商品簡介
《AI源碼解讀：推薦系統案例（Python版）/人工智能科學與技術叢書》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，《AI源碼解讀：推薦系統案例（Python版）/人工智能科學與技術叢書》側重介紹創新項目的過程，分別從整體設計、系統流程、實現模組等角度論述資料處理、模型訓練及模型應用，並剖析模組的功能、使用和程式碼。為便於讀者高效學習，快速掌握人工智能技術的開發方法，《AI源碼解讀：推薦系統案例（Python版）/人工智能科學與技術叢書》配套提供項目設計工程文檔、程式碼、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。
《AI源碼解讀：推薦系統案例（Python版）/人工智能科學與技術叢書》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程序設計的愛好者，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，擁有超過10年的軟硬體開發經驗，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；以素質教育為目的，提高自身教學水準；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余個創新案例，主持30余項課題的研究工作，在國內外學術期刊及會議發表論文100餘篇，申請專利50余項，出版圖書20餘部。
名人/編輯推薦
融匯科研與教學經驗，案例可二次開發利用！阿裡巴巴|位元組跳動|訊飛智元|騰訊|百度|微軟
專家連袂推薦！配套程式碼、工程檔、附贈案例！
序
Python作為人工智能和大資料領域的主要開發語言，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新能力培養為目標，採取了創新方式，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、信息工程專業創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新項目。通過這些創新項目，學生不僅學到了知識，提高了能力，而且為本書提供了第一手素材和相關資料。
本書內容由總述到分述，先理論後實踐，採用系統整體架構、系統流程與代碼實現相結合的方式，對於從事人工智能開發、機器學習和算法實現的專業技術人員可作為技術參考書，提高其工程創新能力；也可作為信息通信工程及相關專業本科生的參考書，為機器學習模型分析、算法設計和實現提供説明。
本書的編寫得到了教育部電子信息類專業教學指導委員會、信息工程專業國家第一類特色專業建設項目、信息工程專業國家第二類特色專業建設項目、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、信息工程專業北京市特色專業建設、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！
由於作者水準有限，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。
目次
項目1基於瑪律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模組實現
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模組實現
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安裝其他模組
3.2.4安裝MySQL資料庫
3.3模組實現
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資料集的電影推薦系統
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微信小程式環境
4.3模組實現
4.3.1模型訓練
4.3.2後端Django
4.3.3前端微信小程式
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模組實現
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程式應用
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接口程序設計環境
6.3模組實現
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模組實現
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模組實現
8.3.1數據預處理
8.3.2詞雲構建
8.3.3關鍵字提取
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基於使用者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邏輯回歸算法模組實現
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模組實現
10.3.1構造資料集
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資料庫
11.3模組實現
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前端接口實現
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模組
12.2.5安裝PyQt 5
12.2.6安裝QCandyUi
12.2.7庫依賴關係
12.3模組實現
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模組實現
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語音辨識和字幕推薦系統
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模組實現
14.3.1數據預處理
14.3.2翻譯
14.3.3格式轉換
14.3.4音訊切割
14.3.5語音辨識
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模組實現
15.3.1Face++•API調用
15.3.2數據爬取
15.3.3模型構建
15.3.4使用者接口設計
15.4系統測試
15.4.1測試效果
15.4.2使用者接口
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模組實現
16.3.1PC端垃圾分類
16.3.2移動端微信小程式
16.4系統測試
16.4.1PC端效果展示
16.4.2微信小程式效果展示
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模組實現
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模組實現
18.3.1文件讀入
18.3.2推薦算法
18.3.3應用模組
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模組實現
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模組實現
20.3.1資料集
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
![漂鳥集[中英雙語版]](https://cdnec.sanmin.com.tw/product_images/957/957146403.jpg)
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。