泸西县图书馆“U书快借”平台

编辑推荐

《AI源码解读：循环神经网络（RNN）深度学习案例（Python版）》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。

展开

作者简介

　　李永华，北京邮电大学教授，拥有超过10年的软硬件开发经验，长期致力于物联网、云计算与人工智能的研究工作。在教学中以兴趣为导向，激发学生的创造性；以素质为基础，提高自身教学水平；以科研为手段，促进教学理念的转变。在教学与科研实践中指导学生实现300余个创新案例，主持30余项课题的研究工作，在国内外学术期刊及会议发表论文100余篇，申请专利50余项，出版图书20余部。

展开

内容介绍

　　《AI源码解读：循环神经网络（RNN）深度学习案例（Python版）/人工智能科学与技术丛书》以人工智能发展为时代背景，通过20个案例，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，《AI源码解读：循环神经网络（RNN）深度学习案例（Python版）/人工智能科学与技术丛书》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）/人工智能科学与技术丛书》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，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）/人工智能科学与技术丛书》将系统设计、代码实现以及运行结果展示相结合，语言简洁，深入浅出，通俗易懂，不仅适合Python编程爱好者，而且可作为高等院校教材，还可作为从事智能应用创新开发专业人员的参考书。

展开

精彩书评

　　★人工智能是未来社会的发展方向。基于Python的人工智能应用程序具有可扩展、可重构、可移植的独特优势，已在越来越多的行业中应用。目前，市场上大多数介绍人工智能应用开发的图书是以算法知识为主体的，本书的不同之处是通过人工智能的应用案例，进行源码解读，有助于读者快速入门，真正提高人工智能项目实战的能力。
　　——徐晟，阿里巴巴公司资深技术专家
　　
　　★本书针对人工智能的创新应用案例，先介绍案例的具体实现过程，再介绍主函数的调用方法。读者既可以参考核心算法的实现，也可以直接修改主程序测试用例，满足了不同层次开发人员的需求，具有很高的参考价值！
　　——陈岭，微软公司资深项目经理
　　
　　★本书以当前流行的人工智能应用为素材，采取了以案例讲解原理的方式，结合流行的模型和算法，将实际数据采用不同的算法与模型进行验证，可以抛砖引玉，二次开发。
　　——黄旭新，百度公司工程师
　　
　　★本书以人工智能创新案例为主线，论述了各项目案例的功能、流程、代码及运行结果；书中案例涉及多种经典算法的具体应用，是一部内容丰富且极具实用性的著作。
　　——李艺鑫，腾讯公司工程师
　　
　　★本书是一音B论述人工智能实践开发的著作。书中对当前流行的人工智能算法和模型实现代码进行解读，可以培养读者的编程兴趣，提高编写代码水平，既适合Python程序员参考，也适合高校大学生、软件开发培训机构学员及相关求职人员阅读。
　　——董德武，讯飞智元公司产品总监
　　
　　★本书通俗易懂，案例新颖，趣味性强，能启迪读者的创新思维。书中案例涉及行业广泛，实用性强。在学习本书过程中，读者可以边学边练，既可以提高编程兴趣，又可以获得编程技巧，并深入领会Python项目开发的精髓，进而通过案例源代码和数据库进行二次开发。
　　——高祥，字节跳动公司工程师

展开

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
1．2．1 Python环境
1．2．2 TextRank环境
1．2．3 TensorFlow环境
1．2．4 PyQt5及QtDesigner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2 Trump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
2．2．1 Python环境
2．2．2 TensorFlow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

项目3 基于LSTM的影评情感分析
3．1 总体设计
3．1．1 系统整体结构图
3．1．2 系统前后端流程图
3．2 运行环境
3．2．1 Python环境
3．2．2 TensorFlow环境
3．2．3 Android环境
3．3 模块实现
3．3．1 数据预处理
3．3．2 模型构建及训练
3．3．3 模型保存
3．3．4 词典保存
3．3．5 模型测试
3．4 系统测试
3．4．1 数据处理
3．4．2 模型训练
3．4．3 词典保存
3．4．4 模型效果
……

项目4 Image2Poem——根据图像生成古体诗句
项目5 歌曲人声分离
项目6 基于ImageCaption的英语学习
项目7 智能聊天机器人
项目8 说唱歌词创作应用
项目9 基于LSTM的语音/文本/情感识别系统
项目10 基于人脸检测的表情包自动生成器
项目11 AI作曲
项目12 智能作文打分系统
项目13 新冠疫情舆情监督
项目14 语音识别——视频添加字幕
项目15 人脸识别与机器翻译小程序
项目16 基于循环神经网络的机器翻译
项目17 基于LSTM的股票预测
项目18 基于LSTM的豆瓣影评分类情感分析
项目19 AI写诗机器人
项目20 基于COCO数据集的自动图像描述

展开