篇）

06讲  产品案例分析·TheGuardian的文本之美

二、泛读&知识摘录

1、04讲 如何当好AI时代的产品经理？（学习篇）

（1） “唯一能持久的竞争优势是胜过竞争对手的学习能力。”——盖亚斯

（2）第一个问题：AI 时代的产品经理，要不要学算法

想要做人工智能的产品经理是必须要了解算法的。

（3）第二个问题：产品经理怎么学算法？

网课+书籍+论文。

目前行业中最受欢迎的视频是吴恩达教授（Andrew Ng）在 Coursera 上的机器学习教程，你可以在网易公开课上找到带中文字幕的版本。这一教程深入浅出介绍了机器学习的分类和方法。
台大李宏毅教授的课程。

（4）如何从网上的文章中抓出关键领域呢？

搜索“关键词+综述”或者“关键词+Review”

综述中会有很多针对同一主题的方法罗列和发展轨迹，也会包括每种方法的利弊和特点，针对你感兴趣的方法，可以从综述追到具体论文再做详细地研究。

（5）第三个问题：要不要真的写程序？

可以用更简单的方式去直观地感受和理解算法过程和结果。

产品经理与工程师最大的差异就是：我们不需要写程序。我们的核心价值也不在这里，所以 我们要掌握的，不是细节和实现，而是要明白每种算法背后的原理、机制和边界。只有这样，我们才能跟工程师站到同一个话语空间中，去实际推进具体的产品工作。

2、05讲 如何当好AI时代的产品经理？（实践篇）

（1） “纸上得来终觉浅，绝知此事要躬行。”——陆游

（2）产品与算法的结合粒度要小。

  产品经理应当把大颗粒的整体性领域算法拆成小颗粒的算法单元，并在此基础上寻找产品化可能。

这句话的意思是说，我们不能给算法团队提出一个很大的领域型需求，然后就坐等算法的突破，产品经理应当更小粒度地看待每个具体算法过程和环节，并评估是否有能够被产品化的成果。
过去产品和技术泾渭分明，但在 AI 时代，我认为这个界限应该被打破，产品经理要融入到技术过程中去，不止关注需求，更要关注供给，这样才能做出真正的好产品。

（3）无码科技-Readhub.cn

（4）要重视工程的力量。

工程至少可以在三个方面快速提高产品的价值分值：
    一是通过规则在算法的基础上对输入和输出数据做筛选和过滤（很多时候体现为大量的正则表达式）；
    二是通过工程帮助算法做降维，比如做人脸识别，我们不用把摄像头拍下的整张图片送进神经网络，而是通过工程的方法把图片中的脸截出来并且特征化之后再往算法里送；
    三是协助算法的训练，比如做手写数字识别，样本量不够的情况下，可以用工程的方法添加旋转和噪点，生成一些新的训练数据。

（5）利用产品最大化算法和工程的产出结果。

    一个常见的问题是，产品经理将一个 70 分的能力用到了 90 分或者 50 分的场景中，结果造成 用户的失落 或 技术能力的浪费。

AI 时代的产品经理应该非常 了解算法的能力边界，并设计出恰如其分的产品，同时也要 管理好用户的期望值，既不让用户觉得失落，也要发挥算法的最大价值。

（6）做好数据规划。

人工智能产品经理还有一个非常重要的职责，就是 规划、收集以及组织算法所需要的数据。

如何保证训练、测试集中的数据特性分布和最终场景中的数据一致；
如何获取足量的数据，并对它们进行低成本高效率的标注；
用什么样的方式清洗数据，甚至基于数据做出统计学分析，为算法提供参考？

产品经理应该要理解算法的数据输入要求和未来的算法应用场景，找到合适的数据源，合理合法地把这些数据收集下来，清洗干净；并有规划地划分开发、训练和测试集，以保证数据价值的最大化。

产品经理还应当想办法在业务中设计数据的闭环，通过产品的持续运转，不断生成更多数据提供给算法做训练。目前。大部分的训练过程还是离线的，但如果未来在线学习持续发展，通过这样的业务流程设计，就可以做到在线算法迭代更新。

盲目扩大数据量并不总是有用的，如果 数据的多样性 得不到保证，扩大数据规模对算法结果没有太大帮助，甚至如果数据特性分布出现问题导致训练数据有偏，还可能会造成算法的 过度拟合 和 表现下降。

