NLP大神RNN網路► ► ►Python原始程式碼手把手帶你寫！
在神經網路的世界中，NLP（自然語言處裡）已逐漸成為AI領域中的主流！因此在IT抑或是各大產業有愈來愈多的人投入在文字與語音的研究中，有愈來愈多的資訊系統應用與產品出現在現代人類的生活中，產生十分巨大的影響。
．．．
[ 最精實的專案實作！ ]
本書包含20個與NLP相關的主題＋大型專案實作，透過專案的實作講解原理，需要有一定的Python及神經網路基本概念，是已經了解AI基本入門的讀者再進階深入的一本絕妙好書。快跟著本書各大主題累積自己的NLP專案實作能力，成為一個能夠開發各種NLP資訊系統的大神吧！
．．．
[ 本書重點 ]
★ 以Python、TensorFlow實作中文自然語言處理，使用維基百科及網路語料庫
★ 以LSTM為基礎的影評 / 語音 / 文字情感分析實作 / 股票預測 / 影評分析
★ 根據圖型產生古詩詞的模型實作
★ 歌曲人聲分離製作
★ 以Image Caption為基礎的英文學習
★ 智慧聊天機器人
★ Rap歌詞自動產生器、AI作曲器
★ 人臉辨識及人臉自動表情包產生器
★ 自動幫你的作文評分
★ 視訊自動字幕產生器
★ AI機器翻譯、LSTM機器翻譯及注意力機制
★ COCO資料集的自動圖型描述
作者
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、雲端運算與人工智慧的研究工作。在教學中以興趣為導向，激發學生的創造性；以素質為基礎，提高自身教學水平；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餘個創新案例，主持30餘項課題的研究工作，在國內外學術期刊及會議發表論文100餘篇，申請專利50餘項，出版圖書20餘部。
目錄
01 文章輔助生成系統
1.1 整體設計
1.2 執行環境
1.3 模組實現
1.4 系統測試
02 Trump 推特的情感分析
2.1 整體設計
2.2 執行環境
2.3 模組實現
2.4 系統測試
03 以 LSTM 為基礎的影評情感分析
3.1 整體設計
3.2 執行環境
3.3 模組實現
3.4 系統測試
04 Image2Poem — 根據圖型生成古體詩句
4.1 整體設計
4.2 執行環境
4.3 模組實現
4.4 系統測試
05 歌曲人聲分離
5.1 整體設計
5.2 執行環境
5.3 模組實現
5.4 系統測試
06 以 Image Caption 為基礎的英文學習
6.1 整體設計
6.2 執行環境
6.3 模組實現
6.4 系統測試
07 智慧聊天機器人
7.1 整體設計
7.2 執行環境
7.3 模組實現
7.4 系統測試
08 說唱歌詞創作應用
8.1 整體設計
8.2 執行環境
8.3 模組實現
8.4 系統測試
09 以 LSTM 為基礎的語音 / 文字 / 情感辨識系統
9.1 整體設計
9.2 執行環境
9.3 模組實現（伺服器端）
9.4 網頁實現（前端）
9.5 系統測試
10 以人臉檢測為基礎的表情包自動生成器
10.1 整體設計
10.2 執行環境
10.3 模組實現
10.4 系統測試
11 AI 作曲
11.1 整體設計
11.2 執行環境
11.3 模組實現
11.4 系統測試
12 智慧作文評分系統
12.1 整體設計
12.2 執行環境
12.3 模組實現
12.4 系統測試
13 新冠疫情輿情監督
13.1 整體設計
13.2 執行環境
13.3 模組實現
13.4 系統測試
14 語音辨識 — 視訊增加字幕
14.1 整體設計
14.2 執行環境
14.3 模組實現
14.4 系統測試
15 人臉辨識與機器翻譯小程式
15.1 整體設計
15.2 執行環境
15.3 模組實現
15.4 系統測試
16 以循環神經網路為基礎的機器翻譯
16.1 整體設計
16.2 執行環境
16.3 模組實現
16.4 系統測試
17 以 LSTM 為基礎的股票預測
17.1 整體設計
17.2 執行環境
17.3 模組實現
17.4 系統測試
18 以 LSTM 為基礎的豆瓣影評分類情感分析
18.1 整體設計
18.2 執行環境
18.3 模組實現
18.4 系統測試
19 AI 寫詩機器人
19.1 整體設計
19.2 執行環境
19.3 模組實現
19.4 系統測試
20 以 COCO 資料集為基礎的自動圖型描述
20.1 整體設計
20.2 執行環境
20.3 模組實現
20.4 系統測試
序／導讀
序
Python作為人工智慧和巨量資料的主要開發語言，具有靈活性強、擴充性好、應用面廣、可移植、可擴充、可嵌入等特點，近幾年發展迅速，熱度上漲，人才需求量逐年攀升，相關課程已經成為大專院校的專業課程。
為適應當前教育教學改革的要求，更進一步地踐行人工智慧模型與演算法應用，作者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、不同演算法融合。
本書主要內容和素材來自開放原始碼網站的人工智慧經典模型演算法、資訊工程專業創新課程內容、作者近幾年承擔的科學研究項目成果、作者指導學生所完成的創新專案，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。
本書內容化繁為簡、先思考後實踐、注重整體架構、系統流程與程式實現相結合。對於從事人工智慧開發、機器學習和演算法實現的專業技術人員，本書可以作為技術參考書、提高專案創新實踐手冊；也可以作為資訊通訊工程及相關領域的大學生參考書，為機器學習模型分析、演算法設計、應用實現提供幫助。
由於作者經驗與水準有限，書中難免存在疏漏及不當之處，衷心地希望各位讀者多提寶貴意見及具體整改措施，以便作者進一步修改和完善。
