AI 源碼解讀 : 推薦系統案例 (Python版)
李永華
買這商品的人也買了...
-
$403美團機器學習實踐
-
$648$616 -
$580$493 -
$580$458 -
$780$616 -
$403智能搜索和推薦系統:原理、算法與應用
-
$327遷移學習導論
-
$594$564 -
$774$735 -
$454AI 源碼解讀:循環神經網絡(RNN)深度學習案例 (Python版)
-
$403大數據用戶行為畫像分析實操指南
-
$599$569 -
$580$458 -
$714$678 -
$534$507 -
$894$849 -
$648$616 -
$407智能推薦系統開發實戰
-
$800$632 -
$505推薦系統實戰寶典
-
$403動手學推薦系統 — 基於 PyTorch 的算法實現 (微課視頻版)
-
$820$640 -
$860$671 -
$594$564 -
$720$569
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個實際案例系統介紹了機器學習模型和算法,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,全書側重介紹創新項目的過程,分別從整體設計、系統流程、實現模塊等角度論述數據 處理、模型訓練及模型應用,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 能技術的開發方法,本書配套提供項目設計工程文檔、程序代碼、出現的問題及解決方法,可供讀者舉一反 三,二次開發。 本書將系統設計、代碼實現以及運行結果展示相結合,語言簡潔,講解深入淺出、通俗易懂,不僅適合 Python編程的愛好者,而且適合作為高等院校相關專業的教材,還可作為智能應用創新開發專業技術人員 的參考用書。
作者簡介
李永華:北京郵電大學,教授,擁有過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ping;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
項目1基於馬爾可夫模型的自動即興音樂推薦
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
1.2.1Python環境
1.2.2PC環境配置
1.3模塊實現
1.3.1鋼琴伴奏製作
1.3.2樂句生成
1.3.3貝斯伴奏製作
1.3.4匯總歌曲製作
1.3.5GUI設計
1.4系統測試
項目2小型智能健康推薦助手
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
2.3模塊實現
2.3.1疾病預測
2.3.2藥物推薦
2.3.3模型測試
2.4系統測試
2.4.1訓練準確度
2.4.2測試效果
2.4.3模型應用
項目3基於SVM的酒店評論推薦系統
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
3.2.2TensorFlow環境
3.2.3安裝其他模塊
3.2.4安裝MySQL數據庫
3.3模塊實現
3.3.1數據預處理
3.3.2模型訓練及保存
3.3.3模型測試
3.4系統測試
3.4.1訓練準確率
3.4.2測試效果
3.4.3模型應用
項目4基於MovieLens數據集的電影推薦系統
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
4.2.2TensorFlow環境
4.2.3後端服務器
4.2.4Django環境配置
4.2.5微信小程序環境
4.3模塊實現
4.3.1模型訓練
4.3.2後端Django
4.3.3前端微信小程序
4.4系統測試
4.4.1模型損失曲線
4.4.2測試效果
項目5基於排隊時間預測的智能導航推薦系統
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
5.2.2Scikitlearn環境
5.3模塊實現
5.3.1數據預處理
5.3.2客流預測
5.3.3百度地圖API調用
5.3.4GUI設計
5.3.5路徑規劃
5.3.6智能推薦
5.4系統測試
5.4.1訓練準確率
5.4.2測試效果
5.4.3程序應用
項目6基於人工智能的面相推薦分析
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
6.2.2TensorFlow環境
6.2.3界面編程環境
6.3模塊實現
6.3.1數據預處理
6.3.2模型構建
6.3.3模型訓練及保存
6.3.4模型測試
6.4系統測試
6.4.1訓練準確率
6.4.2測試效果
6.4.3模型應用
項目7圖片情感分析與匹配音樂生成推薦
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
7.2.2Magenta環境
7.3模塊實現
7.3.1數據預處理
7.3.2模型構建
7.3.3模型訓練及保存
7.4系統測試
7.4.1測試效果
7.4.2模型應用
項目8新聞自動文摘推薦系統
