人工智能项目管理：方法·技巧·案例
第1章 项目管理概要 001
1.1 项目管理知识体系 003
1.1.1 项目生命周期 006
1.1.2 过程组和知识领域 012
1.1.3 开发生命周期和敏捷 018
1.2 能力成熟度模型 022
1.2.1 能力成熟度模型集成的五个级别 023
1.2.2 能力成熟度模型集成的适用性 028
1.3 集成产品开发 028
1.3.1 启动与规划 030
查看完整
1.1 项目管理知识体系 003
1.1.1 项目生命周期 006
1.1.2 过程组和知识领域 012
1.1.3 开发生命周期和敏捷 018
1.2 能力成熟度模型 022
1.2.1 能力成熟度模型集成的五个级别 023
1.2.2 能力成熟度模型集成的适用性 028
1.3 集成产品开发 028
1.3.1 启动与规划 030
查看完整
杨志宝，资深产品和项目管理专家。曾任职于IBM、百度、58同城等软件和互联网公司，领导和参与了多个软件产品的研发管理工作。2013年以来深耕医疗行业，在智慧医疗、互联网医疗服务、医学数据管理等领域，领导了多个项目的产品开发、运营和项目管理工作。本科和研究生阶段，分别就读于北京理工大学和清华大学，学习机电工程和自动化。班超，算法专家，先后毕业于中国科学院大学和伦敦大学学院(UCL)，取得天文学博士和机器学习硕士学位。长期从事机器视觉算法工作。曾任职于阿里巴巴集团，负责多项淘宝算法的研发与部署。目前就职于中国电信集团，负责带领团队进行多模态前沿算法的研发与落地。此外，也曾涉及AI辅助制药，自动驾驶等领域。方瀚，算法工程师，本科和研究生均就读于北京邮电大学，学习电信工程及管理和信息与通信工程专业。研究方向为计算机视觉与模式识别，人脸识别，多模态学习。在IEEE TMM、ECCV、ICASSP、FG等国际期刊，会议发表论文8篇，入选北京市优秀学士论文奖，北京…
查看完整
查看完整
本书从人工智能（AI）项目管理中的实际困难出发，覆盖通用项目管理、通用人工智能、特定领域人工智能三个层次的问题。重点讨论治理、范围、进度和质量四个大类的问题，并提供一系列适用于AI项目管理的基本框架、分析思路和翔实可用的模板、思维图表和流程，帮助读者快速理解人工智能项目管理的特点，并应用到具体的项目中，解决具体的问题。全书内容可概括为两大部分——“地基”和“上层建筑”。首先覆盖了项目、行业和人这三个基础主题，让AI项目管理能够站在一个稳定的基础知识（地基）上。之后，重点概述了范围、进度和质量三个部分，还将资源、风险、相关方等几个管理领域穿插在各个章节中，这些主题形成了应用部分（上层建筑）。本书对人工智能项目中的管理人员、算法专家、开发人员、业务人员和领域专家，都会带来一定的帮助。
第1章 项目管理概要 001
1.1 项目管理知识体系 003
1.1.1 项目生命周期 006
1.1.2 过程组和知识领域 012
1.1.3 开发生命周期和敏捷 018
1.2 能力成熟度模型 022
1.2.1 能力成熟度模型集成的五个级别 023
1.2.2 能力成熟度模型集成的适用性 028
1.3 集成产品开发 028
1.3.1 启动与规划 030
1.3.2 跨职能团队 031
1.3.3 项目管理概念 031
1.3.4 集成产品开发的适用性 033
1.4 软件开发项目管理 034
1.4.1 交互和服务模式 034
1.4.2 需求管理 036
1.4.3 软件开发生命周期 037
1.4.4 软件配置管理 041
第2章 人工智能项目 043
2.1 人工智能核心技术 044
2.1.1 机器学习 044
2.1.2 深度学习 052
2.1.3 人工智能的开发过程 070
2.2 人工智能项目 075
2.2.1 人工智能项目的分类 075
2.2.2 人工智能项目的共性 077
2.2.3 常见的7类问题 078
2.3 人工智能产业 080
2.3.1 人工智能生态的层次 081
2.3.2 典型的人工智能项目场景 083
2.3.3 人工智能的伦理问题 090
2.4 案例：抗疫场景的人工智能项目 094
2.4.1 新冠肺炎诊断人工智能项目 095
2.4.2 抗疫服务机器人项目 096
2.4.3 疫情社区服务机器人项目 097
2.4.4 疾控智能分析项目 097
2.4.5 复工指数预测项目 098
2.4.6 人工智能在线课堂项目 098
第3章 项目的环境和团队 101
3.1 环境：项目经理的资源 102
3.1.1 冲突：项目经理的挑战 102
3.1.2 项目治理：协作和结构 104
3.1.3 委员会：哪里找高端人才 106
3.1.4 项目管理办公室：方法和模板库 108
3.2 核心人物：项目经理 110
3.2.1 定位：赋能者 110
3.2.2 技能：三种武器 115
3.2.3 领导力：四种方法 117
3.2.4 做决策：四步流程 121
