1. 模块 - 基础功能模块 基于stackedit - 权限模块， 接入坚果云 - 文件模块，文件保存，读取，展示 2. 难点， 功能集成，文件的处理 3. 独立负责前端所有功能

使用 python 爬虫采集网站、报刊等平台新闻数据，结合机器学习中的新闻分类模型内容对采集数据进行实时分类，提供用户数据查看、在线分析数据，编辑生成简报等功能，后端使用 java 语言，基于 springboot 框架进行项目开发，前端使用 vue3.0进行页面设计。

对个个粮库发的物流进行统计，计算所有路线的相关费用和时间，最终给出相关路线以供工作人员选择，操作人员可以在线编辑地图来操作路线

项目概述：本项目是多店铺商城购物 APP 。主要实现功能包括商城购物、线下门店、积分商城、店铺入驻、店铺管理、邀请好友等。 职责描述： 负责与 UI设计师对接页面并实现页面的编写。 与后端人员完成接口对接，协助完成各个功能模块的开发。 主要技术用到了 Vue2相关技术 ，Vue组件开发等。 优化代码，完善页面逻辑，不断修改完善提高用户体验。 各大应用市场的 APP 分发上架和维护更新。 项目技术： 通过HbuilderX创建uni-app项目，使用Vue2、Vuex、storage、 Sass、uni-ui、uni.request等API实现项目骨架搭建。 使用 Vuex和storage实现持久化缓存数据处理、state数据状态管理、在actions实现异步网络请求处理。 封装部分自定义Vue组件，使用 props和$emit进行组件数据传输和事件通讯。 合理使用生命周期钩子函数，实现数据的请求、渲染页面、页面节点的实例化功能。 版本控制采用 gitee管理。

项目概述：本项目是线上拼团微信小程序商城。主要实现功能包括商城购物、线下门店、积分商城、团长申请、团长管理、店铺入驻、店铺管理、创优学院、代理申请、优惠券领取、邀请好友等。 职责描述： 负责与 UI设计师对接页面并实现页面的编写。 与后端人员完成接口对接，协助完成各个功能模块的开发。 主要技术用到了 Vue2相关技术 ，微信小程序相关 api和 Vue组件开发等。 测试功能效果及数据是否准确，不断修改完善提高用户体验。 项目技术： 通过HbuilderX创建uni-app项目，使用Vue2、Vuex、storage、 Sass、uni-ui、uni.request等API实现项目骨架搭建。 使用 Vuex和storage实现持久化缓存数据处理、state数据状态管理、在actions实现异步网络请求处理。 封装部分自定义Vue组件，使用 props和$emit进行组件数据传输和事件通讯。 合理使用生命周期钩子函数，实现数据的请求、渲染页面、页面节点的实例化功能。 微信小程序相关API的调用、分包处理等。 版本控制采用 gitee管理。

大型行业头部公司商超零售系统开发者，公司为行业领头羊。 1，商超零售系统，包括销售，支付，退款，单据（批发，采购，配送，调价，仓库，数据分析） 2，生鲜系统，包括商超零售系统的功能外还有称重，传秤等功能

数据:从网络上得到数据集，如新闻类数据集，有正向、负向评论;情感分析类数据集:有愤怒、喜悦、低落、厌恶等.并将 数据集分成训练集、测试集. 数据预处理:对文本进行分词，对中文类使用jieba、英文使用nltk进行分词，并利用word2vec训练出词向量，为模型提供 数据集. 建模:构建分类模型，分别构建出full-connection-layer、LSTM、BiLSTM、LSTM-Attention等. 调优、验证:通过各种手段调优:如修改优化器、加正则化、调节学习率、损失函数等，再利用验证集测试模型性能. 收获:分类精度可达97.1

负责采购结果模块开发、数据库原型设计、调用第三方接口webService 联调 。用Spring作为粘合剂，web前端采用SpringMVC，ORM使用spring-jpa加hibernate,安全通过shiro控制。在前端利用bootstrap进行布局和总体样式控制，jquery作为主要的js框架

数据为wmt2018数据集，取其中40w条数据作为总的数据集，再对数据随机打散分为训练集、测试集、验证集，比例分别为70%、10%、20%。利用tensoflow框架搭建transformer、transformerxl等模型，并训练得到较为良好的模型，并验证集进行微调，得到较佳模型，再利用测试集测试最终效果

1. 基础模块 - 登陆模块 - 答题模块 - 订阅，分享 2. 负责小程序前端所有内容 3. 难点是webpack配置react转小程序环境

1. 作品构成 - 基础信息模块 - 文件管理模块 - 功能模块(文件预览， 上传，下载) - 权限模块 2. 所有模块都有参与开发，个人完成前端页面一半以上 3. 难点是数据量大时页面的渲染和操作

全景网路演天下: 1.用户管理 注册用户 实名认证 用户头像审核 2. 公司管理 公司资质认证 公司路演厅管理 3.路演管理 添加和修改路演 路演列表 路演审核 模板管理。 4.前台管理中心 申请路演 路演列表。 5.系统部署和项目打包。

