O documento descreve o site www.productschool.com, que oferece cursos de treinamento em gerenciamento de produtos para indivíduos e empresas. O site inclui certificados, cursos e eventos sobre aplicações de inteligência artificial e machine learning para gerenciamento de produtos. O documento também discute questões éticas relacionadas ao uso da inteligência artificial.

1. www.productschool.com
AI and Machine Learning Applied to
Product Management

2. Join 35,000+Product
Managers on
Free Resources
Discover great job
opportunities
Job Portal
prdct.school/PSJobPortalprdct.school/events-slack

3. CERTIFICATES
Your Product Management Certificate Path
Product Leadership
Certificate™
Full Stack Product
Management Certificate™
Product Management
Certificate™
20 HOURS40 HOURS40 HOURS

4. C O U R S E S
Corporate
Training
Level up your team’s product
management skills

5. Marcus Borba
T O N I G H T ’ S S P E A K E R
Founder: Borba Consulting

6. AI and Machine Learning
Applied to Product
Management

7. A evolução da
Inteligência
Artificial

8. Inteligência Artificial vs Machine
Learning vs Deep Learning vs Data
Science

10. Machine Learning
É uma aplicação de inteligência
artificial que fornece a capacidade de
aprender automaticamente com o
ambiente e aplica esse aprendizado
para tomar melhores decisões. Há uma
variedade de algoritmos que o Machine
Learning usa para aprender
iterativamente, descrever e melhorar
os dados para prever melhores

13. Deep Learning
É um subconjunto do Machine
Learning. Os modelos de Deep
Learning podem fazer suas próprias
previsões totalmente independentes
dos humanos. Os modelos Deep
Learning usam redes neurais
artificiais. O design dessa rede é
inspirado na rede neural biológica do
cérebro humano. Analisa os dados com

15. A Visão estratégica da Inteligência
Artificial
A IA é uma tecnologia de propósito
geral, como a internet e a eletricidade.

16. CEOs acreditam que a IA terá um
impacto maior do que a revolução da
Internet

17. Gerenciamento de
Produtos

18. A fim de maximizar o valor da IA para
o negócio, você precisa de uma
colaboração contínua entre gerentes
de produto e cientistas de dados, onde
é responsabilidade do gerente de
produto garantir que os problemas que
estão sendo resolvidos sejam os mais
impactantes para o negócio.

19. As principais competências de
gerenciamento de produto e
inteligência emocional, que fazem com
que os melhores PMs criem produtos
com forte adoção pelos usuários e
ajudem a gerar crescimento
exponencial de receita ainda são os
principais fatores para o sucesso do
gerenciamento de produtos de IA.

20. Identificar e articular o valor comercial da
IA ​​a ser adicionada ao produto é o mais
crítico de todos. Reduzindo as rotinas dos
clientes, aumentando o envolvimento do
cliente, prevendo o fechamento de vendas,
otimizando estoques e cadeias de
suprimentos - esses são os valores
comuns que a IA vem adicionando aos
negócios.

21. O aplicativo matador de inteligência
artificial para empresas hoje é para
economia de custos. Atendimento ao
cliente, tarefas de back-office como
recursos humanos, finanças e
contabilidade são candidatos perfeitos
para as tarefas que seriam automatizadas
com IA.

22. Se você é um gerente de produtos que cria
esses aplicativos para empresas, a redução
de custos e a melhoria da experiência do
cliente são métricas relativamente fáceis
de quantificar.

23. Agora, se você é um gerente de produtos
que cria produtos de automação de IA/ML
que afetam diretamente a receita de
serviços profissionais ou serviços
gerenciados de sua empresa, esteja certo
de entender a transferência de valor ao
criar seu modelo de preços.

24. O que deve ser levado em conta no
processo de gerenciamento de produtos
.Crie uma forte relação entre o especialista de
negócios e o cientista de dados.
.Aplique um julgamento de negócios na escolha
de abordagens de machine learning com base no
desempenho versus volume de dados.
.Entenda a precisão aceita dos algoritmos de
IA/ML em seu produto. Essa decisão depende
dos tipos de problemas de negócios que você

25. 6 prioridades em IA que não devem ser
ignoradas

26. Estrutura: Organize para ter Retorno
do Investimento (ROI)
O modelo certo de governança para IA permite
desenvolver casos de uso que crie resultados
rápidos - ao mesmo tempo em que fornece
ferramentas reutilizáveis em que outras
iniciativas de IA podem construir.

27. Força de trabalho: Ensine as pessoas a
trabalharem juntos
A IA está sendo democratizada, mas ainda é tão
complexa que até mesmo especialistas em negócios
treinados podem cometer erros. Desenvolva a
combinação certa de usuários, desenvolvedores e
cientistas de dados - e forneça as ferramentas, o

28. Confiança: torne a IA responsável em
todas as suas dimensões

29. Dados: Localize e rotule para ensinar
as máquinas
A IA pode ajudar as empresas a gerenciar riscos, tomar
melhores decisões, melhorar a classificação de
documentos, automatizar operações de clientes e muito
mais. Mas primeiro, identifique, padronize e integre os
dados para treinar a IA.

30. Reinvente: monetize a IA através de
maior qualidade e personalização

31. Convergência: Combine IA com
analytics, IoT e muito mais

34. A ética na era da Inteligência Artificial

35. A ética na era da Inteligência Artificial
Gigantes da tecnologia como Google,
Amazon, Facebook, IBM e Microsoft,
entre outros - bem como indivíduos
como Stephen Hawking e Elon Musk -
acreditam que estamos no momento
certo para falar sobre o cenário quase
ilimitado da inteligência artificial.

36. Desempreg
o. O que
acontecerá?

37. A ética na era da Inteligência Artificial
Desigualdade. Como distribuiremos a
riqueza criada pelas máquinas?

39. Humanidade. Como as máquinas irão
afetar nosso comportamento e
interação?
Bots artificiais inteligentes estão se
tornando cada vez melhores em
modelar conversas e relacionamentos
humanos.

40. Em 2015, o bot Eugene Goostman
venceu o Desafio de Turing pela
primeira vez.

41. Estupidez
artificial. Como
podemos nos
proteger contra
erros?

42. Robôs racistas. Como eliminaremos o
viés da IA?

43. Segurança. Como manteremos a IA a
salvo dos adversários?

44. Singularidade. Como nos manteremos
no controle de um sistema inteligente
complexo?

45. A utilização ética dos dados

46. A utilização ética dos dados

47. Case Target

50. www.productschool.com
Part-time Product Management Training Courses
and
Corporate Training