- 博客(39)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 AI不只是技术，更是一种思维方式
可要求第三方供应商进行实现弹性伸缩，帮助团队减少成本，如此这般，产品经理才可在团队中起到提纲挈领的作用。：提升自己的综合能力，成为一名懂技术、懂设计、懂硬件、懂市场运营等知识的综合型人才。AI产品经理需要懂算法，围绕具体业务场景，熟悉相关算法。（4）算法创新：基于数据能提出算法创新、模型算法。期待在AI时代，能够抓住红利期，获得个人的成长。（1）数据摸底调研：对数据进行编目，资产化管理。（2）数据建模：对数据采集、ETL清洗进行监督。：运用新技术，发掘新需求点，探索产品创新。AI=数据+算法+算力。
2024-05-05 18:52:01
172
原创 AI+新零售的行业落地应用
传统零售线上线下数据未打通，新零售实现用户数据全打通。新零售（如盒马鲜生），用户进入盒马鲜生后，连接店内wifi后，即可获取用户mac地址，wifi探针可以获取用户诸多数据，实现自有实时数据通道。1.家具生活：智能试衣镜、智能化妆镜、健身。赋能品牌店铺、无人店铺、智能贩卖机。2.云计算：阿里云、腾讯云。4.消费电子：手环、翻译笔。3.芯片：垂直领域的芯片。
2024-05-05 18:22:45
137
原创 AI+客服行业落地应用
2.饿了么：文本客服，对文本进行规范处理后去知识库里检索知识后进行问题回复，若未检索到相关知识，则补充知识库。（2）超出话术模版外的问题，可以通过文本相似度，引导到相近问题对问题进行回答或者转接到人类客服进行转接。（1）客服工作重复性高，技术含量低。（2）呼出效率低，客服水平参差不齐。（1）沉淀优秀客服话术模版到知识库。（1）成本低、服务效率7*24。（2）服务水平高，服务质量可控。注：做好埋点，便于及时发现问题。（3）管理难度高，情绪不稳定。（4）服务质量监控难。
2024-05-05 17:47:14
25
原创 计算机视觉
物体探测：深度感知、OCR、物体检测、生物识别、人脸检测、物体识别、人脸识别、自动检测。人机交互：视频流语音识别、行为分析、情绪感知、模式控制、模式识别、自然交互。信息重组：增强现实、语境分类、图像标注、内容分析、视频搜索、3D制图。实践检测：位移测量、物体追踪、场景标注、视频追踪、虚拟现实。自主行为：自主运动、过程控制、导航、光学控制、感知预防。2.脸的遮挡，如眼镜、头发和头部饰品以及其他外部物体。1.人脸具有相对复杂的细节变化。一、计算机视觉全景应用图谱。
2024-05-05 17:30:22
64
原创 拐点——站在AI颠覆世界的前夜
但是，因为现在有各种高级的算法，AI已经非常智能了，不仅能预测一个词汇出现的频率，更能 把握词与词之间的关系，有相当不错的判断力。但是，AI最不可思议的优势是，它能发现人的理性无法理解的规律，并且据此做出判断。更致命的是，到目前为止，GPT的神经网络是纯粹的“前馈”网络，只会往前走，不会回头，没有训练，这就使得它连一般的数学算法都执行不好。什么都是别人要他做，而不是他自己要做。让专业的人做专业的事，而真正的老板可以提 prompt 和做选择，这不但是 AI时代的新风尚，也是一种理想的做事模式。
2024-05-05 14:09:28
433
原创 业务流程和产品文档
内容说明参与者以某种方式与系统交互的人或事用例系统为其参与者所执行的有价值操作用例不是功能或特性，用例包含一个对参与者来说有完整意义的过程用例解释系统如何向利益相关者/参与者提供功能性价值用例通过使用者视角描述系统与其互动的方式，从而观测出系统实现特性：人们可以取钱 用例：取钱特性：系统可以自动选择吐钞面值组合 用例：取钱。
2024-05-04 23:13:30
129
原创 大模型预训练与微调
动作：Fine-tuning需要微调整个预训练整个预训练语言模型，且额外添加了新的参数，而Prompting则可以将整个预训练语言模型的参数保持固定，而只需要添加prompt来预测效果即可。和其他大部分高效微调方法一样，固定预训练语言模型的参数，额外增加新的参数来学习，不同的是新增的模块是一个低秩的模块，即增加低秩分解的矩阵来适配下游任务。：表示将输入的数据进行前向和后向传播的一个过程。（1）冻结部分参数：为了保持与训练模型的初始表示能力，通常会冻结部分参数，特别是底层的参数，使其在微调过程中保持不变。
