Аарти Шринивасан имеет большой опыт работы в мире технологий. Теперь она директор по продукту в Target и объяснит, что означают машинное обучение и блокчейн для будущего цифрового бизнеса. В настоящее время она занимается изучением возможностей новых технологий и задач, которые они ставят перед менеджерами по продуктам и другими бизнес-ролями. Прочтите и узнайте, как использовать машинное обучение и блокчейн!

Познакомьтесь с Арти Шринивасан

Арти Шринивасан в настоящее время является директором по управлению продуктами в Target, отвечая за персонализацию, машинное обучение и блокчейн. В прошлом она занимала руководящие должности PM в таких компаниях, как Oracle, IBM, JPMorgan Chase, Intuit, Financial Engines и WalmartLabs. Она выступала спикером и писала статьи для Product School, ProductCon Conference и многих других технических сообществ. Поэтому она хорошо разбирается во всех аспектах, таких как продуктовая стратегия, определение продукта, бережливое тестирование и анализ данных.

Как вы относитесь к Tech Singularity? То есть грядущая революция, которую принесут экспоненциально мощные технологии, такие как искусственный интеллект, автоматизация и блокчейн. От скептицизма покойного Стивена Хокинга до полного принятия Марком Цукербергом — существуют все оттенки отношения к этой трансформации. Аарти прояснит, как использовать его во благо; особенно для того, чтобы расти как бизнес, который удовлетворяет как наши потребности, так и потребности наших клиентов и пользователей.

Основные моменты машинного обучения и блокчейна для продакт-менеджеров

Искусственный интеллект: давайте на одной странице

  • Искусственный интеллект. Способность машины имитировать разумное поведение человека.
  • Машинное обучение: заставить компьютеры учиться или распознавать что-либо без явного программирования.
  • Глубокое обучение. Тип машинного обучения, который может обрабатывать более широкий спектр ресурсов данных, требует меньше предварительной обработки данных людьми.

Типы машинного обучения

  • Алгоритмы обучения без учителя: сюда входят описательные алгоритмы, которые заглядывают в прошлое; предсказательные, понимающие будущее и предписывающие, которые советуют исход.
  • Обучение под наблюдением. В этой категории их много. Некоторые примеры включают: линейные регрессии (цена бриллианта по размеру, форме и т. д.); логистическая регрессия для классификации (доброкачественные или злокачественные диагнозы); линейно-квадратичный анализ (вероятность закрытия продажи); деревья решений (процессы найма)…

Типы глубокого обучения

  • Сверточная нейронная сеть: многоуровневая нейронная сеть, предназначенная для извлечения все более сложных характеристик данных на каждом уровне для определения выходных данных.
  • Рекуррентная нейронная сеть: многослойная нейронная сеть, которая может хранить информацию в узлах контекста, позволяя ей изучать последовательности данных и выводить число или другую последовательность.

Технологические платформы блокчейна и будущее

  • Блокчейн — это растущий список цифровых записей или блоков, которые защищены и связаны между собой. Каждый блок содержит ссылку хеш-значения на предыдущий блок, отметку времени и данные.
  • Они могут быть без разрешений (любой может участвовать и проверять) или разрешенными (где только авторизованные участники могут проверять блок).
  • Различные платформы сочетают в себе различные черты: Биткойн, Ethereum, Hyperledge и R3 Corda — вот некоторые примеры.

Этика машинного обучения и блокчейна для продакт-менеджеров

  • Будущие блокчейн-приложения будут включать в себя практически все, от платформ идентификации, наших приложений для социальных сетей и (скорее, чем мы думаем) таких сред, как медицинские контракты с искусственным интеллектом, договоры о безопасности и защите Интернета вещей или договоры о финансовой защите.
  • Так называемая «технологическая сингулярность» может быть достигнута только в том случае, если будет одновременно разработан соответствующий этический кодекс для машин и их создателей.