文章分类 - AI-0
摘要：AI 应用，场景为王 好多人还把“学习 AI”等同于“学习 AI 工具”. 大错特错。 工具每天都在变、都在更新，但 AI 的能力其实就那么多。 收藏夹里一大堆，但大部分都不会再次打开。 学习，一定要掌握“以不变应万变”的本质。 我 2023 年的时候就总结过 AI的10个使用模式，一年多过去了，这
阅读全文
摘要：时间复杂度为 O(1) 表示一个算法的执行时间不随输入数据的规模（即问题的大小）变化而变化。换句话说，无论输入数据量多大，算法的执行时间都保持恒定。 理解 O(1) 时间复杂度 要理解 O(1) 时间复杂度，我们可以将其与其他时间复杂度进行比较： O(n)：线性时间复杂度，表示算法的执行时间与输入数
阅读全文
摘要：监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）是机器学习的两大核心类别，它们的主要区别在于训练数据是否有标签（Label）。 类别监督学习无监督学习 定义 训练数据有标签，模型学习特征与标签的关系 训练数据无标签，模型发现数据的隐藏模式
阅读全文
摘要：今天，我们先来聊聊很多同学都比较关注的用户增长模型，说说拉新模型怎么构建，以及模型效果怎么评估。 关于用户增长理论 首先，我们来说说什么是用户增长理论。关于用户增长有一个著名的模型——AARRR，它是 Acquisition、Activation、Retention、Revenue、Refer 这
阅读全文
摘要：AI 产品 PRD 文档与传统产品 PRD 的不同主要有以下三方面的不同： 第一，模型输出。 即算法目标，你要解决的是一个分类问题还是一个回归问题（输出是一个概率还是一个连续值）。 如果是一个概率值，并且是用在分类场景中的，你还要确定是否需要进行二次加工，比如在做高潜用户预测，模型输出的是一个概率值
阅读全文
摘要：归一化（Normalization：标准化、规范化）是一种数据预处理方法，主要用于将特征值缩放到一个固定范围（通常是 [0,1]或[−1,1]），旨在将不同量纲或范围的数据调整到统一的标准范围内，以提高机器学习算法的性能和收敛速度。 为什么需要归一化？ 消除量纲差异 不同特征的量纲（单位）可能差异巨
阅读全文
摘要：产品思维 无论科技如何进步，社会如何发展，人类的原生需求（需求的本质）都是不变的。 例如社交需求，从面对面沟通，到书信文字沟通、到电报、电话、手机、视频通话。都是随着科技和生产力的变换在变换。 现在AI也是一样，就和蒸汽机、电力、计算机，手机出现的时候一样，是一种新的生产力，新的方法，会让人类文明进
阅读全文
摘要：在正式开始学习之前，我想先给你讲一个我亲身经历过的小故事。 我最开始做 AI 项目的时候，碰到过一个预测员工离职可能性的产品需求。当时，因为我对算法技术不熟悉，所以我只告诉算法工程师，我们要做一个预测员工离职的模型。因此，算法同学按照自己的理解，把它做成了一个预测员工可能离职的排序，而不是离职的概率
阅读全文
摘要：对互联网公司来说，用户流失是我们必须关注的问题。例如我们公司的电商平台，一个问题就是，新用户增长缓慢，老用户不断流失。作为产品经理，我们该采取哪些措施，来降低用户的流失率呢？今天，我就通过我曾经主导过的一个预测用户流失的项目，带你了解一个 AI 产品从筹备到上线的全流程。 从中，你可以体会到 AI
阅读全文
摘要：前言 在自然语言处理（Natural Language Processing, NLP）的广阔领域中，命名实体识别（Named Entity Recognition, NER）是一项关键技术。它致力于从非结构化文本中识别和分类实体，例如人物、组织、地名、时间等。无论是在信息检索、语音助手还是机器翻译
阅读全文
摘要：自然语言处理（Natural Language Processing，简称NLP）是人工智能和语言学领域的一个分支，它旨在使计算机能够理解、解释和产生人类语言的内容。自然语言理解（Natural Language Understanding，简称NLU）是自然语言处理（NLP）中的核心组成部分，它使
阅读全文
浙公网安备 33010602011771号