📋 Stage 01 · 需求定义

明确需求，成功一半

在写第一行代码之前，先搞清楚三个问题：做什么？输入输出是什么？怎么算成功？

🎯 交互式需求定义器

跟随步骤一步步定义你的AI项目需求

1
2
3
4
第 1 / 4 步

① 选择你的AI任务类型

🏷️
分类任务
二分类 / 多分类 / 多标签
猫狗识别、情感分析、故障分类
🎯
目标检测
画框定位+分类
人脸检测、缺陷检测、车辆识别
🗺️
图像分割
像素级分类
医学影像、自动驾驶、遥感
📈
回归预测
数值预测
房价预测、销量预测、年龄估计
💬
NLP文本任务
文本理解/生成
翻译、摘要、问答、对话系统
🎨
生成/合成任务
内容生成
AI绘画、语音合成、视频生成
⭐
推荐系统
个性化推荐
商品推荐、内容推送、好友匹配
📊
排序/检索
相关性排序
搜索排序、文档检索、RAG
⚠️
异常检测
识别异常模式
欺诈识别、故障预警、网络入侵

📚 常见AI任务速查

CV · 分类
图像分类（Image Classification）

输入：图像 → 输出：类别标签

典型模型：ResNet, EfficientNet, ViT
指标：Accuracy, Top-1/5 Error
CV · 检测
目标检测（Object Detection）

输入：图像 → 输出：多目标bbox+类别

典型模型：YOLOv8, Faster R-CNN, DETR
指标：mAP, IoU
NLP · 分类
文本分类（Text Classification）

输入：文本 → 输出：情感/主题标签

典型模型：BERT, TextCNN, LLM
指标：Accuracy, F1
NLP · 生成
大语言模型（LLM）

输入：Prompt → 输出：生成文本/对话

典型模型：GPT系列, LLaMA, Qwen
指标：BLEU, ROUGE, Human Eval
表格 · 预测
表格预测（Tabular）

输入：特征列 → 输出：分类/回归结果

典型模型：XGBoost, LightGBM, CatBoost
指标：AUC, MAE, RMSLE
CV · 生成
图像生成（AIGC）

输入：文本描述 → 输出：图像

典型模型：Stable Diffusion, DALL-E, MidJourney
指标：FID, CLIP Score（主观为主）
← 返回前置准备 下一章：数据工程 →