AI 源碼解讀:機器學習案例 (Python版)

李永華

  • 出版商: 清華大學
  • 出版日期: 2021-08-01
  • 定價: $654
  • 售價: 8.5$556
  • 語言: 簡體中文
  • 頁數: 420
  • 裝訂: 平裝
  • ISBN: 7302577293
  • ISBN-13: 9787302577294
  • 相關分類: Machine Learning
  • 立即出貨 (庫存 < 4)

  • AI 源碼解讀:機器學習案例 (Python版)-preview-1
  • AI 源碼解讀:機器學習案例 (Python版)-preview-2
  • AI 源碼解讀:機器學習案例 (Python版)-preview-3
AI 源碼解讀:機器學習案例 (Python版)-preview-1

買這商品的人也買了...

相關主題

商品描述

本書以人工智能發展為時代背景,通過20個應用機器學習模型和算法的實際案例,為工程技術人員 提供較為詳細的實戰方案,以便深度學習。 在編排方式上,全書側重對創新項目的過程進行介紹。分別從整體設計、系統流程和實現模塊等角度 論述數據處理、模型訓練和模型應用,並剖析模塊的功能、使用和程序代碼。為便於讀者高效學習、快速掌 握人工智能開發方法,本書配套提供項目設計工程文檔、程序代碼、實現過程中出現的問題及解決方法等 資源,可供讀者舉一反三、二次開發。 本書結合系統設計、代碼實現以及運行結果展示進行講解,語言簡潔,深入淺出,通俗易懂,不僅適合 作為對Python編程感興趣的科研人員、人工智能愛好者及從事智能應用創新開發專業人員的參考教材, 也可作為高等院校全棧系統應用開發相關專業的參考書。

作者簡介

李永華 
北京郵電大學,教授,擁有超過10年的軟硬件開發經驗,長期致力於物聯網、雲計算與人工智能的研究工作。
在教學中以興趣為導向,激發學生的創造性;以素質為基礎,提高自身教學水平;以科研為手段,促進教學理念的轉變,在教學與科研實踐中指導學生實現300餘個創新案例。
主持30餘項國j級與企事業單位課題的研究工作,在國內外學術期刊及會議發表論文100餘篇,申請專利50餘項,出版圖書20餘部。

目錄大綱

目錄
項目1今日熱點新聞推薦系統
1.1總體設計
1.1.1系統整體結構
1.1.2系統流程
1.2運行環境
1.3模塊實現
1.3.1數據爬取
1.3.2新聞處理與聚類
1.3.3新聞推薦
1.4系統測試
1.4.1數據準備
1.4.2文本聚類
1.4.3熱點新聞推薦

項目2音樂推薦系統
2.1總體設計
2.1.1系統整體結構
2.1.2系統流程
2.2運行環境
2.2.1Python環境
2.2.2MySQL環境
2.2.3VUE環境
2.3模塊實現
2.3.1數據請求和儲存
2.3.2數據處理
2.3.3數據存儲與後台
2.3.4數據展示
2.4系統測試

項目3基於網頁端的電影推薦
3.1總體設計
3.1.1系統整體結構
3.1.2系統流程
3.2運行環境
3.2.1Python環境
3.2.2PyCharm環境
3.2.3數據庫
3.3模塊實現
3.3.1數據爬取及處理
3.3.2模型訓練及保存
3.3.3接口實現
3.3.4收集數據
3.3.5界面設計
3.4系統測試

項目4基於邏輯回歸的音樂分類
4.1總體設計
4.1.1系統整體結構
4.1.2系統流程
4.2運行環境
4.2.1Python環境
4.2.2Visual Studio Code開發環境
4.2.3Nodejs環境
4.2.4ffmpeg環境
4.2.5其他環境
4.3模塊實現
4.3.1數據預處理
4.3.2數據特徵處理
4.3.3模型構建
4.3.4模型訓練及保存
4.3.5模型預測
4.3.6前端模塊
4.3.7後端模塊
4.4系統測試
4.4.1訓練準確率
4.4.2系統應用

項目5基於OpenCV和CNN的手語數字實時翻譯
5.1總體設計
5.1.1系統整體結構
5.1.2系統流程
5.2運行環境
5.2.1Python環境
5.2.2TensorFlow環境
5.2.3Keras環境
5.2.4Android環境
5.3模塊實現
5.3.1數據預處理
5.3.2數據增強
5.3.3模型構建
5.3.4模型訓練及保存
5.3.5模型評估
5.3.6模型測試
5.4系統測試
5.4.1訓練準確率
5.4.2測試效果
5.4.3模型應用

項目6比賽預測
6.1總體設計
6.1.1系統整體結構
6.1.2系統流程
6.2運行環境
6.2.1Python環境
6.2.2Jupyter Notebook環境
6.2.3PyCharm環境
6.2.4MATLAB環境
6.3模塊實現
6.3.1數據預處理
6.3.2特徵提取
6.3.3模型訓練及評估
6.3.4模型訓練準確率
6.4系統測試
6.4.1測試效果
6.4.2模型應用

項目7基於SVM分類垃圾短信
7.1總體設計
7.1.1系統整體結構
7.1.2系統流程
7.2運行環境
7.2.1Python環境
7.2.2Scikitlearn
7.2.3jieba環境
7.2.4MongoDB環境
7.2.5Apache+PHP
7.3模塊實現
7.3.1數據預處理
7.3.2模型訓練及保存
7.3.3模型評估
7.3.4模型測試
7.4系統測試

