本書以人工智能發(fā)展為時代背景,通過20個實際案例系統(tǒng)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(zhàn)方案,以便深度學習。 在編排方式上,全書側重介紹創(chuàng)新項目的過程,分別從整體設計、系統(tǒng)流程、實現(xiàn)模塊等角度論述數據 處理、模型訓練及模型應用,并剖析模塊的功能、使用和程序代碼。為便于讀者高效學習,快速掌握人工智 能技術的開發(fā)方法,本書配套提供項目設計工程文檔、程序代碼、出現(xiàn)的問題及解決方法,可供讀者舉一反 三,二次開發(fā)。 本書將系統(tǒng)設計、代碼實現(xiàn)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(yè)的教材,還可作為智能應用創(chuàng)新開發(fā)專業(yè)技術人員 的參考用書。
融匯科研與教學經驗，案例可二次開發(fā)利用！阿里巴巴|字節(jié)跳動|訊飛智元|騰訊|百度|微軟
專家聯(lián)袂推薦！配套程序代碼、工程文件、附贈案例！
Python作為人工智能和大數據領域的主要開發(fā)語言，具有靈活性強、擴展性好、應用面廣、可移植、可擴展、可嵌入等特點，近年來發(fā)展迅速，熱度不減，人才需求量逐年攀升，已經成為高等院校的專業(yè)課程。
為適應當前教學改革的要求，更好地踐行人工智能模型與算法的應用，本書以實踐教學與創(chuàng)新能力培養(yǎng)為目標，采取了創(chuàng)新方式，從不同難度、不同類型、不同算法，融合了同類教材的優(yōu)點，將實際智能應用案例進行總結，希望起到拋磚引玉的作用。
本書的主要內容和素材來自開源網站的人工智能經典模型算法、信息工程專業(yè)創(chuàng)新課程內容及作者所在學校近幾年承擔的科研項目成果、作者指導學生完成的創(chuàng)新項目。通過這些創(chuàng)新項目，學生不僅學到了知識，提高了能力，而且為本書提供了手素材和相關資料。
本書內容由總述到分述，先理論后實踐，采用系統(tǒng)整體架構、系統(tǒng)流程與代碼實現(xiàn)相結合的方式，對于從事人工智能開發(fā)、機器學習和算法實現(xiàn)的專業(yè)技術人員可作為技術參考書，提高其工程創(chuàng)新能力； 也可作為信息通信工程及相關專業(yè)本科生的參考書，為機器學習模型分析、算法設計和實現(xiàn)提供幫助。
本書的編寫得到了教育部電子信息類專業(yè)教學指導委員會、信息工程專業(yè)國家類特色專業(yè)建設項目、信息工程專業(yè)國家第二類特色專業(yè)建設項目、教育部CDIO工程教育模式研究與實踐項目、教育部本科教學工程項目、信息工程專業(yè)北京市特色專業(yè)建設、北京市教育教學改革項目、北京郵電大學教育教學改革項目（2020JC03）的大力支持，在此表示感謝！
由于作者水平有限，書中疏漏之處在所難免，衷心地希望各位讀者多提寶貴意見，以便作者進一步修改和完善。
編者2021年5月
李永華：北京郵電大學，教授，擁有超過10年的軟硬件開發(fā)經驗，長期致力于物聯(lián)網、云計算與人工智能的研究工作。在教學中以興趣為導向，激發(fā)學生的創(chuàng)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(xiàn)300余個創(chuàng)新案例。主持30余項與企事業(yè)單位課題的研究工作，在國內外學術期刊及會議發(fā)表論文100余篇，申請專利50余項，出版圖書20余部。
項目1基于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(tǒng)整體結構
1.1.2系統(tǒng)流程
1.2運行環(huán)境
1.2.1Python環(huán)境
1.2.2PC環(huán)境配置
1.3模塊實現(xiàn)
1.3.1鋼琴伴奏制作
1.3.2樂句生成
1.3.3貝斯伴奏制作
1.3.4匯總歌曲制作
1.3.5GUI設計
1.4系統(tǒng)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(tǒng)整體結構
2.1.2系統(tǒng)流程
2.2運行環(huán)境
2.3模塊實現(xiàn)
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(tǒng)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基于SVM的酒店評論推薦系統(tǒng)
3.1總體設計
3.1.1系統(tǒng)整體結構
3.1.2系統(tǒng)流程
3.2運行環(huán)境
3.2.1Python環(huán)境
3.2.2TensorFlow環(huán)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(xiàn)
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(tǒng)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基于MovieLens數據集的電影推薦系統(tǒng)
4.1總體設計
4.1.1系統(tǒng)整體結構
4.1.2系統(tǒng)流程
4.2運行環(huán)境
4.2.1Python環(huán)境
4.2.2TensorFlow環(huán)境
4.2.3后端服務器
4.2.4Django環(huán)境配置
4.2.5微信小程序環(huán)境
4.3模塊實現(xiàn)
4.3.1模型訓練
4.3.2后端Django
4.3.3前端微信小程序
4.4系統(tǒng)測試
4.4.1模型損失曲線
4.4.2測試效果
項目5基于排隊時間預測的智能導航推薦系統(tǒng)
5.1總體設計
5.1.1系統(tǒng)整體結構
5.1.2系統(tǒng)流程
5.2運行環(huán)境
5.2.1Python環(huán)境
5.2.2Scikitlearn環(huán)境
5.3模塊實現(xiàn)
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(guī)劃
5.3.6智能推薦
5.4系統(tǒng)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基于人工智能的面相推薦分析
6.1總體設計
6.1.1系統(tǒng)整體結構
6.1.2系統(tǒng)流程
6.2運行環(huán)境
6.2.1Python環(huán)境
6.2.2TensorFlow環(huán)境
6.2.3界面編程環(huán)境
6.3模塊實現(xiàn)
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(tǒng)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(tǒng)整體結構