2024-05-04 22:52:49
685
原创 产品思维和产品意识
收益：泡沫价值（操纵/欺骗...）、感受价值（用户感受）、核心价值（用户核心需求）成本：显性成本（钱/时间/精力...）、隐性成本（替换/信任/机会/发现...）书：用户体验要素、设计中的视觉思维、web信息框架、设计心理学、交互设计目录。关键词：ux服务设计 信息架构 交互设计 视觉思维。用什么方法解决谁的什么问题。
2024-05-01 12:08:22
283
原创 大模型对数字营销的驱动赋能
数字人和AI客服可以模拟人类的思维和情感，与用户进行自然、流畅、灵活的对话和交流，提供及时专业的服务，同时根据用户的反馈和行为数据，不断优化服务流程和策略，有效解决传统客服人力不足、响应速度慢等问题。生成式AI通过多模态内容生成能力，可以根据不同的需求和偏好，生成具有针对性的、具有差异化的文案、图片、视频、音频等逛该创意内容，精准触达消费者的需求痛点。目前大模型对数据智能应用的提升仍以对传统模式赋能为主，一些新业务、新模式如虚拟主播、数字员工等数据智能应用不断涌现，但仍具备广阔的探索空间。
2024-04-28 21:47:07
168
原创 智能客服项目实战
智能客服规划聚焦于用户自然语言问数、取数、分析，解决线下数据需求沟通不畅，数据产品交付慢等问题。以下将从产品方案、优化方向、应用场景挖掘三个方面进行阐述。
2024-04-28 15:09:02
633
原创 Stable Diffusion入门指南
Stable Diffusion可以通过生成多样化、高质量的图像、修复损坏的图像、提高图像的分辨率和应用特定风格到图像上等方式，辅助视觉创意的实现。它为视觉艺术家、设计师等提供更多的创作工具和素材，促进视觉艺术领域的创新和发展。Stable Diffusion是一种基于扩散过程的图像生成模型，可以生成高质量、高分辨率的图像。这种模型具有较强的稳定性和可控性，可以生成具有多样化效果和良好视觉效果的图像。SD 保姆教程，从原理功能到案例输出展示，最后简述 ControlNet 的使用技巧。
2024-04-26 14:08:42
572
原创 营销大模型，打造生成式营销平台
当前营销链路正面临重重挑战：专家级能力培养慢、个性化创意批量难、精细化运营成本高。在此背景下，基于大模型展开的自然语言理解、AIGC创意生成、多模态场景推理三大能力，助力前链路品牌广告和后链路效果运营。
2024-04-24 20:29:46
834
原创 AI赋能营销管理平台
在当前网络环境、消费习惯之下，大众口味逐渐刁钻，大数据营销愈来愈趋向于精细化个性化营销。因此在内容创意、广告投放、数据与策略、公域流量转化为私域流量，私域流量管理这五个细分方向需要实现更加精细化运营、低成本转化，才能抢占流量高地。以下将从客群管理、策略制定、场景智库、事件管理、用户触发、内容创意、营销物料等方面简单举例如何应用AI实现用户管理。
2024-04-24 19:33:33
215
原创 【大模型应用】智慧营销创变之旅
在新的媒介和消费环境下，新内容营销和创意过程能够对传统的基于广告思维的营销思路、逻辑、流程和做法进行调整，从而通过持续输出符合品牌调性的价值观、又让消费者或用户喜欢并且乐于互动的内容，达到促进销售的目的，理论上，新的技术能实现内容营销应用的丰富，但近几年的现状显示，包括XR、元宇宙的实际落地使用情况并不乐观，效果不佳，很难持续吸引大众关注，营销只浮于概念表面。公域流量也是私域流量的重要流量来源。但在获取大量流量的同时，其用户的精准度不高，难以实现流量的转化，并且因为竞争的存在，让流量获取成本不断提升。
2024-04-24 14:03:18
635
原创 自然语言处理的发展历程
从以上的InstructGPT的构建流程和方法介绍中可以看到，InstructGPT的构建流程相对简单，并没有涉及特别复杂的方法论和技术，也没有涉及很多原创的理论，更多的是站在巨人肩膀上的工程实践方面的创新。BERT模型诞生后，由于优秀的性能和开源的特性，其很快应用到各行各业和各类自然语言处理任务中，比如智能客服、语音质检、对话机器人和搜索引擎等，产生了巨大的商业价值。模型构建的第二步和第三步可以循环操作，只需要收集关于当前最佳策略的更多比较数据集，用于训练心得RM，然后使用PPO算法训练新的策略。
2024-04-23 20:16:46
882
原创 AI Agent搭建开发平台的形式
