akshatanand-cell/CODSOFT

## 🗂️ 项目索引 | # | 任务 | 技术 | 状态 | |---|------|------------|--------| | 01 | 🤖 [基于规则的聊天机器人](#-task-1---rule-based-chatbot) | Python, RegEx, Streamlit | ✅ 已完成 | | 02 | ♟️ [井字棋 AI](#️-task-2---tic-tac-toe-ai) | Python, Minimax, Streamlit | ✅ 已完成 | | 03 | 🖼️ [图像描述生成](#️-task-3---image-captioning) | BLIP, PyTorch, Transformers | ✅ 已完成 | | 04 | 🎬 [推荐系统](#-task-4---recommendation-system) | TF-IDF, Scikit-learn, Pandas | ✅ 已完成 | | 05 | 👁️ [人脸检测](#️-task-5---face-detection) | OpenCV, Haar Cascade, CV | ✅ 已完成 | ## 🤖 任务 1 - 基于规则的聊天机器人 ### 📌 概述 一个智能的基于规则的聊天机器人，通过**正则表达式模式匹配**理解用户输入，并使用预定义的智能回复进行响应。 ### ✨ 亮点 - 🎯 涵盖 20 多个对话主题 - 💬 问候、笑话、AI 知识、时间和日期 - 😊 情感检测与回应 - 🎨 精美的紫色动画 UI - ⚡ 即时响应 — 无需 API ### 🛠️ 技术栈 ``` Language: Python 3.11 Framework: Streamlit AI Method: RegEx Pattern Matching Libraries: re, random, datetime ``` ### 💬 对话示例 你 → "你好！" 机器人 → "嘿！我能为你做些什么？" 你 → "给我讲个笑话" 机器人 → "为什么 AI 要去上学？为了改善它的神经网络！ 😄" 你 → "谁创造了你？" 机器人 → "Akshat Anand — CodSoft AI 实习生 2026！ 🚀" ## ♟️ 任务 2 - 井字棋 AI ### 📌 概述 一个**不可战胜的 AI**，它使用 **Minimax 算法**下井字棋 — 它会评估每一种可能的走法，并总是选择最佳的一步。 ### ✨ 亮点 - 🧠 Minimax 算法 — AI 永不失败 - 📊 实时分数追踪（胜/平/负） - 🎨 颜色编码棋盘（X=蓝色，O=红色） - 🔄 新游戏按钮 - ⚡ 即时的 AI 回应 ### 🛠️ 技术栈 ``` Language: Python 3.11 Framework: Streamlit Algorithm: Minimax (Game Theory) Complexity: O(9!) worst case ``` ### 🎮 Minimax 的工作原理 AI 评估所有可能的走法 ⬇️ 胜利 = +1 | 失败 = -1 | 平局 = 0 ⬇️ 选择得分最高的走法 ⬇️ 结果：AI 永不失败！ 🏆 ## 🖼️ 任务 3 - 图像描述生成 ### 📌 概述 一个结合了计算机视觉和自然语言处理，能够**看到并描述图像**的 AI，使用了 Salesforce 开发的 **BLIP 模型**。 ### ✨ 亮点 - 👁️ 结合了计算机视觉与 NLP - 🤖 Salesforce 预训练的 BLIP 模型 - 📝 生成自然语言描述 - 📊 单词和字符数统计 - 🎨 精美的蓝色动画 UI ### 🛠️ 技术栈 ``` Language: Python 3.11 Model: BLIP (Salesforce) Framework: Streamlit Libraries: Transformers, PyTorch, Pillow ``` ### 📸 结果示例 图像 → 日落风景 描述 → "一条河流穿过郁郁葱葱的绿色田野" ✅ 图像 → 穿西装的人 描述 → "一个穿着黑色西装打着领带的男人" ✅ ## 🎬 任务 4 - 推荐系统 ### 📌 概述 一个 **AI 电影推荐系统**，它使用 **TF-IDF 向量化**和**余弦相似度**，基于内容过滤为你推荐相似的电影。 ### ✨ 亮点 - 🎬 数据库中包含 48 部电影 - 🤖 TF-IDF + 余弦相似度算法 - 📊 每个推荐的匹配百分比 - 🎭 基于流派的过滤 - ⭐ 显示 IMDb 评分 ### 🛠️ 技术栈 ``` Language: Python 3.11 Framework: Streamlit Algorithm: TF-IDF + Cosine Similarity Libraries: Scikit-learn, Pandas, NumPy ``` ### 🎯 工作原理 选择你喜欢的电影 ⬇️ TF-IDF 对流派进行向量化 ⬇️ 计算余弦相似度 ⬇️ 返回前 5-10 个匹配项 ⬇️ 显示匹配百分比！ 🎬 ## 👁️ 任务 5 - 人脸检测 ### 📌 概述 一个 **AI 人脸检测系统**，使用 **OpenCV Haar Cascade 分类器**在任何图像中检测并定位人脸和眼睛。 ### ✨ 亮点 - 👥 同时检测多张人脸 - 👁️ 在人脸区域内检测眼睛 - 🟢 人脸周围的绿色框 - 🔵 眼睛周围的蓝色框 - 📊 人脸和眼睛计数显示 ### 🛠️ 技术栈 ``` Language: Python 3.11 Framework: Streamlit Library: OpenCV Model: Haar Cascade Classifier ``` ### 🔍 检测图例 🟢 绿框 → 检测到人脸 🔵 蓝框 → 检测到眼睛 ## 🚀 快速开始 ``` # Clone 仓库 git clone https://github.com/akshatanand-cell/CODSOFT.git # Navigate 到任何 task cd CODSOFT/Task1_Chatbot # Install dependencies pip install streamlit opencv-python-headless Pillow numpy pandas scikit-learn transformers torch # 运行 app python -m streamlit run app.py ``` ## 🧠 获得的技能 ``` AI & ML: - Natural Language Processing - Computer Vision - Game Theory & Search Algorithms - Recommendation Systems - Pre-trained Model Integration Programming: - Python 3.11 - Streamlit Web Apps - OpenCV Image Processing - Scikit-learn ML Pipeline Tools: - Git & GitHub - VS Code - OBS Studio ``` ## 📊 项目统计 ## 🤝 与我联系

标签：Apex, Kubernetes, Python, 人工智能, 凭据扫描, 推荐系统, 无后门, 机器学习, 用户模式Hook绕过, 系统调用监控, 计算机视觉, 逆向工具