«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