国内外非常多的AI独角兽/大厂均瞄准了“AI Agent”搭建制作平台这一赛道。从产品角度整理一下，目前AI Agent搭建开发平台的2种形式。
2024-04-21 09:39:12
104
原创 【大模型应用】AIAgent的6种企业应用助手总结
理想中的AIAgent是在丢给他一个工具包与一些知识以后，借助于大模型的理解、推理能力，完全自主进行规划与分解、设计任务步骤，并智能的使用各种工具，检索知识，输出内容，完成任务。但是在企业应用中， 由于企业知识、应用、业务需求的千差方别，以及大模型自身的不确定性， 如果这么做，那么结果很可能是“开盲盒”一样的不可控。所以要求对AI智能体的执行过程与细节进行更多的控制，来让AI按照人类确认过的工作流程来完成任务。主要的工作步骤与目标设定每个步骤使用的大模型每个步骤可以使用的工具。
2024-04-20 21:21:52
621
原创 数据中台实施方法论总结
业务调研一般分为四个步骤：制定调研计划、进行调研访谈、完成调研内容输出、输出业务蓝图并确认。基于OneModel规范下数据研发标准流程，从业务定义、数据建模、最终实现数据落地；根据业务需求变化、业务过程的变化迭代优化。快速理解客户的业务管理流程，是业务梳理的重要环节，为数据资产化和数据开发提供基础。调研业务组织架构以及组织和组织间关系，有助于我们理解业务的同时，制定相关维度。设定数据建模规范，设计总线矩阵，搭建数据模型，定义指标规范、定义维度。1.制定系统架构设计、数据上云、模型设计、标签体系设计计划。
2024-04-19 18:56:52
698
1
原创 【用户增长】用户精细化运营项目总结
用户精细化运营是一种基于用户数据和行为分析的营销策略，旨在针对不同用户群体进行个性化运营。其核心在于通过深入了解不同用户群体的需求和行为，为每个用户提供定制化的产品和服务，以提升用户体验和满意度，进而实现数字营销的效果。
2024-04-18 20:37:45
507
1
原创 【大模型应用】大模型赋能数据分析
通过引入大语言模型（LLM），提升自然语言分析工具对“常识”语义和上下文语境的理解能力，让数据分析像聊天一样，通过简单的表述即可查询分析数据，并且可预置分析思路积累分析案例，引导用户进行分析。（2）实时答疑解惑：基于企业梳理的私域数据，如制度文档、规范流程等，以及平台沉淀的元数据、数据标准、数据质量、指标、数据安全等全域资产，进行实时交互问答。大模型结合现有产品与场景，将产品沉淀的管理、分析、运营等经验进行结构化梳理，交由大模型进行学习、领悟、融汇贯通。其他手工上传的行业知识、分析报告等。
2024-04-16 19:14:35
830
原创 【数据分析】用户与收入增长简介
增长黑客是一群以数据驱动营销、以市场指导产品，通过技术化手段贯彻增长目标的人。本文将介绍增长黑客常用工具箱与常用指标。
2024-04-16 18:15:21
860
原创 【大模型应用】如何写好Prompt
简单而言，大模型的运行机制是“下一个字词预测”。输入的 prompt 的质量将极大地影响模型的返回结果的质量和对用户需求的满足。优质的 prompt 千变万化，但遵循上述原则，我们总结出一个比较实用的框架，用户的 prompt 难以简单归类，需求丰富多样，总的而言，我们将用户需求将。信息查询：用户通过咨询大模型，通过 QA 获得所需信息，比如：“冰岛的首都。细分需求：也许你的需求实际上是一个复杂需求，比如“帮我写一篇关于 xx 的。等，比如：“我想创业开一家 AI 设计公司，请给我一些开公司的建议。
2024-04-12 10:19:19
539
原创 VS Code插件化调研
插件系统使得VS Code具有极高的可定制性，用户可以根据自身需求安装不同的插件，以实现不同的功能，比如代码自动补全、语法高亮、代码片段、版本控制等。插件的运行与交互：一旦安装了插件，它就会自动集成到VS Code的环境中，用户可以通过菜单或快捷键来触发插件的功能。（5）插件的安全性：VS Code的插件系统采用了权限控制机制，只有经过认证的插件才能被安装和使用。此外，VS Code作为一个开放平台，也提供了插件开发工具和API，使得开发者可以开发并发布自己的插件，从而满足更多个性化的开发需求。
2023-08-07 10:21:14
133
1
原创 【数据中台】离线开发平台
