Профессия AI Product Manager
О чём курс
О чём курс
Читатель освоит профессию специалиста по управлению продуктами на базе Data Science и искусственного интеллекта и пройдет полный цикл их создания: от формирования бизнес-стратегии и оценки экономической выгоды до практического взаимодействия с инженерами и вывода на рынок.
Что внутри
Обучение разделено на четыре ключевых тематических блока:
- Введение в профессию: специфика рынка Data Science, ключевые драйверы развития сферы и особенности лидерства в проектах на базе искусственного интеллекта.
- Управление разработкой: методики экономической оценки, правила постановки технических заданий, разбор типичных ошибок внедрения и управление ML-командой.
- Инструментарий: архитектура решений, практическое применение технологий компьютерного зрения и обработки естественного языка, а также использование сервисов AIaaS (Amazon AWS ML, Google Cloud AI, IBM Watson).
- Работа с данными: подготовка датасетов, прототипирование с помощью Google AutoML, выбор фичей, обеспечение безопасности и работа с метриками качества моделей.
Приобретаемые навыки
В процессе обучения слушатели осваивают прикладные компетенции, необходимые AI продакт-менеджеру:
- Формулирование задач для Data Science-команд и выстраивание Data Driven-управления в компании.
- Разработка архитектуры систем машинного обучения, включая чат-боты, рекомендательные системы и визуальные классификаторы.
- Оценка качества моделей и рисков смещения данных, а также расчет экономической эффективности внедряемых технологий.
Программа обучения
Раздел 1. Введение в профессию менеджера Al-продукта
- Программа состоит из модулей:
- Новые запросы рынка: в чем необходимость и ценность Data Science-продактов
- Профессия: AI продакт-менеджер
- Движущие факторы искусственного интеллекта
- Нехватка лидерства в ИИ-решениях
- Data Science-инструменты для создания механизмов рекомендаций
- AI-решения и бизнес
- Вы научитесь:
- Определять задачи для Data Science-продактов
- Осознавать тренды Data Driven-управления
- Определять необходимость и выгоду внедрения AI-решений
- Разрабатывать стратегию по внедрению AI/ML решений
- Определять возможности DS-инструментов в выполнении реальных бизнес-задач
- Для того, чтобы:
- Понимать принципы Data Science-управления в AI/ML-продуктах
- Помогать бизнесу заработать на внедрении технологии
- Эффективно строить процесс разработки и коммуникации в команде
- Понимать необходимость AI/ML в том или ином случае
- Ориентироваться в реальных бизнес-задачах
Раздел 2. Управление продуктом на базе AI/ML разработки
- Программа состоит из модулей:
- Введение: AI в бизнесе. Бизнес-цели в эпоху ИИ
- AI ноу-хау для менеджеров по продукту
- Факап-сессия "Примеры неудачного внедрения AI-решений"
- Управление командой ML/AI-специалистов: чеклист внедрения ML/AI-задач и лучшие практики управления AI/ML-командой
- Вы научитесь:
- Разрабатывать экономические обоснования и стратегию по внедрению ИИ
- Разбираться в терминологии AI и подходах машинного обучения
- Разрабатывать стратегию данных в AI
- Использовать ML-фреймворки в управлении DS-продуктом
- Разбираться в общих технологических аспектах Data Science based-решений (AI/ML)
- Разбираться в особенностях коммуникации с AI-командой
- Ставить технические задания для ML-команды
- Разбираться в кейсах DS-продуктов
- Понимать, где AI/ML-решения нужны, а где их внедрять не стоит
- Для того, чтобы:
- Оптимизировать экономику продукта, основанного на данных
- Разговаривать с разработчиками и заказчиками на одном языке
- Составлять план по введению технологии для бизнеса
- Раскрывать существующие решения, изучая и внедряя лучшие практики
Раздел 3. AI-инструментарий
- Программа состоит из модулей:
- Архитектура AI-систем
- Возможные перспективы продуктового использования AI/ML
- Воркшоп: "Разработка и управление DS-продукта для FinTech"
- Вы научитесь:
