AI产品经理的需求技能，包含需求获取、需求筛选、需求分析、需求执行，这一系列过程是对产品经理综合素质的一个考验和全面衡量。 如：对知识的要求，对行业市场的理解和经验。
而且在这整个过程中，我们如何快速、高效的完成需求工程，也对我们有着越来越高的要求。
同时AI产品经理需要熟悉AI基础知识，包括AI行业现状，数学统计学，AI模型构建和模型基本概念。
之所以需要具备这些知识，是因为实现AI产品必然会涉及相应的AI技术，如果AI产品经理不了解相应技术基础，就不能很好的和研发人员沟通，完成AI项目的管理。
当然，AI产品经理并不需要像AI算法工程师那样，懂很底层的技术细节、数学公式的逻辑推导，但其中涉及的基本概念和行业现状应有所了解。
一、数学统计学基础
AI产品经理需要具备一定的数学统计学知识，这是理解人工智能技术的基础。他们不需要深入了解复杂的数学公式和逻辑，但需要知道基本的数学概念及其在实际工作中的应用。例如，线性代数中的标量、向量和矩阵等基础名词，以及概率统计中的伯努利分布、二项分布、泊松分布和高斯分布等
1、线性代数
标量：单独一个整数、实数或者复数。
向量：标量按照一定顺序组成一个序列数，如{x1、x2、x3，…xn}
矩阵：给原始向量增加一个维度，成为一个二维数组
2、概率统计
概率分布是用来评估特征数据和模型结果的武器。首先，我们要掌握常用的概率分布的类型，其次，我们要知道哪些业务场景下的特征数据和模型结果的分布，以及他们应该符合哪种分布类型，这样，产品经理就可以把概率分布应用于日常的工作中。
二、模型构建流程
AI产品经理应当了解模型构建的整个流程，包括模型设计、特征工程、模型训练、模型验证和模型融合等阶段。在这个过程中产品经理要清楚每个角色该干什么、需要花费多少成本用于项目管控。掌握模型构建过程助于产品经理更好地把握开发进度，协调不同团队间的工作，并确保产品按时交付。
三、常见算法原理及应用场景
AI产品经理需要了解常见的机器学习算法，如监督学习、无监督学习和强化学习等，以及它们的适用场景。例如，在图像识别、自然语言处理等领域，产品经理需要知道何时使用合适的算法来解决特定问题
四、模型相关技术名词
对于模型相关的技术名词，如偏差与方差、过拟合和欠拟合、特征清洗与数据变换等，AI产品经理也需要有所了解，以便于在与技术团队的沟通中更加顺畅
五、模型验收指标
AI产品经理还应当掌握模型验收的具体指标和方法，如准确率、召回率和F1分数等，并能够根据这些指标对模型进行测试和评估。
AI产品经理，0基础小白入门指南
作为一个零基础小白，如何做到真正的入局AI产品？
什么才叫真正的入局？
是否懂 AI、是否懂产品经理，是否具备利用大模型去开发应用能力，是否能够对大模型进行调优，将会是决定自己职业前景的重要参数。
你是否遇到这些问题：
1、传统产品经理
- 不懂Al无法对AI产品做出判断，和技术沟通丧失话语权
- 不了解 AI产品经理的工作流程、重点
2、互联网业务负责人/运营
- 对AI焦虑，又不知道怎么落地到业务中想做定制化AI产品并落地创收缺乏实战指导
3、大学生/小白
- 就业难，不懂技术不知如何从事AI产品经理想要进入AI赛道，缺乏职业发展规划，感觉遥不可及
为了帮助开发者打破壁垒，快速了解AI产品经理核心技术原理，学习相关AI产品经理，及大模型技术。从原理出发真正入局AI产品经理。