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
8.2.1Python環境
8.2.2TensorFlow環境
8.3模塊實現
8.3.1數據預處理
8.3.2詞云構建
8.3.3關鍵詞提取
8.3.4語音播報
8.3.5LDA主題模型
8.3.6模型構建
8.4系統測試
項目9基於用戶特徵的預測流量套餐推薦
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
9.2.2Scikitlearn庫的安裝
9.3邏輯回歸算法模塊實現
9.3.1數據預處理
9.3.2模型構建
9.3.3模型訓練及保存
9.3.4模型預測
9.4樸素貝葉斯算法模型實現
9.4.1數據預處理
9.4.2模型構建
9.4.3模型評估
9.5系統測試
項目10校園知識圖譜問答推薦系統
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
10.2.2服務器環境
10.3模塊實現
10.3.1構造數據集
10.3.2識別網絡
10.3.3命名實體糾錯
10.3.4檢索問題類別
10.3.5查詢結果
10.4系統測試
10.4.1命名實體識別網絡測試
10.4.2知識圖譜問答系統整體測試
項目11新聞推薦系統
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
11.2.2node.js前端環境
11.2.3MySQL數據庫
11.3模塊實現
11.3.1數據預處理
11.3.2熱度值計算
11.3.3相似度計算
11.3.4新聞統計
11.3.5API接口開發
11.3.6前端界面實現
11.4系統測試
項目12口紅色號檢測推薦系統
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
12.2.3安裝face_recognition
12.2.4安裝colorsys模塊
12.2.5安裝PyQt 5
12.2.6安裝QCandyUi
12.2.7庫依賴關係
12.3模塊實現
12.3.1數據預處理
12.3.2系統搭建
12.4系統測試
項目13基於矩陣分解算法的Steam遊戲推薦系統
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
13.2.3PyQt 5環境
13.3模塊實現
13.3.1數據預處理
13.3.2模型構建
13.3.3模型訓練及保存
13.3.4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語音識別和字幕推薦系統
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
14.3模塊實現
14.3.1數據預處理
14.3.2翻譯
14.3.3格式轉換
14.3.4音頻切割
14.3.5語音識別
14.3.6文本切割
14.3.7main函數
14.4系統測試
項目15髮型推薦系統設計
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環境
15.3模塊實現
15.3.1Face++•API調用
15.3.2數據爬取
15.3.3模型構建
15.3.4用戶界面設計
15.4系統測試
15.4.1測試效果
15.4.2用戶界面
項目16基於百度AI的垃圾分類推薦系統
16.1總體設計
16.1.1系統整體結構
16.1.2系統流程
16.1.3PC端系統流程
16.2運行環境
16.2.1Python環境
16.2.2微信開發者工具
16.2.3百度AI
16.3模塊實現
16.3.1PC端垃圾分類
16.3.2移動端微信小程序
16.4系統測試
16.4.1PC端效果展示
16.4.2微信小程序效果展示
項目17協同過濾音樂推薦系統
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
17.2.2PyCharm和Jupyter
17.3模塊實現
17.3.1數據預處理
17.3.2算法實現
17.3.3算法測評
17.4系統測試
項目18護膚品推薦系統
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
18.3模塊實現
18.3.1文件讀入
18.3.2推薦算法
18.3.3應用模塊
18.3.4測試調用函數
18.4系統測試
項目19基於人臉識別的特定整蠱推薦系統
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
19.2.1Python環境
19.2.2PyCharm環境
19.2.3dlib和face_recognition庫
19.3模塊實現
19.3.1人臉識別
19.3.2美顏處理
19.4系統測試
19.4.1人臉識別效果
19.4.2美顏效果
19.4.3GUI展示
項目20TensorFlow 2實現AI推薦換臉
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數據集
20.3.2自編碼器
20.3.3訓練模型
20.3.4測試模型
20.4系統測試