項目8KNN數字驗證碼識別
8.1總體設計
8.1.1系統整體結構
8.1.2系統流程
8.2運行環境
8.3模塊實現
8.3.1數據爬取
8.3.2去噪與分割
8.3.3模型訓練及保存
8.3.4準確率驗證
8.4系統測試

項目9基於VAE的圖像生成
9.1總體設計
9.1.1系統整體結構
9.1.2系統流程
9.2運行環境
9.2.1Python環境
9.2.2TensorFlow環境
9.2.3GPU
9.3模塊實現
9.3.1數據預處理
9.3.2模型構建及編譯
9.3.3模型訓練及圖像生成
9.3.4不同數據集處理
9.4系統測試
9.4.1隱層可視化
9.4.2測試效果
9.4.3放大圖像

項目10學年成績預測
10.1總體設計
10.1.1系統整體結構
10.1.2系統流程
10.2運行環境
10.2.1Python環境
10.2.2Plotly庫
10.2.3Scikitlearn庫
10.3模塊實現
10.3.1準備預處理
10.3.2數據可視化與分析
10.3.3特徵提取
10.3.4模型訓練及保存
10.4系統測試

項目11銀行卡號數字識別
11.1總體設計
11.1.1系統整體結構
11.1.2系統流程
11.2運行環境
11.2.1Python環境
11.2.2TensorFlow環境
11.2.3OpenCV環境
11.3模塊實現
11.3.1訓練集圖片處理
11.3.2測試圖片處理
11.3.3模型訓練及保存
11.3.4模型測試
11.4系統測試
11.4.1成功案例
11.4.2失敗案例

項目12古詩與歌詞生成
12.1總體設計
12.1.1系統整體結構
12.1.2系統流程
12.2運行環境
12.2.1Python環境
12.2.2TensorFlow環境
12.2.3PyCharm環境
12.3模塊實現
12.3.1數據預處理
12.3.2模型構建
12.3.3模型訓練及保存
12.3.4使用模型生成古詩
12.3.5產生藏頭詩
12.3.6用詞云展示生成的古詩
12.4歌詞生成
12.4.1數據預處理
12.4.2模型構建
12.4.3模型訓練及保存
12.4.4生成歌詞
12.5系統測試
12.5.1生成古詩和藏頭詩
12.5.2生成歌詞

項目13語音識別與方言分類
13.1總體設計
13.1.1系統整體結構
13.1.2系統流程
13.2運行環境
13.2.1Python環境
13.2.2TensorFlow環境
13.3模塊實現
13.3.1方言分類
13.3.2語音識別
13.3.3模型測試
13.4系統測試
13.4.1訓練準確率
13.4.2測試效果
13.4.3模型應用

項目14智能聊天室
14.1總體設計
14.1.1系統整體結構
14.1.2系統流程
14.2運行環境
14.2.1Python環境
14.2.2庫安裝
14.2.3圖靈聊天機器人API
14.2.4百度雲服務器配置
14.3模塊實現
14.3.1聊天模塊
14.3.2文件圖片(表情包)
14.3.3音視頻通話
14.3.4人臉識別
14.3.5截圖功能
14.3.6聊天機器人
14.4系統測試
14.4.1人臉測試效果
14.4.2聊天效果測試
14.4.3文件操作測試
14.4.4截圖操作測試

項目15基於OpenCV的答題卡識別系統
15.1總體設計
15.1.1系統整體結構
15.1.2系統流程
15.2運行環境
15.2.1Python環境
15.2.2PyCharm安裝
15.2.3OpenCV環境
15.3模塊實現
15.3.1信息識別
15.3.2Excel導出模塊
15.3.3圖形用戶界面模塊
15.3.4手寫識別模塊
15.4系統測試
15.4.1系統識別準確率
15.4.2系統識別應用

項目16人臉識別添加護具系統
16.1總體設計
16.1.1系統整體結構
16.1.2系統流程
16.2運行環境
16.2.1Python環境
16.2.2Tkinter調用
16.2.3OpenCV安裝
16.2.4庫環境
16.3模塊實現
16.3.1頁面佈局
16.3.2圖像加載
16.3.3圖像識別
16.4系統測試

項目17LPR車牌識別
17.1總體設計
17.1.1系統整體結構
17.1.2系統流程
17.2運行環境
17.2.1Python環境
17.2.2OpenCV環境
17.2.3Android環境
17.3模塊實現
17.3.1數據預處理
17.3.2模型訓練
17.3.3APP構建
17.4系統測試
17.4.1訓練分數和損失可視化
17.4.2APP測試結果

項目18動漫人物識別
18.1總體設計
18.1.1系統整體結構
18.1.2系統流程
18.2運行環境
18.2.1爬蟲
18.2.2模型訓練
18.2.3實際應用
18.3模塊實現
18.3.1數據準備
18.3.2數據處理
18.3.3模型訓練及保存
18.3.4模型測試
18.4系統測試
18.4.1測試效果
18.4.2模型應用

項目19基於遺傳神經網絡的“外星人入侵”
19.1總體設計
19.1.1系統整體結構
19.1.2系統流程
19.2運行環境
19.3模塊實現
19.3.1遊戲設置
19.3.2模型訓練
19.3.3數據繪圖
19.3.4UI界面
19.4系統測試
19.4.1測試效果
19.4.2運行結果
19.4.3模型應用

項目20中草藥識別的微信小程序
20.1總體設計
20.1.1系統整體結構
20.1.2系統流程
20.2運行環境
20.3模塊實現
20.3.1從百度AI申請API
20.3.2雲函數
20.3.3API調用
20.3.4資料存儲
20.3.5頁面設計
20.4系統測試
20.4.1開發者平台測試
20.4.2小程序真機測試