3.2.5 团队建设：规划与对齐 124
3.3 相关方管理 128
3.3.1 识别相关方 129
3.3.2 管理相关方 131
3.3.3 和相关方的沟通 133
3.4 案例：医疗影像项目中的伦理 135
3.4.1 隐私和安全 136
3.4.2 程序能下诊断吗 137
3.4.3 人工智能程序的注册 138
3.5 案例：医工结合管理 139
3.5.1 为什么医工结合很复杂 139
3.5.2 医疗机器人 141
3.5.3 医工结合的项目实践 143
第4章 项目规划 147
4.1 确定项目目标 148
4.1.1 外部条件 149
4.1.2 内部条件 155
4.1.3 制定项目章程 157
4.1.4 制定项目规划 158
4.2 工作分解 159
4.2.1 工作分解结构 160
4.2.2 敏捷任务分解 164
4.2.3 认知和数据任务分解 165
4.3 风险规划 167
4.3.1 风险管理的步骤 168
4.3.2 人工智能项目的风险 174
4.4 案例：医疗影像项目的规划 175
4.4.1 识别相关方 177
4.4.2 外部环境评估 178
4.4.3 内部环境评估 179
4.4.4 商业文件 182
4.4.5 项目章程 184
4.4.6 确定项目范围 187
第5章 进度管理 195
5.1 资源管理 196
5.1.1 规划资源 197
5.1.2 申请资源 201
5.2 任务估算 211
5.2.1 两种估算思路 211
5.2.2 估算中的复杂度 211
5.2.3 三种任务估算方法 213
5.2.4 人工智能任务的估算 216
5.3 进度管理 218
5.3.1 进度规划准备 220
5.3.2 建立活动的模型 221
5.3.3 项目工期计算 228
5.3.4 形成规划 233
5.3.5 进度执行和控制 234
5.4 案例：医疗影像项目的进度计划 238
5.4.1 资源获取 239
5.4.2 构建前导图 243
5.4.3 进度计划表 246
第6章 质量管理 249
6.1 项目质量管理 251
6.1.1 理念和要素 251
6.1.2 制订质量计划 253
6.1.3 质量控制 261
6.2 人工智能项目的质量管理 263
6.2.1 人工智能质量相关的标准 263
6.2.2 人工智能伦理的质量评价 266
6.2.3 算法模型的质量评估 268
6.2.4 客户需求满足的主观评价 274
6.2.5 软件相关质量评价 275
6.2.6 数据质量 277
6.2.7 配置管理 279
6.3 案例：医疗影像项目的质量主题 283
6.3.1 建立指标和验证过程 283
6.3.2 数据质量 285
6.3.3 临床验证中的质量 289
中英文名词索引 294
参考文献 297
^ 收 起
1.1 项目管理知识体系 003
1.1.1 项目生命周期 006
1.1.2 过程组和知识领域 012
1.1.3 开发生命周期和敏捷 018
1.2 能力成熟度模型 022
1.2.1 能力成熟度模型集成的五个级别 023
1.2.2 能力成熟度模型集成的适用性 028
1.3 集成产品开发 028
1.3.1 启动与规划 030
1.3.2 跨职能团队 031
1.3.3 项目管理概念 031
1.3.4 集成产品开发的适用性 033
1.4 软件开发项目管理 034
1.4.1 交互和服务模式 034
1.4.2 需求管理 036
1.4.3 软件开发生命周期 037
1.4.4 软件配置管理 041
第2章 人工智能项目 043
2.1 人工智能核心技术 044
2.1.1 机器学习 044
2.1.2 深度学习 052
2.1.3 人工智能的开发过程 070
2.2 人工智能项目 075
2.2.1 人工智能项目的分类 075
2.2.2 人工智能项目的共性 077
2.2.3 常见的7类问题 078
2.3 人工智能产业 080
2.3.1 人工智能生态的层次 081
2.3.2 典型的人工智能项目场景 083
2.3.3 人工智能的伦理问题 090
2.4 案例：抗疫场景的人工智能项目 094
2.4.1 新冠肺炎诊断人工智能项目 095
2.4.2 抗疫服务机器人项目 096
2.4.3 疫情社区服务机器人项目 097
2.4.4 疾控智能分析项目 097
2.4.5 复工指数预测项目 098
2.4.6 人工智能在线课堂项目 098
第3章 项目的环境和团队 101
3.1 环境：项目经理的资源 102
3.1.1 冲突：项目经理的挑战 102
3.1.2 项目治理：协作和结构 104
3.1.3 委员会：哪里找高端人才 106
3.1.4 项目管理办公室：方法和模板库 108
3.2 核心人物：项目经理 110
3.2.1 定位：赋能者 110
3.2.2 技能：三种武器 115
3.2.3 领导力：四种方法 117