7.1.2系統(tǒng)流程
7.2運行環(huán)境
7.2.1Python環(huán)境
7.2.2Magenta環(huán)境
7.3模塊實現(xiàn)
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(tǒng)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(tǒng)
8.1總體設計
8.1.1系統(tǒng)整體結構
8.1.2系統(tǒng)流程
8.2運行環(huán)境
8.2.1Python環(huán)境
8.2.2TensorFlow環(huán)境
8.3模塊實現(xiàn)
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(tǒng)測試
項目9基于用戶特征的預測流量套餐推薦
9.1總體設計
9.1.1系統(tǒng)整體結構
9.1.2系統(tǒng)流程
9.2運行環(huán)境
9.2.1Python環(huán)境
9.2.2Scikitlearn庫的安裝
9.3邏輯回歸算法模塊實現(xiàn)
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(xiàn)
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(tǒng)測試
項目10校園知識圖譜問答推薦系統(tǒng)
10.1總體設計
10.1.1系統(tǒng)整體結構
10.1.2系統(tǒng)流程
10.2運行環(huán)境
10.2.1Python環(huán)境
10.2.2服務器環(huán)境
10.3模塊實現(xiàn)
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(tǒng)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(tǒng)整體測試
項目11新聞推薦系統(tǒng)
11.1總體設計
11.1.1系統(tǒng)整體結構
11.1.2系統(tǒng)流程
11.2運行環(huán)境
11.2.1Python環(huán)境
11.2.2node.js前端環(huán)境
11.2.3MySQL數據庫
11.3模塊實現(xiàn)
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(tǒng)計
11.3.5API接口開發(fā)
11.3.6前端界面實現(xiàn)
11.4系統(tǒng)測試
項目12口紅色號檢測推薦系統(tǒng)
12.1總體設計
12.1.1系統(tǒng)整體結構
12.1.2系統(tǒng)流程
12.2運行環(huán)境
12.2.1Python環(huán)境
12.2.2TensorFlow環(huán)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庫依賴關系
12.3模塊實現(xiàn)
12.3.1數據預處理
12.3.2系統(tǒng)搭建
12.4系統(tǒng)測試
項目13基于矩陣分解算法的Steam游戲推薦系統(tǒng)
13.1總體設計
13.1.1系統(tǒng)整體結構
13.1.2系統(tǒng)流程
13.2運行環(huán)境
13.2.1Python環(huán)境
13.2.2TensorFlow環(huán)境
13.2.3PyQt 5環(huán)境
13.3模塊實現(xiàn)
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(tǒng)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(tǒng)
14.1總體設計
14.1.1系統(tǒng)整體結構
14.1.2系統(tǒng)流程
14.2運行環(huán)境
14.3模塊實現(xiàn)
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(tǒng)測試
項目15發(fā)型推薦系統(tǒng)設計
15.1總體設計
15.1.1系統(tǒng)整體結構
15.1.2系統(tǒng)流程
15.2運行環(huán)境
15.2.1Python環(huán)境
15.2.2PyCharm環(huán)境
15.3模塊實現(xiàn)
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(tǒng)測試
15.4.1測試效果
15.4.2用戶界面
項目16基于百度AI的垃圾分類推薦系統(tǒng)
16.1總體設計
16.1.1系統(tǒng)整體結構
16.1.2系統(tǒng)流程
16.1.3PC端系統(tǒng)流程
16.2運行環(huán)境
16.2.1Python環(huán)境
16.2.2微信開發(fā)者工具
16.2.3百度AI
16.3模塊實現(xiàn)
16.3.1PC端垃圾分類
16.3.2移動端微信小程序
16.4系統(tǒng)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(xié)同過濾音樂推薦系統(tǒng)
17.1總體設計
17.1.1系統(tǒng)整體結構
17.1.2系統(tǒng)流程
17.2運行環(huán)境
17.2.1Python環(huán)境
17.2.2PyCharm和Jupyter
17.3模塊實現(xiàn)
17.3.1數據預處理
17.3.2算法實現(xiàn)
17.3.3算法測評
17.4系統(tǒng)測試
項目18護膚品推薦系統(tǒng)
18.1總體設計
18.1.1系統(tǒng)整體結構
18.1.2系統(tǒng)流程
18.2運行環(huán)境
18.3模塊實現(xiàn)
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(tǒng)測試
項目19基于人臉識別的特定整蠱推薦系統(tǒng)
19.1總體設計
19.1.1系統(tǒng)整體結構
19.1.2系統(tǒng)流程
19.2運行環(huán)境
19.2.1Python環(huán)境
19.2.2PyCharm環(huán)境
19.2.3dlib和face_recognition庫
19.3模塊實現(xiàn)
19.3.1人臉識別
19.3.2美顏處理
19.4系統(tǒng)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(xiàn)AI推薦換臉
20.1總體設計
20.1.1系統(tǒng)整體結構
20.1.2系統(tǒng)流程
20.2運行環(huán)境
20.3模塊實現(xiàn)
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(tǒng)測試
書單推薦
