AI &毫升

2021年我们的数据和人工智能雷达上有5件事

编程、运营、人工智能和云计算将在2021年走向何方

跟踪O'Reilly在线学习趋势，看看接下来会发生什么。

我们最喜欢的问题

问一些非常简单的问题通常会引发讨论，而不是更复杂的技术问题。

部署后的AI产品管理

当产品发布时，人工智能产品经理的工作还没有结束。部署后，pm需要继续参与。

如何设定AI目标

识别人工智能机会和设定适当的目标是人工智能成功的关键，但在实践中可能很难做到。造成这种情况的原因包括缺乏人工智能知识、成熟度和许多其他因素。

与AI的成对编程

为什么“最佳品种”比“一体化”数据科学平台更好

由开源软件构建的一体化平台使执行某些工作流变得容易，但使探索和超越这些边界变得困难。

将人工智能产品推向市场

以前的文章已经介绍了AI产品管理的基础知识。现在我们来谈谈关键问题:如何将产品推向市场?

权力、危害和数据

数据往往带有偏见。但这不是真正的问题。为什么会有偏见?我们如何建立对这种偏见敏感的团队?

人工智能、抗议和正义

COVID-19和复杂系统

危机时刻的决策

一个糟糕的结果并不意味着一个糟糕的决定

机器学习和生产差距

找回算法讲述的故事

对别人身上的数字感到好奇可以帮助我们更明智地使用数据——也能更清楚地了解他人。

当AI失败时该怎么做

AI产品经理的实用技能

当模特无处不在

数据隐私领导者苹果(Apple)是如何发现自己陷入数据道德灾难的

成功的公司将保护、争取和授权他们的用户