PythonAI算法
AI 小白转型产品经理的七步实战指南
AI 产品经理转型需要明确目标与计划。本文分享了从审视自身 SWOT 分析、制定学习计划、输入输出验证、简历优化到面试选择的七步走策略。强调技术理解、差异化价值及诚意的重要性，并解答了关于行业泡沫与成熟标准的疑问，为无背景者提供转型路径参考。
AI 产品经理转型需要明确目标与计划。本文分享了从审视自身 SWOT 分析、制定学习计划、输入输出验证、简历优化到面试选择的七步走策略。强调技术理解、差异化价值及诚意的重要性，并解答了关于行业泡沫与成熟标准的疑问，为无背景者提供转型路径参考。
不完全统计，2017 年，国内 AI 产品经理从业者大约二、三百人，他们切入 AI 的背景条件一般是：公司内部转岗、安防/媒体/机器人等行业背景、专业技术背景、偶然做过 ASR/搜索等产品（那时候不叫 AI）。
大部分想转型的 PM 没有 AI 背景，还可能面临其他困难：从业年限、地域限制、工作稳定性考虑等等；但这并不妨碍从业者数量 2018 年初暴涨到 800-1000 人。今年 AI 公司集体爆发，跑马圈地的 AI 公司愿意给求职者更多包容；而互联网 PM 沉淀过产品方法论，人数过剩且有危机意识，是最适合转型的群体。
我在 2017 年 10 月决定转型，当时零 AI 背景转型成功的案例非常少，网络上更多流传的是从业者的跳槽经验，很少有真正契合 AI 小白背景的经验文章。下面，我来分享个人具体的七步走策略：找到抓手、审视自己、目标计划、学习输入、执行输出、调研&简历、面试&选择。
任何宝箱都有匹配的钥匙。用心网罗学习资源，一定会发现'AI 产品经理大本营'这类社群，获得与从业者交流的机会。
深入交流后，你会有基本的觉悟：AI 产品经理的能力维度很全面，转型最少需要学习 3-6 个月。
过去的互联网环境让很多 PM 以为：不用太懂技术，不用钻研心理学和设计，甚至不用成为业务专家，只要按日常工作套路随便搞搞就月薪一两万。过去是因为资本浮躁、企业浮躁，但想做 AI，就必须先审视自己到底有哪些价值。
以我为例
优势：科技知识储备、多次跨界经历、3 年管理、落地几款盈利/明星产品。
劣势：没有 AI 背景、5 年工作经验（工作越久转型越难）。
优势劣势是相对公司而言的。最近遇到几位面试者，没了解公司背景就谈优势，找不准契合点很尴尬。
转型是个长期过程，offer 是力求一击必杀。我的策略是：集中学习加强 AI 认知，模拟 AI 场景做调研分析、产品设计、机器模型，输出文章给自己增加背书；向心仪的 JD 临时抱佛脚，找到自己能为这家公司带来的 3 条差异化价值。
肯定有人疑惑，为什么要有这步操作。往往面对重要抉择时，我们才需要'斩'，其实很多转型的朋友都做了一定的牺牲，我也自切了几刀。这里讲究个'快'字，最忌拖泥带水。
Q：定居四年的苏州 AI 发展较弱？ A：筹备移居深圳。
Q：没 AI 经验？ A：降薪并放低姿态。
Q：大厂只要螺丝钉？ A：去创业团队做万金油。
Q：工作忙学习时间少？ A：裸辞。
Q：跨城市面试不方便？ A：在深圳住 1 个月酒店。
Q：奔 30 的岁数该要娃了？ A：不转型成功坚决不要娃！
没有退路才有出路，多斩几刀，会感到身轻如燕。转型必须雷厉风行，能束缚自己的只有自己。
一入 AI 深似海，面对庞杂的知识体系，如何推演出适合自己的学习路径？小步快跑，试错迭代。
我的做法比较接地气：写份转型计划抛到社区，坐等各路豪杰来吐槽。
这篇文章在另外一个单渠道获得 3 万 + 阅读量，现在再看它还是有蛮多坑，最终执行的计划与文章中的相差 50% 以上。当时很快就收获了一波好友和宝贵建议，比如：调整学习资料的层级结构、正面迎击技术通识。
我将计划设定了几个里程碑，阶段性复盘。几乎不留休息时间，每天思考到后半夜，平均日睡眠小于 5 小时。这种状态坚持几天很轻松，长久下来，考验的就是意志力，最终人瘦了一圈。
认知和市场形式每天都在变化，进度计划必须每日迭代。4 个月时光转瞬即逝，错一点或者慢一步，就可能丢掉 2018 年的金三银四。
先想清楚每一项输入对应的价值是什么，然后网罗书籍、社群、自媒体、会展和公开课，一定能找到合适的资源。比如好友 @特里 在 6 月中旬出版国内第一本 AI 产品经理书籍《人工智能产品经理-AI 时代 PM 修炼手册》，跟他的交流中我收获很多，得到了专业的建议。
