　我认为管理人工智能产品最重要的是：

　　1.机器学习(ML)产品管理比一般软件更具挑战性，因为它涉及更多的不确定性。它不仅需要技术变革，还需要组织变革。

　　2.Ml最适合做决策或预测。

　　3.ML产品经理最重要的工作是明确定义问题、确定需求、制定衡量成功的标准，并为ML工程师提供足够的空间和时间来探索解决方案。

　　4.从第一天开始规划数据策略。

　　5.构建ml产品是跨领域的，而不仅仅是数据科学。

机器学习(ML)产品管理比一般软件更具挑战性

　　机器不需要人工指令，而是根据数据中确定的模式进行预测和改进。这就是为什么ml特别适合于那些在过去很难解释清楚的问题。这也意味着ml可以让你的产品更个性化，更自动化，更精确。

　　机器学习有三种类型：有监督学习、无监督学习和强化学习

　　人工智能没有一个普遍接受的定义，它的定义是不断变化的。一旦一个任务能被机器成功执行，这个任务就不再属于人工智能的范围。

　机器学习产品的可解释性和透明度

　　机器学习算法就像一个黑匣子，它接受输入(如图像)并输出预测(如图像中的人是什么)。这使得产品经理很难解释ML模型是如何工作的，也很难得到用户和相关单位的充分支持。

　　特别是在医疗保健等关键领域，责任归属和信息透明度至关重要。在不了解算法实际工作原理的情况下，如何保证ML模型与产品目标的一致性是一个很大的挑战。

　　“软件工程”一词最早出现在1965年，也就是编程语言出现15年后。大约20年后，成立了软件工程学院来管理软件工程的开发过程。今天，我们找到了软件工程的最佳实践。

　　相比之下，机器学习在1990年开始作为一个独立的领域蓬勃发展。深度学习是ML的一部分，它创造了图像识别和NLP领域的新纪录，但直到2012年alexnet的出现才被广泛讨论。

　　与软件工程相比，ML还处于起步阶段，因此它还缺乏行业标准、度量标准、基础设施和开发工具。因此，相关企业仍在探索最佳实践和流行应用。