（7）特种部队型选手：算是半个全栈工程师，能写脚本、能做数据、还懂业务。

（8）去完美主义，理解算法的不确定性。

摒除完美主义，利用产品机制去消化算法带来的不确定性。

算法有可能会错判和漏判，这都是产品经理需要理解和考虑的场景，并且要去通过产品设计去消化它。

我们评价一个 算法有效性 的方式，也要 从局部转向宏观，不能通过一条数据的推理结果去评价一个算法。

有时算法迭代升级，可能整体效果更好了，但单看某一条具体的测试数据，却可能比原来糟糕。
比如我们做命名实体识别，算法升级之后，在测试集中跑出来的 F 值更高了。
但可能某一条升级之前能够正确识别的语料在升级之后却不能识别了。

这是很正常的现象，尽管有点反直觉，但我们必须要把思维模式转变过来。

（9）小结

今天的五点思考：

第一点是产品经理要能够深入理解小粒度的算法，并将其产品化；
第二点要重视工程的力量，不要追求完全纯净的算法输出；
第三点是利用产品设计，最大化算法和工程的产出；
第四点是提到人工智能时代的产品经理一个特殊的职责，就是对数据的规划；
第五点我说到机器学习算法带来的思维模式变化。

3、06讲 产品案例分析·TheGuardian的文本之美

《卫报》（The Guardian）是英国的全国性综合内容日报。
      创刊于1821年，因总部设于曼彻斯特而称为《曼彻斯特卫报》。

英伦气质的愤青APP—卫报产品分析

（1）第一点，卡片设计

卫报客户端首页：有很多不同类型的卡片组合排列。

首先有三种标准卡片。

第一种是焦点图组合卡片，有图、有标题，下面还有一些可以横向滑动的卡片元素。
第二种小型图的卡片，这种卡片尺寸较小，一行可以放置多个。
第三种是纯字的卡片，卡片利用文字的颜色、底色和 Icon 区分不同的样式。

设计优点：即便有大量的文字，整体版面看起来也并不死板。

还有特制化卡片：
这种卡片除了文字或者图片之外，会根据卡片具体内容的模板做出特制化的设计。
特质化卡片的设计优点是：虽然信息的类型各异，却能够被卡片系统地整合起来，既规范美观，又不影响内容的形式的丰富性。

在产品设计中，当 不同类型与内容的信息需要在同样的架构下展示 时，使用卡片可以 规范整体的页面版式，使之整齐美观。与此同时，卡片设计也有自己的弊端，你需要根据不同的产品做出最佳的调整。

（2）第二点，文章中的扩展阅读

卫报客户端在内容的扩展阅读中也做出了独特的设计，当文中涉及一些延伸阅读的时候，文章里会 嵌入像组件一样的东西，帮助用户去理解它的上下文，获取更多的详细信息。

在产品设计上，产品经理也可以参考这样的一种方式：
  以一篇文章为起点，去串连起所有的上下文和背景信息。
  这样的设计优点可以让读者在一篇文章中获得沉浸阅读，并能够找到更多感兴趣的相关文章。

（3）第三点，手势导航设计

第一个场景：打开列表页后，点击进入一篇文章，
如果我们将手指放在屏幕中间向左或向右滑，这样的操作可以切换不同的文章查看详情；
如果我们将手指从边缘开始往右划，页面会回到列表页。

从屏幕中间滑和边缘滑动，效果是截然不同的，这是一个非常大胆的设计，优点和缺点都很有争议。

第二个场景：当从一篇文章的链接中跳转到另一篇文章时，
如果我们把手指按在中间向左滑的时候，并不会出现更多文章详情跳转；
而将手指向右滑的时候，导航抽屉会被打开，你可以从抽屉上定位到后面或者其他类目。

这样的设计十分巧妙，当用户以某篇文章为起点进行探索的时侯常常会脱离整体的信息架构。
这时用户是迷失在整个架构里面的，所以当我们在右滑的时候，系统会把导航展示给用户。
让用户快速找到回家的路。

手势导航的不同是一个非常大胆的设计。

因为它造成了一个应用中同样手势的不同反应，也许这样的设计会出现不稳定和混乱的感觉，但对于沉浸阅读来说，它或许又是一个十分优秀的交互设计。

这种设计是完全 根据用户路径去判断场景并给出反馈。或许，你可以将这样的思路用在其他产品设计中，扬长避短。

三、头脑风暴

1、你是否已经开始学习人工智能了呢？有没有遇到难以逾越的障碍，或有没有什么值得分享的学习经验？

学习能力是一个人的外挂。

四、小结

1、作为产品经理，要有敏锐的感受力，洞察前沿科技，并进行学习和了解；
2、要时刻明确产品经理的核心能力，不专注与技术细节，而是了解其背后的原理、机制和边界；
3、任何学习，都要给自己设定一个目标，并计划好学习步骤，在实践中进行反思和调整；

Ending！
更多阅读笔记记录随后再来吧！

就酱，嘎啦！

注：
人生在勤，不索何获。