- Различать области применения различных ML, включая классификаторы и регрессоры
- Различать возможности естественного языка: обработка голоса/речи и компьютерное зрение
- Строить архитектуру систем машинного обучения для цифрового channel chatbot, механизма переговоров и визуального классификатора
- Использовать ML-фреймворки в управлении DS-продуктом
- Уметь внедрять AI в производственной деятельности и сервисном бизнесе
- Пользоваться технологиями AIaaS — Amazon AWS Machine Learning, Google Cloud AI, IBM Watson
- Для того, чтобы:
- Уметь составить прототип для оперативных валидаций гипотез
- Четко описывать требования к архитектуре
- Понять прикладное использование возможностей NLP, CV
- Ориентироваться в популярных AI-решениях и основных поставщиках услуг
- Рассчитывать эффективность и необходимость использования Amazon AWS ML, Google CloudAI, IBM Watson в продуктовых бизнес-задачах
Раздел 4. Данные и управление Data Science-решениями
- Программа состоит из модулей:
- Работа с данными
- Работа с датасетами: Big Data, модели и выбор фичей
- Работа с датасетами: построение моделей
- Воркшоп: собираем датасеты, создаем модель с Google Auto ML
- Data в UX: как улучшать CX/UX, принимая решения на данных
- Data Science-инструменты как средство рекомендаций, а не предсказаний
- Вы научитесь:
- Понимать требования к инфраструктуре искусственного интеллекта и способы преодоления общих препятствий при ее внедрении
- Оценивать готовность данных к реализации конкретных возможностей ML/ИИ в бизнес-контексте и использовать это для оценки целесообразности вариантов использования
- Выбирать DS-модели
- Работать с Google Auto ML: собирать, размечать и проверять данные
- Измерять воздействия и усовершенствование моделей с учетом данных
- Избегать нежелательного смещения, обеспечивать безопасность и соответствие нормативным требованиям, масштабировать продукт
- Разбираться с моделью AUR-ROC
- Для того, чтобы:
- Эффективно ставить задачи DS-специалистам и ML-инженерам
- Разрабатывать общую архитектуру дата-флоу
- Оценивать экономический эффект для бизнеса
- Повышать качество данных, на основе которых принимаются решения
- Повышать качество предиктивных и NLP/Chatbot-решений
- Улучшать коммуникацию и взаимодействие с техническими командами
- Понимать специфику “начинки” продукта
- Ставить команде качественные технические задания
Запишитесь бесплатно — цена упадёт для всех
У автора этот материал стоит 51 000 ₽. В складчине сумму делят на всех: чем больше участников, тем меньше взнос каждого.
1 Оставляете email Без оплаты и без карты. Пришлём, как занять место в складчине на нашем основном сайте.
2 Складчина набирает людей Сейчас 16 участников и взнос 3 754 ₽. Ещё 45 человек — и он опустится до 990 ₽.
3 Открывается сбор Присылаем итоговую цену. Устроит — платите и получаете материалы. Нет — просто не платите.
- 15 016 ₽ 4 уч.
- 7 508 ₽ 8 уч.
- 3 754 ₽ 16 уч. сейчас
- 990 ₽ 61 уч. цель
Запись ни к чему не обязывает: платите, только если итоговый взнос вас устроит.
Теги курса
Другие материалы школы 12
Skillfactory Все материалыОтзывов пока нет. Будьте первым!
Этот курс сейчас в процессе организации складчины. Нажмите кнопку «Записаться» и ожидайте старта — вам придёт уведомление. Когда складчина стартует, в карточке курса будет указан актуальный взнос. Текущая цена пока в процессе формирования и может отличаться от финальной.
Да, мы стремимся, чтобы финальный взнос был не больше ≈10% от оригинальной цены курса. Чем больше участников записывается в складчину, тем ниже выходит взнос для каждого.
Нажмите кнопку «Записаться» и авторизуйтесь на сайте через email (через ту же почту, которую будете использовать для входа). В личном кабинете вас будут ждать инструкции, как пригласить других участников — чем больше людей записалось, тем быстрее стартует складчина и тем ниже взнос. Как только складчина готова к приобретению, вам придёт уведомление.