AI 相关的场景案例、技术通识、产品通识、行业通识、学术论文、数据分析；还有其他增加深度的方向：认知科学、神经学、心理学、哲学宗教等。选择一个最希望从事的方向多备些资料，比如 CV、NLP、智能家居。
一些业内人士建议优先深度，我觉得两者都要，而且是先广后深，这样有利于全局视角。如果你真在近期面试过，就可能知道其中的无奈。以上海为例，做 NLP 方向的公司就竹间、小 i 机器人这几家。如果投简历未得到回应，或者面试见光死几个，就没其他机会了。所以实在无奈的情况下，有个兜底的选项就是广撒网先上船，AI 的几个领域之间互相转岗非常容易。
一定程度理解机器学习、NLP 等技术原理，清楚特定方向的技术瓶颈，能够结合行业现状分析一个 AI 场景。这里有个困难：没有 AI 背景，没在项目中沉淀过，自学起来也难接地气。目前各公司保密做的很好，核心干货不会让转型者得到。所以跟从业者搞好关系，多交流取经是很好的办法。
我当时没有深切 NLP、CV、模式识别中的某个方向，而是从 0 学 Python、Tensorflow 搭神经网络、做些基础的 Case。尝试调用框架实现简单的会话机器人 Demo，目的是更直观理解机器学习。学习代码纯属兴趣，实际上偏应用的 AI 产品经理不需要工程操作。
给自己编 30 道面试题，对着镜子模拟面试，直到能得满分为止。再换下面的 30 道，这样一轮轮下来，遍历自己的认知边界。发现边界太窄，就继续扩张边界。
面试 AI 团队，最忌讳对 AI 认知过浅。咱们换位思考，假设你是面试官，遇到的求职者讲不清朴素贝叶斯、SVM、NLP 瓶颈边界、神经网络类型和原理，不能深入分析某个 AI 场景…公司又不是慈善机构，凭什么给他工作机会？
我输出的方向是场景分析、学习笔记、观点看法、工作习惯和未来畅享，目的是广泛覆盖 PM 的思考维度，以下是输出的部分：
《能否借助 AI 破译婴儿哭声？》
《两周搭建 Demo 理解机器学习》
《关于 Google 发布 AutoML 的几点看法》
如果可能的话，最好留杀手锏。 我压了 3 篇草稿一直没发布，命题是 AI 的居家癌筛场景、机器的灵商与意识、区块链与 AI 结合。实践证明，面试中掏出来可以让人眼前一亮，一些新鲜、有深度的观点往往能够超出面试官的预期。
输出不一定完美，我们会对自己粗劣的文章感到愤怒和羞耻，知耻而后勇，倒逼自己通过输入来完善它。其实零 AI 基础时的输出水准，可以折射出此人在 AI 领域的发展潜力。
面试就像找对象，面试官会跟一个不了解自己的人结婚么？
最近发现有太多求职者不重视调研，不尊重公司，很难指望他们在未来的工作中做好调研。如果这样的人简历很光鲜，那一定有水分，因为他们连 PM 的基本门槛都没达到，不具备同理心和职业习惯。
简历中突出优势、层次鲜明是必须的，招聘专员每天面对海量简历，往往 10 秒钟扫下简历中是否有 AI、大厂、明星产品背景，统一的筛选标准有助于提升效率。而 Boss 直聘等个人渠道则不太一样，Boss 往往更耐心，视角更专业。
如果你做过场景分析，模拟策划过 AI 产品或 Train 过 Model，这些就是最好的背书。简历中带上作品链接，放到显眼的位置，务必保证作品质量别太弱。
面试偶然性很多，内推的触达率确实高一点，但并不存在绝对优势。建议多管齐下，不过度依赖某个渠道。而且不要一股脑全投出去，为简历留些完善的机会。
STAR 原则就是针对各家 JD 定点狙击，拆分出 N 个版本的简历。一些 HR 朋友告诉我 STAR 原则的投递效果很有限，我还是熬了一周的夜制作 30 多个版本的简历分批投递，开通了查看竞争者的会员权限。目的是搞透深圳市各公司的招人标准，推测公司招聘的紧迫程度和人才竞争格局。
网络上的面试技巧和常见问题有很多，这些基本的苦工还是要下的，提几个关键点：
面试前我会冥想几分钟，深呼吸，将状态调整到最佳。时刻留意面试官的眼神、动作、话语，每个细节变化都是一道面试题，冷漠不一定代表否定，微笑也不一定代表认同。
时刻揣测他的意图，守住心神。人在精神松懈的时候，潜意识的反馈最容易暴露缺点。即便是情商低的人，经过刻意训练后也可以与面试官轻松对话。