项目概述：本项目是大学生毕业照生成与信息采集的微信小程序。主要实现功能包括学信网采集码的解密数据采集，图像采集，人脸实名认证，证件照的预览与检测，小程序支付，订阅制作完成通知，证件照生成等。 职责描述： 负责与 UI设计师对接页面并实现页面的编写。 主要技术用到了 Vue组件开发 ，serverless云开发，及阿里云API的调用。 测试证件照生成的效果，提高用户交互体验。 项目技术： 通过HbuilderX创建uni-app项目。 创建阿里云空间，构建 DB Schema表，创建需要的云函数，在云函数调用阿里云证件照制作相关的API。 使用crypto-js解密图片采集码，阿里云的对象存储 OSS上传图片，使用了微信小程序相关的API。 版本控制采用 gitee管理。

基于公司组织架构制作的文件管理系统，提供文件的上传，下载，删除等功能 1.文件管理各功能权限限制可以根据实际需要进行定制 2. 组织关系结构的录入，需要跟目前的并购项目，自建项目，医院等信息进行同步

本项目是借助区块链技术特性创造的 NFT　　社区 APP 。主要实现的功能，虚拟 IP　　和创意想法的铸造，NFT　　卡的专属制作，NFT　　卡的售卖与转卖，设计师的入驻，创者社区，项目展厅，优惠券板块，余额与积分，NFT　　卡铸造与上 Polygon　　链存证等功能。 职责描述： 负责与 UI设计师对接页面并实现页面的编写。 与后端人员完成接口对接，协助完成各个功能模块的开发。 主要技术用到了 Vue2技术生态，canvas的画图等。 测试各个功能模块的完善和 bug处理。 各大应用市场的 APP 分发上架和维护更新。 项目技术： 通过HbuilderX创建uni-app项目，使用Vue2、Vuex、storage、 Sass、uni-ui、uni.request等API实现项目骨架搭建。 使用 Vuex和storage实现持久化缓存数据处理、state数据状态管理、在actions实现异步网络请求处理。 使用 canvas的画布实现图片绘制及图片生成。 完成了支付宝、微信及银行卡的支付。 版本控制采用 gitee管理。

我主要负责会员系统的开发和中国茶业开发，管理员后台的部分工作，网站优化以及维护，通过FreeMarker 生成静态页面。

0.招聘系统，用于HR对面试人员进行管理 1. 本页面权限：招聘专员只能看到自己负责招聘的项目，招聘经理／子公司领导可以看到本公司（组织）的项目，招聘总监／集团领导可以看到所有项目 2. 查询筛选：可以用来筛选项目列表显示，在进行日报下载，周报下载，任意周期下载的时候也会生效 3. 招聘项目统计表： 1. 创建新项目按钮 2. 日报下载为下载今天的报告，报告模版参照日报模版 3. 周报下载为下载本周（上周五到本周四之间）的周报，报告模版参照周报模版 4. 任意周期下载，需要选择开始日期和结束日期，报告模版参照月报模版 4. 项目列表表格： 1. 基本信息查看功能 2. 四色区分显示，open为白色，cancle为红色，closed为绿色，pending为米黄色 3. 箭头提供排序功能，上排序，下排序，注意排序后目前不支持四色区分显示 4. 日进度按钮跳转到日进度管理页面，在后续介绍 5. 周进度按钮弹出周进度管理，在后续介绍 6. 查看日志，日志包括该项目详情信息变更以及招聘日志，在后续介绍 7.

智慧农业的app版本，针对web端下发的巡天任务，工作人员在app端进行实地操作，到达对应地块后打卡，该app有安卓版和ios版

对农业种植进行管理，提供一整套种植方案以供选择，可以管理地块，控制无人机进行巡田作业，项目大屏功能查看所有地块和作物的相关数据

项目背景 利用科技手段提高传统宠物医疗行业的智能化水平。传统的宠物医疗知识比较分散，专业化程度低，宠物医院及医生的医疗技术水平高低不一，宠主在宠物生病时不能准确判断并采取措施等等。此项目旨在创建一套专业的医疗技术知识图谱，包含宠物种类、品种、年龄、常见症状、检查结果、处方、医嘱、诊断、疾病及疾病详情卡片等维度。在此知识图谱的基础上，可以建立诸如智能诊断，临床决策支持，智能问答等上层应用。 项目设计 线上病历含有症状描述和诊断结果两个字段，可以用来创建医疗知识图谱，可能准确度有待提高 初期使用少量的病历测试数据并只使用常见症状和疾病两个维度创建医疗知识图谱，并在此基础上创建一个简单的demo应用，可以达到由症状查询到可能犯有的疾病并按照可能机率进行排列的目标。 在demo应用的基础上，开始使用大量的病历正式数据进行模型训练，逐步提高知识图谱的准确度，并丰富demo应用。 利用一些专业化数据（医疗专家使用辅助系统填写的疾病和症状对应关系／从专业化网站上爬取数据）对知识图谱进一步训练，尽可能的提高准确度 找到医疗技术人员协助测试，重复4，直到达到医疗技术人员认为可用为止。 技术选型