人工智能 类型
可以朗读 语音朗读
71千字 字数
2021-08-01 发行日期
展开全部

主编推荐语

本书通过20个实际案例教授AI技术，为工程技术人员提供实战方案，配套详细的设计工程文档和代码。

内容简介

本书以人工智能发展为时代背景，通过20个实际案例应用机器学习模型和算法，为工程技术人员提供较为详细的实战方案，以便深度学习。在编排方式上，全书侧重对创新项目的过程进行介绍。分别从整体设计、系统流程、实现模块等角度论述数据处理、模型训练及模型应用，并剖析模块的功能、使用和程序代码。为便于读者高效学习，快速掌握人工智能开发方法，本书配套提供项目设计工程文档、程序代码、实现过程中出现的问题并给予解决方法，可供读者举一反三，二次开发。本书从系统设计、代码实现以及运行结果展示相结合，语言简洁，深入浅出，

目录

  • 封面页
  • 书名页
  • 版权页
  • 作者简介
  • 内容简介
  • 前言PREFACE
  • 目录
  • 项目1 PROJECT 1　基于马尔可夫模型的自动即兴音乐推荐
  • 1.1　总体设计
  • 1.1.1　系统整体结构
  • 1.1.2　系统流程
  • 1.2　运行环境
  • 1.2.1　Python环境
  • 1.2.2　PC环境配置
  • 1.3　模块实现
  • 1.3.1　钢琴伴奏制作
  • 1.3.2　乐句生成
  • 1.3.3　贝斯伴奏制作
  • 1.3.4　汇总歌曲制作
  • 1.3.5　GUI设计
  • 1.4　系统测试
  • 项目2 PROJECT 2　小型智能健康推荐助手
  • 2.1　总体设计
  • 2.1.1　系统整体结构
  • 2.1.2　系统流程
  • 2.2　运行环境
  • 2.3　模块实现
  • 2.3.1　疾病预测
  • 2.3.2　药物推荐
  • 2.3.3　模型测试
  • 2.4　系统测试
  • 2.4.1　训练准确度
  • 2.4.2　测试效果
  • 2.4.3　模型应用
  • 项目3 PROJECT 3　基于SVM的酒店评论推荐系统
  • 3.1　总体设计
  • 3.1.1　系统整体结构
  • 3.1.2　系统流程
  • 3.2　运行环境
  • 3.2.1　Python环境
  • 3.2.2　TensorFlow环境
  • 3.2.3　安装其他模块
  • 3.2.4　安装MySQL数据库
  • 3.3　模块实现
  • 3.3.1　数据预处理
  • 3.3.2　模型训练及保存
  • 3.3.3　模型测试
  • 3.4　系统测试
  • 3.4.1　训练准确率
  • 3.4.2　测试效果
  • 3.4.3　模型应用
  • 项目4 PROJECT 4　基于MovieLens数据集的电影推荐系统
  • 4.1　总体设计
  • 4.1.1　系统整体结构
  • 4.1.2　系统流程
  • 4.2　运行环境
  • 4.2.1　Python环境
  • 4.2.2　TensorFlow环境
  • 4.2.3　后端服务器
  • 4.2.4　Django环境配置
  • 4.2.5　微信小程序环境
  • 4.3　模块实现
  • 4.3.1　模型训练
  • 4.3.2　后端Django
  • 4.3.3　前端微信小程序
  • 4.4　系统测试
  • 4.4.1　模型损失曲线
  • 4.4.2　测试效果
  • 项目5 PROJECT 5　基于排队时间预测的智能导航推荐系统
  • 5.1　总体设计
  • 5.1.1　系统整体结构
  • 5.1.2　系统流程
  • 5.2　运行环境
  • 5.2.1　Python环境
  • 5.2.2　Scikit-learn环境
  • 5.3　模块实现
  • 5.3.1　数据预处理
  • 5.3.2　客流预测
  • 5.3.3　百度地图API调用
  • 5.3.4　GUI设计
  • 5.3.5　路径规划
  • 5.3.6　智能推荐
  • 5.4　系统测试
  • 5.4.1　训练准确率
  • 5.4.2　测试效果
  • 5.4.3　程序应用
  • 项目6 PROJECT 6　基于人工智能的面相推荐分析
  • 6.1　总体设计
  • 6.1.1　系统整体结构
  • 6.1.2　系统流程
  • 6.2　运行环境
  • 6.2.1　Python环境
  • 6.2.2　TensorFlow环境
  • 6.2.3　界面编程环境
