AI项目课：核心应用及项目实战

一、课程介绍

本课程首先介绍了经典的机器学习算法，包括线性回归、逻辑回归、朴素贝叶斯算法，支持向量机等。并介绍了深度学习框架Tensorflow的基础应用，以及卷积神经网络（CNN）的基本原理和实现过程，具体包括LeNet、AlexNet和ResNet等经典的CNN模型。同时介绍了Transformer模型结构，并基于农作物分类数据实现了Vit Transfromer的训练和预测过程。在目标检测算法中，基于鸟类数据使用YoloV8算法详细介绍了数据标注、模型训练和预测的完整过程 。最后基于Django框架分别部署了线性回归、图像分类和目标检测算法的具体应用。

二、代码目录结构

三、案例演示

3.1 基于产品销量的线性回归

3.2 基于机器学习的图像分类

3.3 基于深度学习的图像分类

3.4 基于YoloV8的目标检测

3.5 基于朴素贝叶斯的中文分类