Марк, спасибо за отличный пост.
Чтобы помочь другим менеджерам по продукту решить, какой путь выбрать, я хотел бы поделиться своими мыслями о ИИ Udacity для менеджера по продукту Nanodegree (ND). Через два месяца после того, как Udacity выпустила этот ND, я решил попробую, потому что я хочу понять ключевые концепции ИИ и понять, как работает технология.
В отличие от других курсов, которые я прошел с Udacity, этот ND полон разочарований. Вот три основных вывода, основанных на моем личном опыте.
1. Многие важные концепции плохо объяснены.
ND состоит из 4 видеолекций, которые можно пройти всего за несколько часов. Я удивлен, что Udacity отсылает студентов к Википедии для дополнительного чтения (например, матрица путаницы).
2. Существует разрыв между результатами проекта и обучения.
Первый проект посвящен маркировке медицинских рентгеновских изображений, чтобы отличить пневмонию от случаев, не связанных с пневмонией, с использованием шаблона аннотации к изображению на Рисунке 8. Концептуально это простой проект, разработанный для людей без опыта программирования. На самом деле это оказалось намного сложнее, потому что ни Udacity, ни Figure Eight не предоставили никаких инструкций по использованию платформы Figure Eight. Вместо того, чтобы научиться маркировать данные, я потратил дни, пытаясь выяснить, как использовать предопределенный шаблон на фигуре восемь, методом проб и ошибок. Многие студенты также сообщили о той же проблеме через онлайн-портал Udacity. В ответ на наши коллективные отзывы, всего 7 дней назад компания Figure Eight наконец выпустила руководство по Выполнение задания с ограничивающей рамкой с помощью этикеток.
3. Советы, предоставленные менеджерам по продукту, могут иметь непредвиденные последствия.
Этот ND является активным сторонником методологии Built-Measure-Learn. Хотя у бережливого стартапа и гибких методов есть много преимуществ по сравнению с традиционным каскадным подходом, Udacity AI из менеджера по продукту ND доводит эти методы до крайности. Обсуждая создание и запуск продуктов, инструктор продвигал подход, который «выпустите продукт как можно быстрее, не блокируйте вас в будущем». Выпустить недоделанный продукт (т. Е. « ugly »в словах Udacity), чтобы уложиться в жесткие сроки выхода на рынок, и ставка на то, что расстроенные пользователи предоставят полезную обратную связь для дальнейшего улучшения, контрпродуктивна. В этом ND не учтены все последствия для отраслей, не связанных с программным обеспечением. Если бы вы были менеджером по продукту, вы бы запустили медицинское устройство раньше срока, чтобы получить его как можно быстрее? Если бы вы имели дело с продуктами искусственного интеллекта, вы бы предпочли игнорировать конфиденциальность, соблюдение нормативных требований и этику просто потому, что вы всегда можете изменить это позже?
Размышляя о своем опыте, я только хочу, чтобы я прочитал вашу статью раньше. Я надеюсь, что мой опыт поможет другим принимать более осознанные решения. Помимо ресурсов, которые вы описали, я бы также порекомендовал Курс управления цифровыми продуктами Алекса Коуэна, который доступен на Coursera. Этот курс дает хороший обзор современных методов управления продуктом. Что касается изучения технологии искусственного интеллекта, мои два цента - это отсутствие ярлыка.