  • 6.3　模块实现
  • 6.3.1　数据预处理
  • 6.3.2　模型构建
  • 6.3.3　模型训练及保存
  • 6.3.4　模型测试
  • 6.4　系统测试
  • 6.4.1　训练准确率
  • 6.4.2　测试效果
  • 6.4.3　模型应用
  • 项目7 PROJECT 7　图片情感分析与匹配音乐生成推荐
  • 7.1　总体设计
  • 7.1.1　系统整体结构
  • 7.1.2　系统流程
  • 7.2　运行环境
  • 7.2.1　Python环境
  • 7.2.2　Magenta环境
  • 7.3　模块实现
  • 7.3.1　数据预处理
  • 7.3.2　模型构建
  • 7.3.3　模型训练及保存
  • 7.4　系统测试
  • 7.4.1　测试效果
  • 7.4.2　模型应用
  • 项目8 PROJECT 8　新闻自动文摘推荐系统
  • 8.1　总体设计
  • 8.1.1　系统整体结构
  • 8.1.2　系统流程
  • 8.2　运行环境
  • 8.2.1　Python环境
  • 8.2.2　TensorFlow环境
  • 8.3　模块实现
  • 8.3.1　数据预处理
  • 8.3.2　词云构建
  • 8.3.3　关键词提取
  • 8.3.4　语音播报
  • 8.3.5　LDA主题模型
  • 8.3.6　模型构建
  • 8.4　系统测试
  • 项目9 PROJECT 9　基于用户特征的预测流量套餐推荐
  • 9.1　总体设计
  • 9.1.1　系统整体结构
  • 9.1.2　系统流程
  • 9.2　运行环境
  • 9.2.1　Python环境
  • 9.2.2　Scikit-learn库的安装
  • 9.3　逻辑回归算法模块实现
  • 9.3.1　数据预处理
  • 9.3.2　模型构建
  • 9.3.3　模型训练及保存
  • 9.3.4　模型预测
  • 9.4　朴素贝叶斯算法模型实现
  • 9.4.1　数据预处理
  • 9.4.2　模型构建
  • 9.4.3　模型评估
  • 9.5　系统测试
  • 项目10 PROJECT 10　校园知识图谱问答推荐系统
  • 10.1　总体设计
  • 10.1.1　系统整体结构
  • 10.1.2　系统流程
  • 10.2　运行环境
  • 10.2.1　Python环境
  • 10.2.2　服务器环境
  • 10.3　模块实现
  • 10.3.1　构造数据集
  • 10.3.2　识别网络
  • 10.3.3　命名实体纠错
  • 10.3.4　检索问题类别
  • 10.3.5　查询结果
  • 10.4　系统测试
  • 10.4.1　命名实体识别网络测试
  • 10.4.2　知识图谱问答系统整体测试
  • 项目11 PROJECT 11　新闻推荐系统
  • 11.1　总体设计
  • 11.1.1　系统整体结构
  • 11.1.2　系统流程
  • 11.2　运行环境
  • 11.2.1　Python环境
  • 11.2.2　node.js前端环境
  • 11.2.3　MySQL数据库
  • 11.3　模块实现
  • 11.3.1　数据预处理
  • 11.3.2　热度值计算
  • 11.3.3　相似度计算
  • 11.3.4　新闻统计
  • 11.3.5　API接口开发
  • 11.3.6　前端界面实现
  • 11.4　系统测试
  • 项目12 PROJECT 12　口红色号检测推荐系统
  • 12.1　总体设计
  • 12.1.1　系统整体结构
  • 12.1.2　系统流程
  • 12.2　运行环境
  • 12.2.1　Python环境
  • 12.2.2　TensorFlow环境
  • 12.2.3　安装face_recognition
  • 12.2.4　安装colorsys模块
  • 12.2.5　安装PyQt 5
  • 12.2.6　安装QCandyUi
  • 12.2.7　库依赖关系
  • 12.3　模块实现
  • 12.3.1　数据预处理
  • 12.3.2　系统搭建
  • 12.4　系统测试
  • 项目13 PROJECT 13　基于矩阵分解算法的Steam游戏推荐系统
  • 13.1　总体设计
  • 13.1.1　系统整体结构
  • 13.1.2　系统流程
  • 13.2　运行环境
