https://www.toutiao.com/a6671600787744883213/
如果你还不了解AI的准确含义，请查看我之前的文章：
写完如上4篇文章我其实是挺冷静的，因为AI不过如此，没什么太值得着急的，社会肯定是要进步的，AI也肯定会渗透到各行各业；
但是看完FastAI的介绍，我不淡定了，突然觉得世界上竟然还有这么聪明的人，开发出了一套这么聪明的框架，然后用这么聪明的教学方式，在教我们用最聪明的方式训练出前沿水平（state of the art）的深度学习模型。
这里得再强调下这个前沿水平，就是前沿到有些论文中还没有出现过的技术，后面的文章中会说到。
1. 为什么要起这样一个标题不知道你们会误会成什么样子，反正我想表达的就是，这是一个易用性极高的代码级的工具，但是有点基础的产品经理也可以掌握，掌握之后的效果就是：但凡有个想法，你只需要15分钟，或者半个小时，就能训练出一个准确度还不错的深度学习模型，甚至可以一键部署到线上。
2. 为什么产品经理需要学会这项技能产品经理的职责我会分成3部分：需求分析，产品设计，开发推进，然后结合AI First的发展趋势，我们看下这3项核心技能会发生什么变化。
首先人机交互这件事儿会越来越接近人人交互，AI的终极目标就是让人分辨不出来为你提供服务的是机器还是真人，而现在，科技正在加速这一趋势的演化，比如语音识别，机器翻译，电脑正在越来越懂人类的语言，并且以指数级的速度进化，后面的实践中会有专门的一个案例讲自然语言处理，你就可以清晰的看懂机器是怎么以普通人无法想象的科学高效的方式学习。（额外收获：研究深度学习真的可以让你重新认识学习这件事儿，明明是机器在和人类学习学习方法，但很多人类的学习方法真的不如机器）
人人交互的发展趋势会让用户体验这件事情变得更加的幕后，不再需要一个笨拙的界面，还要专门设置个引导界面来告诉用户点这里代表什么，点那里代表什么。
举个例子：“订机票”这件事情，以后的交互方式，就是通过语音，告诉AI我需要几号到哪里的机票，界面的作用最多就是个选项列表，用户找到自己喜欢的价格，点击确认就ok了。
所以产品设计这件事情正在被弱化，以后的交互方式就是人和人对话的方式，不需要产品经理按照主流的设计规范，再去设计交互动画，再去思考用户怎么能更容易理解这个按钮背后的意思……不需要了，以后的交互界面可能最主要的就是个选项列表。
其次是需求分析，这依然是PM的核心技能，在AI项目中，PM的核心价值就是告诉团队该做什么，详见
人人都能搞懂的AI（三）- 企业中搭建AI
-4.AI在团队中的角色。但是要搞清楚做什么，就得清晰理解AI的边界，虽然之前的文章中泛泛的讲解了很多AI能做什么不能做什么，但商业场景中，我们需要寻找的就是：如何把有点难实现的东西，变成可以实现的，这才是创造价值。这就很微妙了，需要建立在非常灵敏的AI产品直觉上，所以学习FastAI就是不断的通过实践，来培养产品直觉。
最后是开发推进，FastAI是可以帮助我们最快度的搭建一个AI，但这并不能成为一个商业应用，商业应用还需要考虑稳定型、可扩展性、安全性等一系列维度，所以这时候还是要依赖AI工程师做出一个更健壮的AI模型，而这时候一个AI demo，加上对深度学习方法的运作方式的理解，就可以非常顺利和工程师建立顺畅的沟通，一个良好的沟通胜过一切。
所以，综上理解了深度学习的内核，加上快速搭建一个可用的AI demo，将是AI产品经理一个强大的利器。
3. 怎么学习FastAIJeremy老师给出了非常清晰的介绍
首先你需要有高中数学的基础，1年coding的经历（最好是Python），7周的时间，最后还需要的英语阅读的基础（当然你能借助翻译搞定也是ok的）
其次你需要一个有GPU的开发环境，为了运行Jupyter Notebook（一个超级易用的代码演示的工具，因为可交互和调试）和里面的代码，如何配置-官网有全面的介绍，这里不过多介绍，当然他最推荐的是Google Cloud Plantform，第一年有免费的300美金，足够用来学习。
最后就是打开他的视频课程，不断的动手实践。我从Youtube上把视频弄下来了，加了机器翻译的字幕，放到了bilibili（点击阅读原文），如果想看原版，页面上也有链接。
4. 为什么选择FastAI首先简单介绍下它的创始人，Jeremy Howard：19岁，别⼈才刚开始上⼤学的年纪，Jeremy 已经在⻨肯锡年⼊20万美元了；⼀个管理咨询界的⼈物，跑去 Kaggle 参赛，结果因为成绩太好，⼀年后就成了 Kaggle 的主席和⾸席科学家；他用FastAI展示的语⾔模型迁移学习分类效果，许多已经超过⽬前最优⽔平。
然后再介绍FastAI，这是一套在Pytorch基础上封装的框架，主要是让Pytorch更易用。其实FastAI的诞生还挺曲折，一开始Jeremy一直在用Keras，一套基于TensorFlow的框架，但是当他想要把深度学习的运作过程拆解出来给学生看的时候，发现是个黑盒，没法讲，这是第一点；而第二点是因为TensorFlow无法很好的处理NLP（自然语言处理）中的注意力模型，而NLP又是一个很核心的研究方向。
而当时Pytorch刚出没多久，并且愿意给Jeremy提供更详细的文档，更透明的技术支持，所以他放弃Keras，自己开发了一套FastAI，而实际效果也非常出众：更精简的代码，更高的运行效率，更好的演示解构内核，更多最佳实践，更容易理解，更好的处理表格数据，更好的和python结合……还有很多更学术的，放到之后再讲吧。
5. 聪明和善意最后再说一点，非常喜欢Jeremy这个人，不仅仅是非常聪明，真的，看看他的文档，看看他说话的方式，授课的思路，不得不佩服，一个免费的公开课，我觉得比大部分的付费课程都要好，真的认真思考，我觉得学到的不仅仅是如何实践AI这件事儿。
其次说说他的善意：专注于让更多人用上AI，并且用AI改善生活，解决工作中遇到的问题；他说：我们的商业模式，是花⾃⼰的钱做事，帮⼈们学深度学习，连资助我们都不要。
还有一点，没心没肺到什么程度了（前文提到了没有发表的技术），他不喜欢写论文，但特别喜欢实践，所以整个教程都在围绕实践，甚至在课程⾥⾯直接讲解还没有在学术期刊上发表的前沿内容，就是为了让学生们能得到更好的模型，比如这篇ULMfit 语⾔模型论⽂。
最后附上这张帅气的大脑门
，下一篇会从第一个案例开讲，就是图片分类器，比如我做了个猫咪分类器，的确特别好用。