●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繫統整體結構1.1.2繫統流程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鋼琴伴奏制作1.3.2樂句生成1.3.3貝斯伴奏制作1.3.4彙總歌曲制作1.3.5GUI設計1.4繫統測試項目2小型智能健康推薦助手2.1總體設計2.1.1繫統整體結構2.1.2繫統流程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繫統測試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的酒店評論推薦繫統3.1總體設計3.1.1繫統整體結構3.1.2繫統流程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繫統測試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數據集的電影推薦繫統4.1總體設計4.1.1繫統整體結構4.1.2繫統流程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小程序環境4.3模塊實現4.3.1模型訓練4.3.2後端Django4.3.3前端小程序4.4繫統測試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繫統5.1總體設計5.1.1繫統整體結構5.1.2繫統流程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繫統測試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繫統整體結構6.1.2繫統流程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繫統測試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繫統整體結構7.1.2繫統流程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繫統測試7.4.1測試效果7.4.2模型應用項目8新聞自動文摘推薦繫統8.1總體設計8.1.1繫統整體結構8.1.2繫統流程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詞雲構建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繫統測試項目9基於用戶特征的預測流量套餐推薦9.1總體設計9.1.1繫統整體結構9.1.2繫統流程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繫統測試項目10校園知識圖譜問答推薦繫統10.1總體設計10.1.1繫統整體結構10.1.2繫統流程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繫統測試10.4.1命名實體識別網絡測試10.4.2知識圖譜問答繫統整體測試項目11新聞推薦繫統11.1總體設計11.1.1繫統整體結構11.1.2繫統流程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繫統測試項目12口紅色號檢測推薦繫統12.1總體設計12.1.1繫統整體結構12.1.2繫統流程12.2運行環境12.2.1Python環境12.2.2TensorFlow環境12.2.3安裝face_recognition12.2.4安裝colorsys模塊12.2.5安裝PyQt 512.2.6安裝QCandyUi12.2.7庫依賴關繫12.3模塊實現12.3.1數據預處理12.3.2繫統搭建12.4繫統測試項目13基於矩陣分解算法的Steam遊戲推薦繫統13.1總體設計13.1.1繫統整體結構13.1.2繫統流程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繫統測試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繫統14.1總體設計14.1.1繫統整體結構14.1.2繫統流程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繫統測試項目15發型推薦繫統設計15.1總體設計15.1.1繫統整體結構15.1.2繫統流程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繫統測試15.4.1測試效果15.4.2用戶界面項目16基於百度AI的垃圾分類推薦繫統16.1總體設計16.1.1繫統整體結構16.1.2繫統流程16.1.3PC端繫統流程16.2運行環境16.2.1Python環境16.2.2開發者工具16.2.3百度AI16.3模塊實現16.3.1PC端垃圾分類16.3.2移動端小程序16.4繫統測試16.4.1PC端效果展示16.4.2小程序效果展示項目17協同過濾音樂推薦繫統17.1總體設計17.1.1繫統整體結構17.1.2繫統流程17.2運行環境17.2.1Python環境17.2.2PyCharm和Jupyter17.3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繫統測試項目18護膚品推薦繫統18.1總體設計18.1.1繫統整體結構18.1.2繫統流程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繫統測試項目19基於人臉識別的特定整蠱推薦繫統19.1總體設計19.1.1繫統整體結構19.1.2繫統流程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繫統測試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繫統整體結構20.1.2繫統流程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繫統測試
本書以人工智能發展為時代背景,通過20個實際案例繫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、繫統流程、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。本書將繫統設計、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。