  • 13.2.1　Python环境
  • 13.2.2　TensorFlow环境
  • 13.2.3　PyQt 5环境
  • 13.3　模块实现
  • 13.3.1　数据预处理
  • 13.3.2　模型构建
  • 13.3.3　模型训练及保存
  • 13.3.4　模型测试
  • 13.4　系统测试
  • 13.4.1　训练准确率
  • 13.4.2　测试效果
  • 13.4.3　模型应用
  • 项目14 PROJECT 14　语音识别和字幕推荐系统
  • 14.1　总体设计
  • 14.1.1　系统整体结构
  • 14.1.2　系统流程
  • 14.2　运行环境
  • 14.3　模块实现
  • 14.3.1　数据预处理
  • 14.3.2　翻译
  • 14.3.3　格式转换
  • 14.3.4　音频切割
  • 14.3.5　语音识别
  • 14.3.6　文本切割
  • 14.3.7　main函数
  • 14.4　系统测试
  • 项目15 PROJECT 15　发型推荐系统设计
  • 15.1　总体设计
  • 15.1.1　系统整体结构
  • 15.1.2　系统流程
  • 15.2　运行环境
  • 15.2.1　Python环境
  • 15.2.2　PyCharm环境
  • 15.3　模块实现
  • 15.3.1　Face++·API调用
  • 15.3.2　数据爬取
  • 15.3.3　模型构建
  • 15.3.4　用户界面设计
  • 15.4　系统测试
  • 15.4.1　测试效果
  • 15.4.2　用户界面
  • 项目16 PROJECT 16　基于百度AI的垃圾分类推荐系统
  • 16.1　总体设计
  • 16.1.1　系统整体结构
  • 16.1.2　系统流程
  • 16.1.3　PC端系统流程
  • 16.2　运行环境
  • 16.2.1　Python环境
  • 16.2.2　微信开发者工具
  • 16.2.3　百度AI
  • 16.3　模块实现
  • 16.3.1　PC端垃圾分类
  • 16.3.2　移动端微信小程序
  • 16.4　系统测试
  • 16.4.1　PC端效果展示
  • 16.4.2　微信小程序效果展示
  • 项目17 PROJECT 17　协同过滤音乐推荐系统
  • 17.1　总体设计
  • 17.1.1　系统整体结构
  • 17.1.2　系统流程
  • 17.2　运行环境
  • 17.2.1　Python环境
  • 17.2.2　PyCharm和Jupyter
  • 17.3　模块实现
  • 17.3.1　数据预处理
  • 17.3.2　算法实现
  • 17.3.3　算法测评
  • 17.4　系统测试
  • 项目18 PROJECT 18　护肤品推荐系统
  • 18.1　总体设计
  • 18.1.1　系统整体结构
  • 18.1.2　系统流程
  • 18.2　运行环境
  • 18.3　模块实现
  • 18.3.1　文件读入
  • 18.3.2　推荐算法
  • 18.3.3　应用模块
  • 18.3.4　测试调用函数
  • 18.4　系统测试
  • 项目19 PROJECT 19　基于人脸识别的特定整蛊推荐系统
  • 19.1　总体设计
  • 19.1.1　系统整体结构
  • 19.1.2　系统流程
  • 19.2　运行环境
  • 19.2.1　Python环境
  • 19.2.2　PyCharm环境
  • 19.2.3　dlib和face_recognition库
  • 19.3　模块实现
  • 19.3.1　人脸识别
  • 19.3.2　美颜处理
  • 19.4　系统测试
  • 19.4.1　人脸识别效果
  • 19.4.2　美颜效果
  • 19.4.3　GUI展示
  • 项目20 PROJECT 20　TensorFlow 2实现AI推荐换脸
  • 20.1　总体设计
  • 20.1.1　系统整体结构
  • 20.1.2　系统流程
  • 20.2　运行环境
  • 20.3　模块实现
  • 20.3.1　数据集
  • 20.3.2　自编码器
  • 20.3.3　训练模型
  • 20.3.4　测试模型
  • 20.4　系统测试
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。