zouazouazou
全职 · 300/日  ·  6525/月
工作时间: 工作日09:00-18:00工作地点: 远程
服务企业: 0家累计提交: 0工时
联系方式:
********
********
********
聊一聊

使用APP扫码聊一聊

个人介绍

我曾担任广州城市理工学院校团委     创新创业部部长,任期一年,带领部门10人,协助完成了“挑战杯”中国大学生创业计划竞赛校内赛(小挑)的开展。完成了校内“攀登大讲堂”的开展。

熟悉 Java,python等语言

掌握Java Web开发的基础知识,如HTML、CSS、JavaScript等前端技术,以及Servlet、JSP等技术,能够开发出高性能、可扩展的Web应用。

熟悉关系型数据库和SQL语言,账务MySQL,能够进行数据库设计、优化和操作。

了解HTML、CSS、JavaScript前端技术,能够与前端开发人员更好地协作,实现良好的用户界面和用户体验。

掌握Java生态系统中的优秀框架和工具Spring等。

掌握微服务框架,如Spring Cloud等,能够进行分布式系统的开发和部署。

了解大数据技术,熟练掌握Hadoop、MapReduce等技术和工具。

熟练掌握云计算平台AWS,版本控制工具Git。

熟练使用 Linux 常用基础命令,具备在 Linux 上配置开发环境的能力。

熟练掌握Python,熟悉面向对象编程和函数式编程,熟练使用NumPy和Pandas进行数据处理和分析。

掌握数据分析工具如Excel、Tableau等。

能够将数据分析结果通过统计图形、曲线图和信息图形等方式进行可视化展示。

掌握概率论、假设检验、回归分析等。

工作经历

  • 2024-06-06 -至今途牛员工

    基于yolo的番茄成熟度检测系统: 基于YOLOv5目标检测技术,结合番茄色素提取算法,开发了一个综合的番茄检测与成熟度评估系统。该系统利用YOLOv8快速准确地检测番茄物体,然后应用色素提取算法对番茄进行成熟度评估,实现了高效精准的成熟度检测。对数据集进行数据增强处理对已检测的视频图像进行抽帧,根据成熟度对番茄采取可使利益最大化的使用方式。在其中主要负责了系统的开发,系统界面的制作,以及论文的书写,

教育经历

  • 2022-06-09 - 华南理工大学广州学院数据科学与大数据技术专业本科

    掌握设计和实现数据库结构,包括关系型数据库MySQL,编写SQL查询和数据访问层代码,确保数据的准确存储和高效查询。精通Java,python等语言,熟练使用SQL,理解关系型数据库设计原则,了解NoSQL数据库的适用场景。用于存储和管理数据。对Spring Boot、Djang

技能

0
1
2
3
4
5
0
1
2
3
4
5
作品
基于数据库的学生管理系统

背景:该系统的主要目的是管理学生的基本信息、课程信息、成绩信息、选课信息等。在学生信息管理系统中,可以对学生基本信息进行统一管理,如姓名、学号、性别、出生日期、籍贯、联系方式等,以及学生成绩和选课情况的管理。同时,该系统具备权限控制功能,能够有效防止信息被盗取或修改。通过该系统,可实现对学生进行全面细致的管理,大大提高了工作效率,减少了人力资源的投入。 任务: 学生基本信息管理:学生基本信息添加、修改、查询、删除; 教师基本信息管理:教师基本信息添加、修改、查询、删除; 课程基本信息管理:课程基本信息添加、修改、查询、删除; 选课成绩基本信息管理:选课信息和成绩的添加、修改、查询、删除,以及补考成绩录入。 行动:使用MySQL数据库。前面设计出的“教师”“课程”“班级”“专业”以及“学生”等关系模式都比较适合实际应用,一般不需要做结构上的优化。对于“讲授”(教师编号,课程编号)关系模式,既可用作存储教学计划信息,又代表某门课程由某个老师任课。但是,同一门课可能在同一学期由多个老师主讲,教师编号和课程编号对于用户不直观,使用教师姓名和课程名称比较直观,要得到教师姓名和课程名称就必须分别在“教师”以及“课程”关系模式进行连接,因此可将关系模式的名字改为“授课-计划”,因此将关系模式改为“授课-计划”(教师编号,课程编码)。对于“管理”关系模式,由于管理员要审核学生、教师的信息和考试成绩,因此需要增加审核信息属性。所以,“管理”关系模式调整为管理(学号,教师编号,课程编号,学生姓名,教师姓名,课程名称,成绩,成绩审核人)。

0
2024-07-09 16:23
智慧农业--YOLO在番茄检测与成熟度分析中的应用

背景:自动化检测减少劳动成本,能够实现自动化的番茄检测分拣,减少了人工劳动力的需求,降低劳动力成本。检测效率高,有高效的检测速度和准确性,能够快速识别番茄并分析其成熟度,提高了生产线的生产效率。同时,能够准确地检测出番茄品种以及其成熟度,从而严格控制产品质量。 任务:数据集数量不够,检测精度不够,没有界面。 行动:为了克服数据集数量的瓶颈,我们精心设计了数据增强方案,通过对原始图像实施随机翻转、亮度调整以及Mosaic增强和Mixup增强等高级处理技术,有效扩充了数据集至3980张图片,极大地丰富了样本的多样性与复杂性。随后,我们遵循科学的数据划分原则,以8:1:1的比例严谨地将增强后的数据集分为训练集、验证集与测试集,确保了模型训练与评估的准确性与有效性。 在技术实现层面,我们选用了先进的YOLOv5目标检测模型,该模型以其高效的检测速度的识别精度著称。通过对图像进行精细的预处理,我们确保了输入数据的质量,进而利用YOLOv5强大的特征提取与分类能力,成功实现了图像中番茄物体的精准识别。此外,通过精心设计的后处理算法,我们进一步优化了识别结果,确保了番茄检测的高准确性与稳定性。为了进一步提升项目的实用价值,我们创新性地引入了图像处理技术,从识别出的番茄物体中精确提取出红色素的颜色信息,并依据颜色深浅的细微差异,智能判断番茄的成熟度。这一功能不仅提升了产品分级的精准度,也为后续的市场营销与供应链管理提供了有力的数据支持。 最后,为了增强用户体验,我们利用Python强大的GUI开发能力,设计并实现了友好易用的图形用户界面。该界面不仅直观地展示了番茄检测与成熟度分析的结果,还提供了便捷的操作方式与丰富的交互功能。

0
2024-07-09 16:23
下载次数:0
¥1000
更新于: 07-04 浏览: 47