离线开发，是一款高效的大数据离线任务开发、任务调度、数据管理工具，支持对大数据各环节处理过程进行可视化管理与控制。帮助客户提升开发效率，快速创建离线计算任务，缩短开发周期；任务管理与运维一体化，减轻繁冗的运维工作。
2023-07-22 18:00:31
218
1
原创 SQL/任务性能监控调优
（4）数开SQL任务编写完毕后，可通过预编译（不是等到任务提交运行后，等hive提供简单的报错原因），对SQL进行校验，给出详细的问题诊断与优化建议。对平台侧SQL、任务、资源、内存、性能等进行监控、预警、诊断，提供优化建议；（2）基于监控工具采集到的指标对任务报错进行诊断分析及优化建议。（3）收集项目上性能资源调优实际场景与案例，后续考虑产品化。（5）数据倾斜，自动调优，数据分布，再做sql重构。平台侧资源、内存、任务等运维指标进行监控。（1）应用普罗米修斯类监控工具，对。【监控-预警-诊断-建议】
2023-07-08 21:46:40
108
原创 基于voltDB指标管理平台存储计算产品需求
a) 指标探查是在voltDB里做探查，vb只存储七天数据，客户自己筛选日期，若日期跨度太大，数据就需要从Hive和DB2里查询，需要提示客户会出现页面超时问题（昆山客户没有impala,kudu需要收费）（voltDB表类型与性质说明：voltDB有分区表、复制表两种类型表，若用户在建事实表时主键设置的不好，便会转化为在每个分区里复制一份表，最终导致撑爆内存）ii. 临时表主键是系统生成，要求唯一，自动进行哈希计算，主键若设置的不好，会导致产出很多复制表，把内存撑爆。
2023-07-08 21:44:10
132
原创 宁波银行:“风语”智能数据分析管理平台
一是归因（数据解释），针对传统模式下“业务对报表关键指标波动解读和分析，需要进行复杂查询、对比、制作报告”的痛点，基于博弈论里中经典的Shapley Value理论，从指定业务宽表中各维度出发，对客户客群批量特征进行算法分析，自动搜寻对业务关心指标影响最大的维度组合，快速实现对关键指标波动的解释说明。预测（时序预测），预测业务发展趋势；三是数据安全管控，基于用户、角色的差异化模板配置，通过精细化权限管控和数据脱敏，满足科技数据开发、业务人员、分支行管理层、总行管理层不同人员的看数、用数需求，保障数据安全。
2023-07-02 21:04:26
239
1
原创 数据管理发展趋势
DataOps将敏捷、精益等理念融入数据开发过程，通过对数据相关人员、工具和流程的重新组织，打破协作壁垒，构建集开发、治理、运营于一体的自动化数据流水线，不断提高数据产品交付效率与质量，实现高质量数字化发展。三级（稳键级）占总量的20.6%，四级及以上（量化级和优先级）仅占5%。（2）业务需求->研发管理->交付管理->数据运维->价值运营->业务价值。·非货币法：数据效用（数据质量、数据应用、数据风险）（1）成立质量评估中心，联合数交所开展数据质量评估。（1）框架：组织管理、系统工具、安全管控。
2023-06-26 21:57:33
107
1
原创 四步骤厘清数据资产管理实践
区别于传统分布式大数据平台视角下的SLA，数据资产管理SLA的目标是为各数据使用方持续、及时提供高质量数据和服务，SLA的核心指标包括可靠性、实时性、质量要求等，贯穿数据资产管理全生命周期，覆盖数据资产管理各项活动职能，由保障措施提供基本支持，并通过采集和分析相关平台的运行日志，记录SLA的“断点”，改善数据资产服务的流程。从数据战略规划出发，构建合理的、稳定的数据资产管理组织架构，以及具备一定灵活性的数据资产管理项目组，确定数据资产管理认责体系，并制定符合战略目标与当前实际情况的数据资产管理制度规范。
2023-06-23 14:35:59
617
1
原创 运维管家产品解说
客户侧：亟需对所部署产品进行统一运维监控，对集群、服务、节点的核心参数监控，包含CPU占用率，RAM使用率、磁盘空间、I/O读写速率等核心参数进行监控，实时掌握集群、服务、节点的运行状态，降低运维故障率。作为一个全自动化全生命周期的运维管家，提供大数据产品的一站式部署、运维、监控服务，可实现产品部署、产品升级、版本回滚、扩缩节点、日志诊断、集群监控、实时告警等功能。应用程序：分类、筛选器、应用列表、应用详情、单个应用程序部署向导（设置服务、选择集群、选择角色、服务参数配置、配置安全、部署预览、部署）
2023-06-23 10:20:12
64
1
原创 基于DataOps的数据开发治理一体化实践
