万本电子书0元读

万本电子书0元读

顶部广告

AI源码解读:推荐系统案例(Python版)电子书

融汇科研与教学经验,案例可二次发利用!阿里巴巴字节跳动讯飞智元腾讯百度微软 专家联袂推荐!配套程序代码、工程文件、附赠案例!

售       价:¥

纸质售价:¥78.20购买纸书

82人正在读 | 0人评论 6.2

作       者:李永华

出  版  社:清华大学出版社

出版时间:2021-09-01

字       数:7.0万

所属分类: 科技 > 计算机/网络 > 软件系统

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书以人工智能发展为时代背景,通过20个实际案例系统介绍了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,全书侧重介绍创新项目的过程,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 能技术的发方法,本书配套提供项目设计工程文档、程序代码、出现的问题及解决方法,可供读者举一反 三,二次发。 本书将系统设计、代码实现以及运行结果展示相结合,语言简洁,讲解深浅出、通俗易懂,不仅适合 Python编程的爱好者,而且适合作为高等院校相关专业的教材,还可作为智能应用创新发专业技术人员 的参考用书。<br/>【推荐语】<br/>融汇科研与教学经验,案例可二次发利用!阿里巴巴字节跳动讯飞智元腾讯百度微软 专家联袂推荐!配套程序代码、工程文件、附赠案例!<br/>【作者】<br/>李永华:北京邮电大学,教授,拥有超过10年的软硬件发经验,长期致力于物联网、云计算与人工智能的研究工作。在教学中以兴趣为导向,激发学生的创造性;以素质为基础,提高自身教学水平;以科研为手段,促教学理念的转变,在教学与科研实践中指导学生实现300余个创新案例。主持30余项与企事业单位课题的研究工作,在国内外学术期刊及会议发表论文100余篇,申请专利50余项,出版图书20余部。<br/>
目录展开

作者简介

内容简介

前言PREFACE

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.和弦的实现

2.和弦级数转为当前调式音阶

3.根据预置节奏生成伴奏

1.3.2 乐句生成

1.添加音符

2.旋律生成

3.节奏生成

1.3.3 贝斯伴奏制作

1.添加贝斯轨

2.预置贝斯轨

1.3.4 汇总歌曲制作

1.日志模块

2.音乐可视化

3.Impromptu类

1.3.5 GUI设计

1.用户界面空间初始化

2.将控件绑定功能(信号与槽的绑定)

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

1.数据预处理

2.模型训练及保存

3.模型应用

2.3.2 药物推荐

1.数据预处理

2.模型训练及应用

3.模型应用

2.3.3 模型测试

1.模型导入

2.相关代码

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

1.数据整合

2.文本清洗

3.文本分词

3.3.2 模型训练及保存

1.加载词向量表,并设置训练集和测试集

2.模型训练并保存

3.3.3 模型测试

1.爬取评论

2.酒店打分

3.界面设置

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

1.数据集分析

2.数据预处理

3.模型创建

4.模型训练

5.获取特征矩阵

4.3.2 后端Django

1.路由文件

2.视图层文件

3.项目设置文件

4.3.3 前端微信小程序

1.小程序全局配置文件

2.推荐电影页面

3.个人信息页面以及用户登录记录页面

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

1.加载数据集

2.时间划分与保存

3.处理天气预报数据

4.增加特征

5.合并特征值

5.3.2 客流预测

1.创建并保存模型

2.损失函数

3.测试集测试

4.自定义特征并预测

5.3.3 百度地图API调用

1.申请密钥

2.地址编码服务

3.轻量级路线规划服务

5.3.4 GUI设计

1.手绘地图导入

2.下拉菜单设计

3.复选框设计

4.最佳路线结果输出界面设计相关代码如下:

5.智能推荐结果输出设计

6.界面展示

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

1.定义模型结构

2.交叉验证模型优化

6.3.3 模型训练及保存

6.3.4 模型测试

1.摄像头调用

2.模型导入及调用

3.前端代码

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

1.图片部分

2.音乐部分

7.3.2 模型构建

1.定义模型结构

2.优化损失函数

7.3.3 模型训练及保存

1.图片情感分析

2.音乐训练

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

1.导入数据

2.数据清洗

3.统计词频

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

1.构建模型

2.优化模型

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

1.新闻分词处理

2.计算相似度

11.3.4 新闻统计

11.3.5 API接口开发

11.3.6 前端界面实现

1.运行逻辑

2.前端界面的数据配置

3.前端界面配置

11.4 系统测试

1.产生用户行为时的推荐

2.用户浏览新闻时的推荐

3.新用户的冷启动推荐

4.新用户自选标签的推荐

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

1.源数据的存储

2.数据处理

3.合并得到json文件

12.3.2 系统搭建

1.人脸识别

2.提取唇部轮廓并创建蒙版

3.划分嘴唇区域

4.提取图片颜色

5.获取色号库

6.比较并得出结果

7.创建图形化界面

8.将流程封装为类和函数

9.对GUI的显示效果进行美化

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

1.定义模型结构

2.优化损失函数

13.3.3 模型训练及保存

1.模型训练

2.模型保存

13.3.4 模型测试

1.制作页面

2.模型导入及调用

3.模型测试代码

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

1.程序使用说明

2.测试结果

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

1.Face++·API介绍

2.调用API

15.3.2 数据爬取

1.网络数据爬取步骤

2.爬虫实现

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

1.控制台效果

2.融合效果

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

1.获取access_token

2.载入图片函数

3.百度AI调用函数

4.get_html函数

5.main函数

6.GUI

16.3.2 移动端微信小程序

1.baiduaccesstoken.js

2.baidu-token-util.js

3.camera.js

4.index.js(录音)

5.garbage-sort-data.js(数据库)

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

1.MSD数据集介绍

2.数据处理

17.3.2 算法实现

1.基于流行度的推荐

2.基于物品的协同过滤推荐

17.3.3 算法测评

1.测评方法

2.测评指标

3.具体实现

4.评测结果

17.4 系统测试

1.流行度推荐

2.协同过滤算法

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

1.数据预处理

2.计算相似度

3.排序并提取产品

4.组合推荐算法

18.3.3 应用模块

1.得到最终产品

2.筛选过敏物质

3.筛选相互禁忌的产品

4.输出单品推荐与组合推荐

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

1.模型图片的获取及数据分析

2.人脸检测及识别

19.3.2 美颜处理

1.获取人脸五官切片

2.分类美颜操作

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

1.数据载入

2.数据增强

3.构造Batch数据集

20.3.2 自编码器

1.子像素卷积

2.下采样层与上采样层

3.神经网络

20.3.3 训练模型

20.3.4 测试模型

20.4 系统测试

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部