3.2.4 做决策：四步流程 121
3.2.5 团队建设：规划与对齐 124
3.3 相关方管理 128
3.3.1 识别相关方 129
3.3.2 管理相关方 131
3.3.3 和相关方的沟通 133
3.4 案例：医疗影像项目中的伦理 135
3.4.1 隐私和安全 136
3.4.2 程序能下诊断吗 137
3.4.3 人工智能程序的注册 138
3.5 案例：医工结合管理 139
3.5.1 为什么医工结合很复杂 139
3.5.2 医疗机器人 141
3.5.3 医工结合的项目实践 143
第4章 项目规划 147
4.1 确定项目目标 148
4.1.1 外部条件 149
4.1.2 内部条件 155
4.1.3 制定项目章程 157
4.1.4 制定项目规划 158
4.2 工作分解 159
4.2.1 工作分解结构 160
4.2.2 敏捷任务分解 164
4.2.3 认知和数据任务分解 165
4.3 风险规划 167
4.3.1 风险管理的步骤 168
4.3.2 人工智能项目的风险 174
4.4 案例：医疗影像项目的规划 175
4.4.1 识别相关方 177
4.4.2 外部环境评估 178
4.4.3 内部环境评估 179
4.4.4 商业文件 182
4.4.5 项目章程 184
4.4.6 确定项目范围 187
第5章 进度管理 195
5.1 资源管理 196
5.1.1 规划资源 197
5.1.2 申请资源 201
5.2 任务估算 211
5.2.1 两种估算思路 211
5.2.2 估算中的复杂度 211
5.2.3 三种任务估算方法 213
5.2.4 人工智能任务的估算 216
5.3 进度管理 218
5.3.1 进度规划准备 220
5.3.2 建立活动的模型 221
5.3.3 项目工期计算 228
5.3.4 形成规划 233
5.3.5 进度执行和控制 234
5.4 案例：医疗影像项目的进度计划 238
5.4.1 资源获取 239
5.4.2 构建前导图 243
5.4.3 进度计划表 246
第6章 质量管理 249
6.1 项目质量管理 251
6.1.1 理念和要素 251
6.1.2 制订质量计划 253
6.1.3 质量控制 261
6.2 人工智能项目的质量管理 263
6.2.1 人工智能质量相关的标准 263
6.2.2 人工智能伦理的质量评价 266
6.2.3 算法模型的质量评估 268
6.2.4 客户需求满足的主观评价 274
6.2.5 软件相关质量评价 275
6.2.6 数据质量 277
6.2.7 配置管理 279
6.3 案例：医疗影像项目的质量主题 283
6.3.1 建立指标和验证过程 283
6.3.2 数据质量 285
6.3.3 临床验证中的质量 289
中英文名词索引 294
参考文献 297
^ 收 起
杨志宝，资深产品和项目管理专家。曾任职于IBM、百度、58同城等软件和互联网公司，领导和参与了多个软件产品的研发管理工作。2013年以来深耕医疗行业，在智慧医疗、互联网医疗服务、医学数据管理等领域，领导了多个项目的产品开发、运营和项目管理工作。本科和研究生阶段，分别就读于北京理工大学和清华大学，学习机电工程和自动化。班超，算法专家，先后毕业于中国科学院大学和伦敦大学学院(UCL)，取得天文学博士和机器学习硕士学位。长期从事机器视觉算法工作。曾任职于阿里巴巴集团，负责多项淘宝算法的研发与部署。目前就职于中国电信集团，负责带领团队进行多模态前沿算法的研发与落地。此外，也曾涉及AI辅助制药，自动驾驶等领域。方瀚，算法工程师，本科和研究生均就读于北京邮电大学，学习电信工程及管理和信息与通信工程专业。研究方向为计算机视觉与模式识别，人脸识别，多模态学习。在IEEE TMM、ECCV、ICASSP、FG等国际期刊，会议发表论文8篇，入选北京市优秀学士论文奖，北京市优秀毕业生。目前就职于中国电信集团数字智能科技分公司，从事多模态理解，视频检索等相关算法的研发与落地。
^ 收 起
^ 收 起
本书从人工智能（AI）项目管理中的实际困难出发，覆盖通用项目管理、通用人工智能、特定领域人工智能三个层次的问题。重点讨论治理、范围、进度和质量四个大类的问题，并提供一系列适用于AI项目管理的基本框架、分析思路和翔实可用的模板、思维图表和流程，帮助读者快速理解人工智能项目管理的特点，并应用到具体的项目中，解决具体的问题。全书内容可概括为两大部分——“地基”和“上层建筑”。首先覆盖了项目、行业和人这三个基础主题，让AI项目管理能够站在一个稳定的基础知识（地基）上。之后，重点概述了范围、进度和质量三个部分，还将资源、风险、相关方等几个管理领域穿插在各个章节中，这些主题形成了应用部分（上层建筑）。本书对人工智能项目中的管理人员、算法专家、开发人员、业务人员和领域专家，都会带来一定的帮助。
比价列表价格走势
