转型AI产品经理，需要学那么深的算法和数学模型吗？

[nvkuanghan8]

转型AI产品经理之前，如果你没有系统的学习过AI的相关知识，那么本文可以让你不会再觉得AI是那么高不可攀、遥不可及，相反，AI是普通人也可以理解、学习和实现的。 最开始我也是和大部分人一样惊叹和憧憬于AI的神奇伟大无所不能，马上就要改变世界取代人类啊~但是最开始决定转型其实也是蛮纠结的，初期在网上看到经验分享，感觉机器学习的门槛真的是高的一逼啊。文章中各种出现高等数学、线性代数和概率论的东东， 把我这个学渣吓得瑟瑟发抖… 之后我开始疯狂的补各种高等数学、线性代数等理论知识，而后我得到的结论是：传统机器学习和深度学习的门槛并没有那么高，至少是以算法工程师为主要需求的“工程应用领域”的门槛，是没有那么高的。 AI是Artificial Intelligence的缩写，中文是大家广知的“人工智能”。 AI可以理解为让机器具备类似人的智能，从而代替人类去完成某些工作和任务。 但强人工智能在现实中的发展基本处于停滞状态，目前AI的研究和应用基本都集中在“弱人工智能”领域，弱人工智能可以理解为机器看起来像是智能的，但并不会具备知觉和意识。 弱人工智能领域的AI实现，可以分为两种方式：一种是通过对相关规则进行编程，让机器能够按照程序中存在的逻辑处理特定任务，从结果来上看机器是智能的；另一种是我们不给机器规则，取而代之，我们喂给机器大量的针对某一任务的数据，让机器自己去学习，继而挖掘出规律，从而具备完成某一任务的智能，这种方式，也就是我们今天的主角——机器学习。 浅层学习与深度学习（Deep Learning）相对，它的模型层次较浅，通常没有隐藏层或只有一层隐藏层。浅层学习常见的算法有线性回归、逻辑回归、随机森林、SVM、K-means、RBM、AutoEncoder、PCA、SOM等等。 深度学习的“深”是因为它通常会有较多的隐藏层，正是因为有那么多隐藏层存在，深度学习网络才拥有表达更复杂函数的能力，也才能够识别更复杂的特征，继而完成更复杂更amazing的任务。 AI其实就是我们给机器目前已有的数据，机器就会从这些数据里去找出一个最能满足这些数据的函数，当有新的数据需要预测的时候，机器就可以通过这个函数去预测出这个新数据对应的结果是什么。 看完之后其实明白：万物自有其道，人世间多少复杂的东西到末了还是要归于纯粹啊。