互联网 类型
可以朗读 语音朗读
135千字 字数
2025-07-01 发行日期
展开全部

主编推荐语

全方位讲解多模态数据分析核心技术与前沿实践。

内容简介

真实世界的数据都是多模态的，真正的通用人工智能（AGI）必将超越单一模态的局限。本书基于作者多年工业界大数据技术经验，系统而全面地探讨了多模态数据技术，从基础概念到关键技术再到典型应用，全方位讲解多模态数据分析的核心技术与前沿实践。

书中首先详尽介绍了多模态数据分析相关知识，涉及文本、图像、音频、视频等多模态数据；然后结合实例代码，系统介绍了统计学与数据分析、机器学习、深度学习、知识图谱、大模型等方法和模型，以及GPT与DeepSeek等大模型的多模态实践分析；最后结合医疗、直播、视频等领域的案例阐述了多模态数据分析的多种算法模型的综合应用。

本书体系化强、案例丰富，以“理论框架—技术路径—实战案例”层层递进的方式提供了完整的知识链路，主体基于Python语言的大量实例代码，可以帮助读者学以致用。

目录

  • 版权信息
  • 内容简介
  • 推荐语
  • 前言
  • 第1章 多模态数据分析概述
  • 1.1 什么是多模态数据
  • 1.2 多模态数据分析的意义
  • 1.3 多模态数据分析的挑战
  • 1.4 小结
  • 第2章 单一模态数据处理与分析
  • 2.1 文本数据处理与分析
  • 2.1.1 文本数据处理
  • 2.1.2 文本分类与主题建模
  • 2.2 图像数据处理与分析
  • 2.2.1 图像数据处理
  • 2.2.2 图像目标检测
  • 2.3 音频数据处理与分析
  • 2.3.1 音频数据预处理
  • 2.3.2 音频分类与事件检测
  • 2.4 视频数据处理与分析
  • 2.4.1 视频数据预处理
  • 2.4.2 行为识别与动作分析
  • 2.5 小结
  • 第3章 多模态数据融合
  • 3.1 多模态数据融合的研究意义
  • 3.2 多模态数据融合的常规方法
  • 3.2.1 特征级融合
  • 3.2.2 决策级融合
  • 3.2.3 模型级融合
  • 3.2.4 混合级融合
  • 3.3 多模态数据融合的创新方法
  • 3.3.1 基于深度学习的多模态特征自适应融合
  • 3.3.2 基于跨模态语义对齐的一致性增强融合
  • 3.3.3 基于图的多模态图像关系推理融合
  • 3.4 小结
  • 第4章 统计学与数据分析
  • 4.1 统计学概述
  • 4.2 基础知识
  • 4.2.1 描述统计
  • 4.2.2 假设检验
  • 4.3 相关性分析
  • 4.4 回归分析
  • 4.4.1 回归分析介绍
  • 4.4.2 案例：二手车怎么买
  • 4.5 算法案例：基于相关性统计的短语词云
  • 4.5.1 文本数据处理
  • 4.5.2 短语词云算法原理与展示
  • 4.6 小结
  • 第5章 基于机器学习的多模态数据分析
  • 5.1 经典机器学习算法介绍
  • 5.1.1 线性回归
  • 5.1.2 逻辑回归
  • 5.1.3 支持向量机
  • 5.1.4 决策树
  • 5.1.5 随机森林
  • 5.1.6 XGBoost
  • 5.1.7 朴素贝叶斯
  • 5.1.8 神经网络
  • 5.2 案例：基于支持向量机的车牌识别
  • 5.3 案例：基于神经网络的机器翻译
  • 5.4 小结
  • 第6章 基于深度学习的多模态数据分析
  • 6.1 深度学习介绍
  • 6.2 卷积神经网络及其数据分析案例
  • 6.2.1 卷积神经网络介绍
  • 6.2.2 案例：颜值评分
  • 6.3 序列数据应用——LSTM
  • 6.3.1 循环神经网络和LSTM介绍
  • 6.3.2 案例：用模型作诗
  • 6.4 深度学习扩展知识与应用
  • 6.5 小结
  • 第7章 基于知识图谱的多模态数据分析
  • 7.1 知识图谱技术体系及其构建方法
  • 7.1.1 知识图谱技术体系
  • 7.1.2 案例：构建知识图谱
  • 7.2 知识图谱与多模态数据融合
  • 7.2.1 融合的优势及应用方向
  • 7.2.2 案例：构建基于多模态知识图谱的多标签预测模型
  • 7.3 知识图谱推理与分析
  • 7.3.1 推理与分析方法介绍
  • 7.3.2 案例：基于图神经网络的知识图谱给用户推荐电影
  • 7.4 知识图谱数据分析的企业级拓展应用
  • 7.4.1 用户传播路径
  • 7.4.2 用户搜索观星台
  • 7.4.3 用户关系网络及健康度评估
  • 7.5 小结
  • 第8章 基于大模型的多模态数据分析
  • 8.1 大模型概述
  • 8.1.1 大模型的定义与特点
  • 8.1.2 大模型的基本原理
  • 8.1.3 大模型在多模态数据分析中的重要作用
  • 8.2 大模型应用架构
  • 8.2.1 业务架构
  • 8.2.2 技术架构
  • 8.2.3 技术路线选择
  • 8.3 大模型在多模态数据分析中的应用
  • 8.3.1 大模型助力多模态数据处理
  • 8.3.2 大模型助力多模态数据融合
  • 8.3.3 大模型助力多模态数据分析
  • 8.4 GPT与DeepSeek：多模态数据分析领域的交锋
  • 8.4.1 GPT：多模态先驱，当下实力究竟几何
  • 8.4.2 DeepSeek：新晋黑马，突破重围有何独特优势
  • 8.4.3 巅峰对垒：GPT与DeepSeek多模态数据分析比拼
  • 8.5 小结
  • 第9章 实战案例：挖掘肺部病变，赋能精准医疗
  • 9.1 多模态数据分析在医疗领域的发展和应用现状
  • 9.2 肺部病变识别的背景介绍
  • 9.3 肺部病变识别的实践过程
  • 9.3.1 CT影像数据预处理
  • 9.3.2 使用TensorFlow搭建CNN模型
  • 9.3.3 使用模型识别疑似病灶图像
  • 9.4 小结
  • 第10章 实战案例：剖析疾病数据，助力早期筛查
  • 10.1 疾病早筛数据预处理
  • 10.2 建立重大疾病预测模型
  • 10.3 疾病早筛实际业务过程和价值预估
  • 10.4 小结
  • 第11章 实战案例：聚焦直播高光时刻，推动话题制造
  • 11.1 直播数据特点
  • 11.2 直播数据反馈
  • 11.3 视觉内容识别
  • 11.4 弹幕评论解析
  • 11.5 音频情感分析
  • 11.6 协同确定直播高光时刻
  • 11.7 小结
  • 第12章 实战案例：解析优质视频，汲取创作灵感
  • 12.1 短视频数据特点
  • 12.2 使用多模态大模型做视频分析的优势和局限性
  • 12.3 从视频内容预处理到灵感孵化
  • 12.4 数据驱动的灵感闭环
  • 12.5 小结
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。