Что надо знать продакт менеджеру про Машинное Обучение и нейронные сети и Искусственный Интеллект?

Машинное обучение, алгоритмы, big data, искусственный интеллект, data science — если вы крутитесь в сфере IT, то все эти слова вам должны быть знакомыми или, может быть даже, понятными. Но если при каждом их упоминании, ваше выражение лица вдруг приобретает образ глубокой задумчивости, то вы, вероятно, не раз задавались вопросом «а как это вообще работает?» и «для чего это нужно?» и, что самое главное, «нужно ли это мне?».

Нужно ли это мне?

О навыках, опыте и качествах, необходимых продакт-менеджеру сказано немало, и если вы в самом начале пути или хотите развиваться в профессии, то прочтите статью от лектора по продакт-менеджменту Гарвардского университета, Джулии Остин, где она раскрывает суть этой позиции. Однако вне зависимости от уровня вашего опыта, сегодня важно понимать, что применение data science — это тренд, в связи с чем, методы управления проектами претерпевают коренные изменения, а инновационные технологии уже присутствуют в нашем мире в том или ином виде. Например, в известном приложении и фотохостинге Pinterest используется рекомендательная модель, над которой работала его команда дата-инженеров и аналитиков больших данных. Ее суть — в использовании алгоритмов МО, с помощью которых строится модель рекомендаций. Она анализирует данные запросов пользователя и предлагать ему наиболее подходящие фото. Рекомендательные модели используют в своих приложениях и сайтах Facebook, LinkedIn, Netflix, Instagram. Еще один пример ИИ — чат-боты, которые набрали большую популярность в бизнесе и применяются в мессенджерах Telegram, VK, Facebook. Они также используют МО для выявления модели диалогов. Боты анализируют данные для поиска лучшего ответа и могут вручную дополняться новыми скриптами при уникальном запросе, становясь умнее с каждым новым диалогом. 

Продакт-менеджер может прийти из какой угодно области, и вовсе не обязательно технической. Но каждому из них, безотносительно бэкграунда, регулярно нужно будет решать две задачи: оценивать возможности и определять создаваемый продукт. Идеи для развития или создания продукта могут поступать от пользователей, команды по развитию бизнеса, CEO, разработчиков, но видеть, предлагать и, что еще важнее, отстаивать лучшие из них — это задача продакт-менеджера. И чтобы руководить продуктом с интегрированным ИИ, изобретать инновационные технологии не придётся, но понимать принципы ИИ и МО просто необходимо. Это будет значить сделать шаг навстречу своей команде и продукту. Таким образом, вы сможете чётче представить потенциал продукта и возможные пути его развития. 

Курс по data-driven management от Skillfactory за 4 недели научит вас основам data-driven подхода. Вы сможете построить аналитическую инфраструктуру и освоить практические аспекты внедрения в бизнес big data и AI. Отзывы выпускников смотрите по ссылке.

Курс «Data-driven management»
Идет набор в группу 6 300₽ в месяц

Как начать учиться основам ИИ и с чего начать?

Марк Крамер, AI Product Manager, PARC для Xerox, в своей статье Learnin’​ Good All This AI Stuff for Product Management советует начать с программирования. Просто научитесь кодить, хотя бы чуть-чуть. Если для вас это что-то невероятное и совсем далекое, то попробуйте конкретный язык, например, Python. Многие программисты начинали свою карьеру именно с самостоятельного изучения Python. Если времени на поиск информации и плана обучения нет, то можно пройти курс от Skillfactory с учителем онлайн. За 8 недель вы сможете прорешать больше 500 задач по 20 темам и станете частью живого сообщества в Slack. Вы сможете задавать вопросы другим студентам и команде поддержки SkillFactory, делиться опытом и искать ошибки в коде. 

После изучения основ Python и получения навыков программирования, Марк Крамер советует переходить к основам ИИ и делится целым рядом полезных онлайн-курсов: 

Udacity Deep Learning Nanodegree 

«…Это первый мой курс, я прошел его, еще не написав ни строчки на Python (Начинать с нуля не рекомендую — у меня были глубокие знания в Java и R). Я был участником самой первой группы, проходившей курс, поэтому иногда были свои шероховатости, но все равно это было здорово и забавно. Я сразу подсел на этот курс. У Udacity сейчас есть еще один курс «AI Nanodegree», но я его не пробовал…»

Coursera Machine Learning, Стэнфордский университет 

«Этот курс я тоже проходил, и он — просто фантастика. Профессор Эндрю Нг — замечательный педагог и то, как он систематизирует ваши знания, просто великолепно. Для курса нужен Matlab (вы можете использовать Octave бесплатно), что сразу отсеивает некоторых студентов, но оно того стоит…»

Coursera Deep Learning Specialization, Стэнфордский университет 

«…Этот курс я проходил, правда как часть курса Стэнфордского университета CS230 (смотрите ниже), снова с профессором Эндрю Нг. Как и его курс по МО, он просто отличный…»

Coursera Machine Learning Foundations, Вашингтонский университет

«…Сам я его не проходил, но мне его очень рекомендовал мой друг Энтони Стивенс, Global Enterprise AI Architect, IBM…»

fast.ai

«…Этот курс я не проходил, но слышал, что он очень известный, к тому же, бесплатный. Они обещают, что глубокие знания математики не понадобятся. Оставьте свой комментарий, если вам есть что о нем сказать…»

EdX Artificial Intelligence

«…Его я тоже не проходил, но слышал очень хорошие отзывы…»

Udacity AI Product Manager Nanodegree

«…Этот курс звучит как то, что нужно, и я фанат Udacity Deep Learning Nanodegree, но он не технический (программирование не требуется), поэтому я сомневаюсь. Ни я, ни кто другой его ещё не проходил, потому что его объявили только вчера…»

DS
Специализация Data Science
Идет набор в группу 12 500₽ в месяц

Другой продуктолог, Иаиль Гавиш, Product Management Consultant в Facebook, в своей статье The Step-By-Step PM Guide to Building Machine Learning Based Products сначала отмечает ресурсы для самостоятельного изучения ИИ и МО: Github и TensorFlow. Эти два источника помогут вам получить первое представление об ИИ, однако при более глубоком изучении могут показаться сложными для понимания. 

Сам гайд состоит из 6 этапов, вы можете прочесть весь, но мы особенно рекомендуем остановиться на этапе #2 и #4. На этапе #2 продуктолог раскрывает основные технические термины МО и их суть. А на 4м этапе Иаиль Гавиш говорит о структуре самой команды и ее возможных изменениях в контексте ИИ. 

Очевидно, что одним из основных качеств продакт-менеджера должно быть желание учиться. Мы все невольно узнаем что-то новое, общаясь с профессионалами. А когда в вашей команде сразу несколько экспертов из разных областей, и сама она меняется от проекта к проекту, невозможно, будучи продакт-менеджером, оставаться за пределами этого взаимодействия и не открывать для себя что-то полезное. Может быть, для кого-то это и есть ежедневная мотивация. 

Что ж, мы надеемся, что вам пригодятся советы и рекомендации опытных продуктологов, и вы вдохновитесь на новые знания. И совсем скоро с легкостью сможете поддержать беседу на тему ИИ и МО.

текст: Любицкая Дарья

Поделиться:
Опубликовано в рубрике Product ManagementTagged ,

SkillFactory.Рассылка