1.项目内容：完成一个可以爬取豆瓣电影Top250电影数据以及进行数据分析，并且在网页上形成数据可视化的界面。 功能模块：①爬虫板块：通过爬虫程序爬取电影数据，根据BeautifulSoup进行网页数据抓取以及数据解析，然后将数据持久化到本地数据库中。 ②数据可视化板块:主要分为电影、评分、词云等板块，电影板块展示详细的电影相关信息；评分板块给出豆瓣电影Top250评分分布图（包括数据视图、柱状图、折线图等）；词云板块根据热词生成词云。 2.个人工作：①能够将豆瓣电影网站Top250的电影相关数据爬取到本地数据库；②基于Flask实现的数据可视化网站；③电影板块展示前豆瓣网站Top250电影的详细信息（如排名、电影名称、评分、评价人数、一句话概括、简介信息）；④评分板块豆瓣电影Top250评分分布图（包括数据视图、柱状图、折线图等）；⑤词云板块根据热词生成词云。

1.项目基于已有的面向医疗图像处理的深度学习算法训练模型，部署到服务器端，再通过*小程序调用，实现在小程序上对医疗图像进行处理。 主要的模块有：①深度学习算法模块：该模块具有通过深度学习来处理医疗图像的功能。在获得病人的医疗图像之后，上传到*小程序中，接着再通过接口的调用进入深度学习算法模块，在经过已经训练好的深度学习算法模型分析后，将分析后的医疗图像传到*小程序中。②前端展示模块：该模块具有上传未分析的医疗图像和展示已分析的医疗图像两个功能。通过上传按钮来进行医疗图像的数据采集，将采集的数据上传之后再通过一系列的处理后，将处理好的医疗图像展示在*小程序的前端页面。③后端存储模块：该模块可以从前端获取病人的医疗图像，并将图像存储在一个数据库中，再将图像传到深度学习算法模块进行分析，然后从该模块获取处理后的医疗图像并存储在数据库中，然后通过前端的调用展示在前端页面。 2.本人在该项目中的主要工作有：确定项目的主要内容，调研相关文献，了解相关的技术和模型。完成概要设计，确定深度学习算法训练模型，部署在服务器。并开始进行*小程序的开发。完成*小程序的主体开发。完善小程序，并进行调试。

1.本项目主要有表情制作、智能推荐、我的图库等模块。表情包制作模块包括模板选择、制作表情包和保存三个子模块。用户可以使用此功能制作表情包，实现图文结合。在表情包推荐模块中，小程序程序通过获取*聊天记录，识别聊天气氛，分析当下用户可能需要的表情包，从而提供本选表情包推荐，更好地提升用户使用体验。我的图库模块主要用于用于用户管理目前制作的表情包，并且提供下载功能。 2.个人分工方面：对表情包的抓取和筛查，搭建服务器与数据库，对于数据库的创建与读写，识别文字并添加标签，模糊查询，代码整合。主要有：①查找并学习相关论文，明确了项目需求，并完成了同类产品的竞品分析报告。②对于网站上的表情包进行爬取，获取表情包模板并处理了无效图片。③搭建了云数据库，实现对表情包的存储和读取。④通过OCR技术完成对于表情包的文字识别，通过添加标签进行对表情包的模糊查询。⑤对于智能化推荐算法进行分析和总结，调取ai聊天接口进行表情包的推荐。