成功加入购物车

去购物车结算 X
百叶图书
  • 【正版全新】(慧远)AI源码解读:机器学习案例李永华9787302577294清华大学出版社2021-08-01
  • 【正版全新】(慧远)AI源码解读:机器学习案例李永华9787302577294清华大学出版社2021-08-01
  • 【正版全新】(慧远)AI源码解读:机器学习案例李永华9787302577294清华大学出版社2021-08-01
  • 【正版全新】(慧远)AI源码解读:机器学习案例李永华9787302577294清华大学出版社2021-08-01

【正版全新】(慧远)AI源码解读:机器学习案例李永华9787302577294清华大学出版社2021-08-01

举报

本店图书均是正版,书友可放心拍 支持七天无理由退换

  • 出版时间: 
  • 装帧:    平装
  • 开本:    16开
  • ISBN:  9787302577294
  • 出版时间: 
  • 装帧:  平装
  • 开本:  16开

售价 52.15 4.8折

定价 ¥109.00 

品相 全新

优惠 满包邮

优惠 满减券
    运费
    本店暂时无法向该地区发货

    延迟发货说明

    时间:
    说明:

    上书时间2024-03-26

    数量
    仅1件在售,欲购从速
    微信扫描下方二维码
    微信扫描打开成功后,点击右上角”...“进行转发

    卖家超过10天未登录

    • 商品详情
    • 店铺评价
    手机购买
    微信扫码访问
    • 货号:
      9787302577294
      商品描述:
      前言

      Python语言作为人工智能和大数据领域的主要开发语言,具有灵活性强、扩展性好、应用面广、移植性好、可嵌入等特点,近几年发展迅速,热度上涨,人才需求量逐年攀升,已经成为高等院校的专业课程。
      作者为适应当前教育教学改革的要求,更好地践行人工智能模型与算法应用,以实践教学与创新能力培养为目标,采取创新方式,基于不同难度、不同类型、不同算法,融合同类教材的优点编写了本书并总结实际智能应用案例,希望在教育教学上起到抛砖引玉的作用。
      本书的主要内容和素材来自开源网站的人工智能经典模型算法、信息工程专业创新课程内容,以及作者所在学校近几年承担的科研项目成果及作者指导学生完成的创新项目。 
      本书内容由总到分,先思考后实践,整体架构、系统流程与代码实现相结合,可供从事人工智能开发、机器学习和算法实现的专业技术人员作为技术参考书,提高其工程创新实践能力; 也可作为信息通信工程及相关专业本科生的参考书,为机器学习模型分析、算法设计、应用实现提供帮助。
      本书的编写得到了电子信息类专业教学指导委员会、信息工程专业国家类特色专业建设项目、信息工程专业国家第二类特色专业建设项目、CDIO工程教育模式研究与实践项目、本科教学工程项目、信息工程专业北京市特色专业建设、北京市教育教学改革项目、北京邮电大学教育教学改革项目(2019TD01)的大力支持,在此表示感谢!
      由于作者经验与水平有限,书中疏漏及不妥之处在所难免,衷心希望各位读者多提宝贵意见。
      作者2021年6月

       
       
       
       

      商品简介

      本书以人工智能发展为时代背景,通过20个应用机器学习模型和算法的实际案例,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,全书侧重对创新项目的过程进行介绍。分别从整体设计、系统流程和实现模块等角度 论述数据处理、模型训练和模型应用,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 握人工智能开发方法,本书配套提供项目设计工程文档、程序代码、实现过程中出现的问题及解决方法等 资源,可供读者举一反三、二次开发。 本书结合系统设计、代码实现以及运行结果展示进行讲解,语言简洁,深入浅出,通俗易懂,不仅适合 作为对Python编程感兴趣的科研人员、人工智能爱好者及从事智能应用创新开发专业人员的参考教材, 也可作为高等院校全栈系统应用开发相关专业的参考书。