数据技术：侧重于基于大数据基础平台、数据中台、湖仓一体、实时计算等技术，贯彻DataOps理念实现大数据集成开发。数据资产：通过数据技术沉淀数据资产，将企业数据指标、数据标准、数据模型、数据质量、数据地图规范化条理化呈现。全生命周期的元数据接受了来自设计、开发、消费过程中的所有元数据，让元数据更加完备，形成数据资产。数据技术、数据资产、数据应用、数据运营是构建数据生产力模型的核心要素。（1）数据生命周期：数据抽取、数据开发、数据质量、数据安全、数据服务。（3）数据资产：找的到、看得懂、信得过、管得了。
2023-06-19 15:44:48
382
原创 聊聊CMDB
在数字化转型的浪潮中，如何进行自动化运维的建设是各大企业技术负责人关心的话题，本次将简单聊聊在自动化、智能化运维建设中的思考和实践，助力中小企业建设自动化运维平台，降本增效，保证业务连续性。运维平台设计规则从命令式（所见即所得）、声明式（面向终态）逐渐演变到以事件驱动（基于事件触发动作）、数据驱动（以故障侦测、根因分析、智能扩容缩容）的智能运维，标识着运维平台的成熟。（1）模型：用于管理运维对象的模型，例如云主机，包含关系属性有可用区、所属应用；（2）资源：运维对的实例，例如云主机。01运维平台设计规则。
2023-06-11 22:08:58
87
原创 数据治理之数据建模
数据域是一个较高层次的数据归类标准，是对企业业务过程进行抽象、提炼、组合的集合，是企业业务人员在使用数据时第一个分组入口，可以帮助企业业务人员快速的从海量的数据中快速圈定到自己的业务数据。粒度是我们业务过程的一个粒度的确定 ，比如：我们的业务过程是 分析订单数据，那么我们的粒度是订单，如果我们分析的是账单数据，那么我们的粒度是账单，粒度就是衡量一张表中一行代表的含义；主题域通常是联系较为紧密的数据主题的集合，可以根据业务的关注点，将这些数据主题划分到不同的主题域，如供应商主题域、顾客主题域、商品主题域等。
2023-06-04 10:20:29
656
1
原创 数据中台泛泛之谈
如果一定要将数据中台与它们区分开来，我们可以说数据中台是使用正确的方法论和架构（OneID、OneModel、OneService、TotalPlatform、TotalInsight）来建设数据仓库和大数据平台，并在此基础上提供相应的工具和机制来实现数据能力的全局抽象、共享和服用。数据中台建设的追中目的是实现企业的数字化转型，通过打通数据壁垒，构建数据采集、治理、分析与利用所形成的闭环，提高企业运营效率，使企业能够对市场变动进行快速反应，从而进行商业模式创新、提升用户体验、提供个性化产品服务。
2023-06-03 21:58:34
434
原创 数据治理浅谈之数据字典
数据字典可借助元数据的能力，可实现获取各业务系统、大数据平台库表字段等诸多信息，例如表字段级血缘、数据质量监控告警规则、数据安全等级、字段加密、数据表字段与指标、标签、报表关联关系。通过获取完整的元数据信息：涵盖表粒度元数据信息、任务粒度元数据信息、hdfs文件元数据信息；数据字典将涵盖全局数据检索、元数据详情查看、数据预览、数据探查、数据血缘和数据类目管理等功能。5.数据保护伞->元数据：数据经过数据保护伞脱敏加密后，再由元数据采集6.数据质量->元数据：采集表配置的检核规则。
2023-05-27 19:29:28
2151
1
原创 数据治理浅谈
数据治理是一种综合性的数据管理方法论，旨在确保有关数据的有效性、安全性、可用性和一致性等方面的需求得到满足。数据治理涉及到数据的规划、收集、处理、存储、共享、使用、保护和维护等各个方面，是一个综合性的体系，需要通过科学、规范、标准化的方法来管理数据。数据治理的主要目标包括：确保数据质量：即数据的准确性、完整性、一致性、时效性和可信度等方面得到保证。确保数据安全：即保障数据在存储、传输、处理和使用等过程中的安全性和隐私性，以避免数据泄露、滥用、变造和误用等风险。
2023-05-22 09:17:47
402
2
大模型应用-FastGPT产品分析
2024-04-12
(IBM)使用DataOps快速交付业务就绪数据.pdf
2023-08-18
2023金融科技趋势研究报告-恒生电子股份有限公司-2022-74页.pdf
2023-06-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人