23 мин.
О базовых понятиях Machine Learning и AI в продуктах с Анной Трушкиной make sense podcast
-
- Технологии
«Самое главное, что требуется от менеджера продукта, — постановка задачи. Если ты работаешь с Data Scientist, ты должен четко понимать, какая проблема, какая гипотеза и под что мы оптимизируем. В зависимости от того, как поставлена задача, Data Scientist будет подбирать правильный алгоритм».
«Когда мы уже поставили задачу, поняли, под что мы оптимизируем, второй этап — мы смотрим на данные, которые нам доступны, и выбираем те data points, которые мы хотим использовать для достижения результата».
Собеседник: Анна Трушкина, Senior Product Manager, League Inc
LinkedIn: linkedin.com/in/anna-trushkina
Ведущий подкаста: Юра Агеев
ФБ: fb.com/ageev.yuri
Подписывайтесь на канал подкаста в Телеграме: t-do.ru/mspodcast
О чем говорим:
1:11 — Анна рассказывает о себе
2:46 — Как развивается применение Machine Learning
4:33 — В чем разница между Machine Learning и Artificial Intelligence
5:17 — Как Deep Learning соотносится с Machine Learning
6:16 — Где не стоит применять AI
7:58 — Как использовать AI для улучшения работы агрегатора
10:38 — Как Machine Learning повышает эффективность выдачи агрегатора для разных типов пользователей
14:51 — Насколько глубокие технические знания и навыки нужны менеджеру продукта
18:01 — В каких областях работы с алгоритмами важен вклад менеджера продукта
20:05 — С чего начать погружение в тему AI и Machine Learning
В подкасте мы упоминаем:
— Курс Эндрю Ына Deep Learning: http://bit.ly/3i4rUIW
— Курсы Master the Fundamentals of AI and Machine Learning на lynda.com: http://bit.ly/3oDjj2p
— Сообщество Open Data Science: http://bit.ly/3oFvv2r
— Книгу Кай-Фу Ли «Сверхдержавы искусственного интеллекта. Китай, Кремниевая долина и новый мировой порядок»: https://bit.ly/3bzEjn4
— Видео «Kai-Fu Lee: AI Superpowers — China and Silicon Valley»: https://bit.ly/2LJfbzk
«Самое главное, что требуется от менеджера продукта, — постановка задачи. Если ты работаешь с Data Scientist, ты должен четко понимать, какая проблема, какая гипотеза и под что мы оптимизируем. В зависимости от того, как поставлена задача, Data Scientist будет подбирать правильный алгоритм».
«Когда мы уже поставили задачу, поняли, под что мы оптимизируем, второй этап — мы смотрим на данные, которые нам доступны, и выбираем те data points, которые мы хотим использовать для достижения результата».
Собеседник: Анна Трушкина, Senior Product Manager, League Inc
LinkedIn: linkedin.com/in/anna-trushkina
Ведущий подкаста: Юра Агеев
ФБ: fb.com/ageev.yuri
Подписывайтесь на канал подкаста в Телеграме: t-do.ru/mspodcast
О чем говорим:
1:11 — Анна рассказывает о себе
2:46 — Как развивается применение Machine Learning
4:33 — В чем разница между Machine Learning и Artificial Intelligence
5:17 — Как Deep Learning соотносится с Machine Learning
6:16 — Где не стоит применять AI
7:58 — Как использовать AI для улучшения работы агрегатора
10:38 — Как Machine Learning повышает эффективность выдачи агрегатора для разных типов пользователей
14:51 — Насколько глубокие технические знания и навыки нужны менеджеру продукта
18:01 — В каких областях работы с алгоритмами важен вклад менеджера продукта
20:05 — С чего начать погружение в тему AI и Machine Learning
В подкасте мы упоминаем:
— Курс Эндрю Ына Deep Learning: http://bit.ly/3i4rUIW
— Курсы Master the Fundamentals of AI and Machine Learning на lynda.com: http://bit.ly/3oDjj2p
— Сообщество Open Data Science: http://bit.ly/3oFvv2r
— Книгу Кай-Фу Ли «Сверхдержавы искусственного интеллекта. Китай, Кремниевая долина и новый мировой порядок»: https://bit.ly/3bzEjn4
— Видео «Kai-Fu Lee: AI Superpowers — China and Silicon Valley»: https://bit.ly/2LJfbzk
23 мин.