互联网产品经理需要懂哪些机器学习知识？
机器学习是未来一个热点，我也很看好。应用层面应该有很大的想象。但现在更多是技术研究。
作为产品经理，如何搭上这趟车。
刚好正在研究这块，那就进来简单说两句吧~
先展示一下最近用机器学习做文本挖掘的成果（某互联网论坛产品经理方面的4500+篇文章，文本量是《大秦帝国1-6》的足足5倍，主要是关键词形成的词云、关联词分析和主题词提取。
再来说说机器学习到底可以在产品经理这里发挥怎样的作用吧~然后再谈怎样入门~
关键词提取 ---从一篇或多篇文本中提取出有代表性的关键词。综合考虑词语在文本中的频率，和词语在巨量背景数据中的频率，选择出最具有代表性的关键词并给出相应权重；
情感分析。用户UGC的情感分析，发现用户对产品的好恶；
文本聚类 ---指机器自动对给定的文本进行话题聚类，将语义上相似的内容归为一类，有助于海量文档、资讯的整理，和话题级别的统计分析。从海量的文本信息中发现用户对产品的哪些方面不满，比如小米手机的用户UGC，大量的评论可以聚类为几个主要的话题，如性能，售后，服务态度等等；
典型意见挖掘 ---典型意见引擎将消费者意见进行单句级别的语义聚合，提取出有代表性的意见。可用于消费者调研、电商点评分析和社会热点事件的意见整理。
文本分类 ---按照预设的分类体系进行自动区分。假如有了大量的已经标注的文本（说人话就是，对已有的大量用户评论进行了分析，每个评论都有一个标签，比如评价等级“好”“不好”，上面提到的“性能”“外观”“服务”等，用已有已知的文本去训练机器，使其从纷乱庞杂的文本中识别出有价值的模式/信息，再对后来位置标签的信息做分析时，就能得到满意的结果；
趋势预测 ---预测哪些用户可能付费，哪些用户可能流失。
.....
还有很多有价值的应用场景，鄙人才疏学浅，仅能列举这些，相信已经足够亮瞎不懂技术的大部分产品经理~
既然有用，那就学呗。
等等，你确定要学习基础学习？须知这是一条不归路。。。。怎么，你不信，那就接着看呗！
下面是机器学习必备的一些基础知识，希望你看了还能继续读下去。。。
数学： 微积分、概率与统计、线性代数、奇异值分解、图论、优化理论...（ps:千万不要以为是高中、大学期间学到的那些知识，在计算机领域有用的东西往往是书本上没有，或者老师不划重点的！）
编程： C语言、c++、Java、Python、caff....
算法： 主要分为监督学习算分。非监督学习算法和强化学习算法，看下图：
心理素质： 戒骄戒躁，不三天打鱼两天晒网，不轻易冒进，不好高骛远，不气馁......
######### 假如你看完上面的内容，还准备接着往下看，那么，恭喜你！有捷径！############
可以学简单点的、相对容易上手的计算机语言，比如R语言和Python，一个是统计学家设计的，一个是计算机科学家（程序员）设计的，具体选哪个，看个人喜好咯，不过我可以给你一个参照，以下是二者在几个维度上的对比：
可以看出，二者各有千秋，不过，从个人好恶来看，偏向于Python，因为它的语言简洁优美，易于上手，而且有一个封装了大量算法的库---sklearn，不用自己动手写算法，简直是不懂复杂数学知识和编程技能的初学者的福音！
最后来说说速成之法吧，个人经历，主要从下面着手：
1 学好Python的基础语法，对list、tuple、dict和set这样的数据结构了如指掌，起码能看懂一些别人写的程序：
2 学好几个比较重要的第三方库，比如pandas、numpy、scipy、matplotlib，这是机器学习的基础哦，常规用法一定的会！具体看下图：
最后的最后，就是摸熟sklearn的这几种算法咯，当然是用它封装起来的东东，而不是自己重复造轮子，写算法，主要的几类算法如下，各算法的使用场景在正数第二个图中，下面这张是一个知识鸟瞰图：
重要学习资源：
sklearn官网：http://scikit-learn.org/stable/
Scikit-Learn 教學：Python 與機器學習：[https://www.datacamp.com/community/tutorials/scikit-learn-python# gs.XUMJLEQ](https://www.datacamp.com/community/tutorials/scikit-learn-python# gs.XUMJLEQ)
文/苏格兰折耳喵 某大数据公司 数据分析师
关键字：产品经理, 文本
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
