python人工智能 系列全4册 AI源码解读:循环神经网络+推荐系统案例+机器学习案例+深度学习 python编程从入门到实战 人工智能
9787302562047
￥ 317 全新
库存10件
江苏扬州
认证卖家担保交易快速发货售后保障
作者魏翼飞、汪昭颖、李骏
出版社清华大学出版社
ISBN9787302562047
出版时间2020-01
装帧平装
开本16开
货号659965243784
上书时间2024-03-22
![医学专业英语 [Medical English]](https://www0.kfzimg.com/sw/kfz-cos/kfzimg/21151719/6bc36f591c7dd7b8_s.jpg)
商品详情
- 品相描述：全新
- 商品描述
-
书名：AI源码解读：循环神经网络ISBN号：9787302579090定价：89 书名：AI源码解读：推荐系统案例ISBN号：9787302576693定价：99 书名：AI源码解读：机器学习案例ISBN号：9787302577294定价：109 书名：深度学习 ISBN号：9787302562047 定价：89
内容简介
《AI源码解读：循环神经网络（RNN）深度学习案例（Python版）》 《AI源码解读：循环神经网络（RNN）深度学习案例（Python版）》以人工智能发展为时代背景，通过20个实际案例应用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，全书侧重对创新项目的过程进行介绍。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，快速掌握人工智能开发方法，《AI源码解读：循环神经网络（RNN）深度学习案例（Python版）》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并给予解决方法，可供读者举一反三，二次开发。 《AI源码解读：循环神经网络（RNN）深度学习案例（Python版）》从系统设计、代码实现以及运行结果展示相结合，语言简洁，深入浅出，通俗易懂，不仅适合对Python编程有兴趣的爱好者，而且可作为高等院校参考教材，还可作为从事智能应用创新开发专业人员的技术用书。
AI源码解读：推荐系统案例（Python版）
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开发方法，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开发。 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，讲解深入浅出、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开发专业技术人员的参考用书。
AI源码解读：机器学习案例（Python版）
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。
深度学习——从神经网络到深度强化学习的演进
本书首先概述人工智能、深度学习相关的基本概念和发展历程;然后详细介绍深度学习的基本理论和算法，包括神经网络的关键技术、卷积神经网络的主要框架和应用实例、循环神经网络和无监督学习深度神经网络的模型和应用、深层神经网络的参数优化方法、深度学习模型的轻量化方案以及移动端深度学习案例;之后阐述强化学习的基本理论和算法，包括传统的强化学习方法及其衍生算法以及新型的多智能体或多任务学习模型;最后介绍深度强化学习的具体算法及应用、迁移学习的概念及其在深度学习和强化学 习中的应用。
本书可作为学习深度学习及强化学习算法的参考书，也可作为高等院校相关课程的教材，还可供从事人工智能领域的专业研究人员和工程技术人员阅读。
目录 《AI源码解读：循环神经网络（RNN）深度学习案例（Python版）》
项目1文章辅助生成系统
1.1总体设计
1.1.1系统整体结构图
1.1.2系统流程图
1.2运行环境
1.2.1Python环境
1.2.2TextRank环境
1.2.3TensorFlow环境
1.2.4PyQt5及Qt Designer运行环境
1.3模块实现
1.3.1数据预处理
1.3.2抽取摘要
1.3.3模型搭建与编译
1.3.4模型训练与保存
1.3.5图形化界面的开发
1.3.6应用封装
1.4系统测试
1.4.1训练困惑度
1.4.2测试效果
1.4.3模型应用
项目2Trump推特的情感分析
2.1总体设计
2.1.1系统整体结构图
2.1.2系统流程图
2.2运行环境
2.2.1Python环境
2.2.2TensorFlow环境
2.2.3工具包
2.3模块实现
2.3.1准备数据
2.3.2数据预处理
2.3.3模型构建
2.3.4模型测试
2.4系统测试
2.4.1模型效果
2.4.2模型应用 .........
AI源码解读：推荐系统案例（Python版）
项目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
1.2.1Python环境
1.2.2PC环境配置
1.3模块实现
1.3.1钢琴伴奏制作
1.3.2乐句生成
1.3.3贝斯伴奏制作
1.3.4汇总歌曲制作
1.3.5GUI设计
1.4系统测试
项目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
2.3.2药物推荐
2.3.3模型测试
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
3.2.1Python环境
3.2.2TensorFlow环境
3.2.3安装其他模块
3.2.4安装MySQL数据库 .........
AI源码解读：机器学习案例（Python版）
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 ........
深度学习——从神经网络到深度强化学习的演进
第1章人工智能与深度学习概述
1.1人工智能与机器学习
1.1.1人工智能的发展历程
1.1.2机器学习及深度学习的发展历程
1.1.3人工智能与机器学习及深度学习的关系
1.2机器学习的分类
— 没有更多了 —
以下为对购买帮助不大的评价