刚做 PM 那年，我遇到个 8 年 PM 经验的面试官，他对我说：'没做 5 年以上的 PM，不要轻易谈战略' ，这句话经受住了时间的考验。后来我刻意锻炼升维思考和领导视角，依然在 3、4 年后才参与到战略。所以如果自身不具备一些能力维度，尽量避免浮夸的字眼，别把面试官当傻子。
产品经理的范畴很广，一次面试只有半个多小时，尽量减少尬聊和跑题。发散思维很不值钱，没有企业会因为几个好点子而具备核心竞争力，胜负往往取决于奔跑速度和认知深度。发散后要快速聚合，抛出金字塔尖的观点，凝炼到位的表达最能体现 PM 职业素养。
诚意是发自内心的尊重和认同，诚意不仅要表现在面试中，并且要持续到入职之后。我在这方面做的比较激进：面试前先自打鸡血，积极应对面试官的每个问题。收到 offer 后 HR 建议在公司 3 公里内租房，我直接租在距公司 100 米的马路对面，入职第一周每天干到半夜 1 点以后。将时间压缩到极致，员工为公司创造价值的差距就是这么一点点挤出来的。
几家公司面试下来，对岗位的理解肯定会越来越清晰。每次面试都复盘一下，再针对短板集中突击，可以大大提高后续面试的成功率，不要把困惑留给明天。
面试官往往有这种心态：若 A、B、C 三名面试者给我的综合评分都是 60，最终就是三位都不想要，期望能有一位 70 分的把他们 PK 掉。
当比分胶着的时候，我们需要给面试官一锤定音的理由，差异化价值非常重要！ 差异化可以体现在悟性灵性、行业认知、教育文化、职业技能、成功案例等，更要讲清楚逻辑来佐证你真的具备这些优势。
目前大部分转型者希望做偏场景应用、商业化的 AIPM，岗位对技术理解有要求但不苛刻。如果你的技术认知偏弱，建议避开这几类团队：
1）技术驱动而非产品、运营驱动的公司，企业基因根深蒂固，很难改变。
2）偏传统的公司往往考察技术，一些激进的产品经理可能不喜欢这种氛围。
3）项目还在探索阶段，很难复用现成的解决方案，需要 AIPM 常跟算法、科学家泡在一起，对模型效果负责。
好的团队即便阶段性失败了，依然可以沉淀出战斗力。糟糕的团队，可能会给自己的职业生涯抹黑。对产品经理来说，好团队的关键词可能是：创始团队、包容、开放、人性化、激进、创新、专业、良性竞争、发展路径。尽量避免唯技术论，或者唯经验论的团队。
我收到的 offer 包含 ASR、CV、NLP 几个方向，最终选择追一科技，是因为团队基因好、NLP 较强、接地气、更懂我，事实证明这个选择非常正确。
好了，以上就是本次分享的主要内容，希望能够给你带来一点帮助。最后，转型交流的过程中，我经常来不及回复朋友的提问，顺便在这里附上 3 个常见的问题，谈谈个人的理解：
这是个伪命题，我一般会反问：月薪 10 万的 PM 和月薪 2 万的 AIPM，哪个更厉害？答案当然是：卓越的 PM 更厉害。
有这样一类 PM，喜欢给自己设定远高于群众的标准。即便团队对他们没要求，他们依然会懂技术、懂设计、懂营销、懂商业、懂管理、懂业务、懂心理。
他们能做好螺丝钉，也能做好万金油。
他们将自己视作增强学习模型，不断向 CEO 去拟合。
他们知道：PM 最终拼的是人文素养和灵魂境界，而不是职位名称、从业年数、名校背景。
他们的一生都在自我进化，所以从不纠结自己究竟是 PM 还是 AIPM。
泡沫的多少代表市场情绪的强烈程度，没有泡沫的行业是不值得去做的。
我的建议是：若真爱 AI，不要犹豫，不必关心转型红利期还剩多久。若你对 AI 不执够著，也不用强求，不忘初心就好。反正我们是产品经理，我们要进化这个时代。
看他做一款创新型产品时，更依赖竞品调研还是独立判断。站在巨人的肩膀上是没错，但前瞻性的方案更依赖人性洞察和市场嗅觉。
成熟的 PM 相信一万小时理论，对元认知刻意创建索引，不缺少方法论和工具，最缺的是时间。
他们可以清晰阐述产品的隐性逻辑，为什么要方案 1 而不是方案 2，不做模棱两可的决策。
他们能将风格自信地贯彻到产品和团队中，让它具备激进或稳重的气质。
他们坚忍克制，一往无前，拥有对权威说不的胆魄。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online