      作者简介


      目录
      项目1今日热点新闻推荐系统

      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

      1.3模块实现

      1.3.1数据爬取

      1.3.2新闻处理与聚类

      1.3.3新闻推荐

      1.4系统测试

      1.4.1数据准备

      1.4.2文本聚类

      1.4.3热点新闻推荐

      项目2音乐推荐系统

      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

      2.2.1Python环境

      2.2.2MySQL环境

      2.2.3VUE环境

      2.3模块实现

      2.3.1数据请求和储存

      2.3.2数据处理

      2.3.3数据存储与后台

      2.3.4数据展示

      2.4系统测试

      项目3基于网页端的电影推荐

      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

      3.2.1Python环境

      3.2.2PyCharm环境

      3.2.3数据库

      3.3模块实现

      3.3.1数据爬取及处理

      3.3.2模型训练及保存

      3.3.3接口实现

      3.3.4收集数据

      3.3.5界面设计

      3.4系统测试

      项目4基于逻辑回归的音乐分类

      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

      4.2.1Python环境

      4.2.2Visual Studio Code开发环境

      4.2.3Nodejs环境

      4.2.4ffmpeg环境

      4.2.5其他环境

      4.3模块实现

      4.3.1数据预处理

      4.3.2数据特征处理

      4.3.3模型构建

      4.3.4模型训练及保存

      4.3.5模型预测

      4.3.6前端模块

      4.3.7后端模块

      4.4系统测试

      4.4.1训练准确率

      4.4.2系统应用

      项目5基于OpenCV和CNN的手语数字实时翻译

      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

      5.2.1Python环境

      5.2.2TensorFlow环境

      5.2.3Keras环境

      5.2.4Android环境

      5.3模块实现

      5.3.1数据预处理

      5.3.2数据增强

      5.3.3模型构建

      5.3.4模型训练及保存

      5.3.5模型评估

      5.3.6模型测试

      5.4系统测试

      5.4.1训练准确率

      5.4.2测试效果

      5.4.3模型应用

      项目6比赛预测

      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

      6.2.1Python环境

      6.2.2Jupyter Notebook环境

      6.2.3PyCharm环境

      6.2.4MATLAB环境

      6.3模块实现

      6.3.1数据预处理

      6.3.2特征提取

      6.3.3模型训练及评估

      6.3.4模型训练准确率

      6.4系统测试

      6.4.1测试效果

      6.4.2模型应用

      项目7基于SVM分类垃圾短信

      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

      7.2.1Python环境

      7.2.2Scikitlearn

      7.2.3jieba环境

      7.2.4MongoDB环境

      7.2.5Apache PHP

      7.3模块实现

      7.3.1数据预处理

      7.3.2模型训练及保存

      7.3.3模型评估

      7.3.4模型测试

      7.4系统测试

      项目8KNN数字验证码识别

      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

      8.3模块实现

      8.3.1数据爬取

      8.3.2去噪与分割

      8.3.3模型训练及保存

      8.3.4准确率验证

      8.4系统测试

      项目9基于VAE的图像生成

      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

      9.2.1Python环境

      9.2.2TensorFlow环境

      9.2.3GPU

      9.3模块实现

      9.3.1数据预处理

      9.3.2模型构建及编译

      9.3.3模型训练及图像生成

      9.3.4不同数据集处理

      9.4系统测试

      9.4.1隐层可视化

      9.4.2测试效果

      9.4.3放大图像

      项目10学年成绩预测

      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

      10.2.1Python环境

      10.2.2Plotly库

      10.2.3Scikitlearn库

      10.3模块实现

      10.3.1准备预处理

      10.3.2数据可视化与分析

      10.3.3特征提取

      10.3.4模型训练及保存

      10.4系统测试

      项目11银行卡号数字识别

      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

      11.2.1Python环境

      11.2.2TensorFlow环境

      11.2.3OpenCV环境

      11.3模块实现

      11.3.1训练集图片处理

      11.3.2测试图片处理

      11.3.3模型训练及保存

      11.3.4模型测试

      11.4系统测试

      11.4.1成功案例

      11.4.2失败案例

      项目12古诗与歌词生成

      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

      12.2.1Python环境

      12.2.2TensorFlow环境

      12.2.3PyCharm环境

      12.3模块实现

      12.3.1数据预处理

      12.3.2模型构建

      12.3.3模型训练及保存

      12.3.4使用模型生成古诗

      12.3.5产生藏头诗

      12.3.6用词云展示生成的古诗

      12.4歌词生成

      12.4.1数据预处理

      12.4.2模型构建

      12.4.3模型训练及保存

      12.4.4生成歌词

      12.5系统测试

      12.5.1生成古诗和藏头诗

      12.5.2生成歌词

      项目13语音识别与方言分类

      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

      13.2.1Python环境

      13.2.2TensorFlow环境

      13.3模块实现

      13.3.1方言分类

      13.3.2语音识别

      13.3.3模型测试

      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

      项目14智能聊天室

      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

      14.2.1Python环境

      14.2.2库安装

      14.2.3图灵聊天机器人API

      14.2.4百度云服务器配置

      14.3模块实现

      14.3.1聊天模块

      14.3.2文件图片(表情包)

