序号	项目名称	领域	仓库	端到端
01	Airbnb 价格预测	分类		✔
02	文章爬虫	网页抓取
03	波士顿房价预测	回归		✔
04	使用 Gemini Pro 的聊天机器人	生成式 AI
05	使用 OpenAI 的聊天机器人	生成式 AI
06	Respire：胸部疾病检测	分类		✔
07	使用 OpenAI 的对话式聊天机器人	生成式 AI
08	钻石价格预测	回归		✔
09	糖尿病疾病预测	分类
10	Doc-Genius	生成式 AI
11	电子商务数据分析	MS Power BI
12	航班票价预测	回归		✔
13	黄金价格预测	回归
14	使用 OpenCV 的手势追踪	计算机视觉
15	心脏疾病预测	分类		✔
16	图片爬虫	网页抓取
17	印度餐厅数据分析	MS Power BI
18	使用 Gemini Pro 的医疗助理	生成式 AI
19	药品识别系统	生成式 AI
20	电影推荐系统	推荐系统		✔
21	密码强度预测	分类
22	岩石与矿石检测	分类
23	垃圾邮件检测	分类		✔
24	学生学业成绩预测	回归		✔
25	使用 Google Gemini 进行文本生成	生成式 AI
26	维拉特·科利表现数据分析	MS Power BI
27	葡萄酒品质预测	分类
28	Market Insight	智能工作流		✔
29	Synapse	生成式 AI
30	Doclify：文档命令行工具	生成式 AI		✔
31	AI 博客生成	生成式 AI		✔

• 更多端到端项目：关注我在 GitHub 上的主页

更多项目即将上传！

序号	项目名称	领域	仓库
01	深度伪造检测	深度学习
02	心律失常疾病检测	分类
03	驾驶员疲劳检测	计算机视觉
04	饮食推荐	推荐系统
05	乳腺癌检测	分类
06	肾脏疾病检测	深度学习
07	文本摘要	自然语言处理
08	脑肿瘤检测	深度学习
09	肺炎检测	深度学习
10	实时人脸检测	深度学习

AI-Project-Gallery 快速上手指南

AI-Project-Gallery 是一个汇集了 30+ 个端到端（End-to-End）AI 项目的开源合集，涵盖机器学习、深度学习、生成式 AI（GenAI）、计算机视觉及数据分析等领域。本指南将帮助你快速克隆并运行其中的项目。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python：版本 3.8 或更高（推荐 3.10+）
• Git：已安装并配置好
• 包管理器：pip 或 conda
• API Keys（可选）：部分生成式 AI 项目（如 Gemini, OpenAI）需要对应的 API Key。

国内开发者提示：建议配置国内镜像源以加速依赖下载。

• pip 临时使用清华源：在命令后添加 -i https://pypi.tuna.tsinghua.edu.cn/simple
• conda 配置中科大源：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

安装步骤

由于该仓库包含多个独立项目，每个项目拥有独立的依赖环境，强烈建议为每个项目创建独立的虚拟环境。以下以运行"Airbnb 价格预测”项目为例：

1. 克隆仓库

git clone https://github.com/KalyanMurapaka45/AI-Project-Gallery.git
cd AI-Project-Gallery

2. 进入特定项目目录

选择你感兴趣的项目文件夹。例如，进入第一个项目：

cd End-to-End-Airbnb-Price-Prediction
# 注意：实际目录名可能需根据仓库具体结构微调，通常在项目列表中点击 GitHub Repo 链接确认

3. 创建并激活虚拟环境

使用 venv:

python -m venv venv
# Windows
venv\Scripts\activate
# macOS/Linux
source venv/bin/activate

或使用 conda:

conda create -n ai-project python=3.10
conda activate ai-project

4. 安装依赖

在项目目录下查找 requirements.txt 文件并安装：

# 使用国内镜像加速安装
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

注：如果项目根目录没有 requirements.txt，请进入该项目子目录查找。

5. 配置环境变量（如需）

对于涉及 API 的项目（如 Chatbot using Gemini Pro），通常需要在项目根目录创建 .env 文件或直接在代码中填入 Key：

# 示例：创建 .env 文件
echo "GEMINI_API_KEY=your_actual_api_key_here" > .env

基本使用

大多数项目都提供了完整的训练脚本或推理入口。以下是通用的运行模式：

场景 A：运行端到端训练与预测 (End-to-End)

适用于标记为 ✔ 的项目（如房价预测、疾病检测）。通常包含数据预处理、模型训练和评估。

# 运行主程序（文件名通常为 main.py, app.py 或 train.py）
python main.py

执行后，脚本将自动下载/加载数据集，训练模型，并输出准确率或保存模型文件。

场景 B：启动交互式应用 (Chatbot/Web App)

适用于聊天机器人或可视化项目（如 Streamlit 应用）。

# 启动 Streamlit 应用
streamlit run app.py

# 或直接运行 Python 脚本进入交互模式
python chatbot.py

终端会显示本地访问地址（如 http://localhost:8501），在浏览器打开即可使用。

场景 C：数据分析看板 (Power BI)

对于标记为 "MS Power BI" 的项目（如电商数据分析）：

1. 下载项目中的 .pbix 文件。
2. 使用 Microsoft Power BI Desktop 打开即可查看可视化报表。

---

提示：具体每个项目的入口文件和参数细节，请务必查阅该项目子目录下的 README.md 文件，那里会有针对该特定任务的最准确说明。