      14.3.3音视频通话

      14.3.4人脸识别

      14.3.5截图功能

      14.3.6聊天机器人

      14.4系统测试

      14.4.1人脸测试效果

      14.4.2聊天效果测试

      14.4.3文件操作测试

      14.4.4截图操作测试

      项目15基于OpenCV的答题卡识别系统

      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

      15.2.1Python环境

      15.2.2PyCharm安装

      15.2.3OpenCV环境

      15.3模块实现

      15.3.1信息识别

      15.3.2Excel导出模块

      15.3.3图形用户界面模块

      15.3.4手写识别模块

      15.4系统测试

      15.4.1系统识别准确率

      15.4.2系统识别应用

      项目16人脸识别添加护具系统

      16.1总体设计

      16.1.1系统整体结构

      16.1.2系统流程

      16.2运行环境

      16.2.1Python环境

      16.2.2Tkinter调用

      16.2.3OpenCV安装

      16.2.4库环境

      16.3模块实现

      16.3.1页面布局

      16.3.2图像加载

      16.3.3图像识别

      16.4系统测试

      项目17LPR车牌识别

      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

      17.2.1Python环境

      17.2.2OpenCV环境

      17.2.3Android环境

      17.3模块实现

      17.3.1数据预处理

      17.3.2模型训练

      17.3.3APP构建

      17.4系统测试

      17.4.1训练分数和损失可视化

      17.4.2APP测试结果

      项目18动漫人物识别

      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

      18.2.1爬虫

      18.2.2模型训练

      18.2.3实际应用

      18.3模块实现

      18.3.1数据准备

      18.3.2数据处理

      18.3.3模型训练及保存

      18.3.4模型测试

      18.4系统测试

      18.4.1测试效果

      18.4.2模型应用

      项目19基于遗传神经网络的“外星人入侵”

      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

      19.3模块实现

      19.3.1游戏设置

      19.3.2模型训练

      19.3.3数据绘图

      19.3.4UI界面

      19.4系统测试

      19.4.1测试效果

      19.4.2运行结果

      19.4.3模型应用

      项目20中草药识别的微信小程序

      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从百度AI申请API

      20.3.2云函数

      20.3.3API调用

      20.3.4资料存储

      20.3.5页面设计

      20.4系统测试

      20.4.1开发者平台测试

      20.4.2小程序真机测试


      内容摘要
      本书以人工智能发展为时代背景,通过20个应用机器学习模型和算法的实际案例,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,全书侧重对创新项目的过程进行介绍。分别从整体设计、系统流程和实现模块等角度 论述数据处理、模型训练和模型应用,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 握人工智能开发方法,本书配套提供项目设计工程文档、程序代码、实现过程中出现的问题及解决方法等 资源,可供读者举一反三、二次开发。 本书结合系统设计、代码实现以及运行结果展示进行讲解,语言简洁,深入浅出,通俗易懂,不仅适合 作为对Python编程感兴趣的科研人员、人工智能爱好者及从事智能应用创新开发专业人员的参考教材, 也可作为高等院校全栈系统应用开发相关专业的参考书。

      主编推荐
      科学技术的发展离不开数学。数学在工程或产品中的体现是程序,对于未来的科学家和工程师来说,通过计算机编程进行数学计算是一种重要的能力。《MATLAB高等数学分析》就是培养读者掌握这种能力的一部专业图书。本书紧紧围绕我国高等院校普遍开设的“高等数学”课程教材,通过MATLAB编程的方法,进行科学的推理与演算,将书中的重要数学理论通过MATLAB程序设计实例呈现出来。这种通过MATLAB实践的项目式学习既能培养工程实践能力又可以促进理论学习,容易让读者体验到解决问题的成就感,从而形成正向反馈机制,激励读者继续学习,培养学习兴趣。

      配送说明

      ...

      相似商品

      为你推荐

    孔网啦啦啦啦啦纺织女工火锅店第三课

    开播时间:09月02日 10:30

    即将开播,去预约
    直播中,去观看