人工智能

1.负责墨西哥项目、VDF 、电信、联通、中移等运营商定制项目的测试活动以及、红魔系列手机的测试； 测试的模块：通信、系统、桌面、影像、音频、近场、外场等。 2.参与需求分析，风险预估，输出测试方案，测试计划，安排测试任务，规划测试样机 数量和人力投入 ； 3.项目过程中，针对异常突发问题，配合研发团队进行专项攻关，针对验证结果进行分 析，组织人员调整验收方案，直到问题形成闭环。 4.负责测试人员招聘、管理测试团队、进行日常培训、任务分解、过程监督和工作指导 以及考核； 5.制定并不断优化公司软件测试流程及规范、并跟进各方人员的实施过程； 6.任务或资源冲突时，与各团队进行沟通，高效高质完成既定任务； 7.售后问题处理和跟进优化，总结用户痛点为，进行项目复盘，优化测试策略和测评标 准。

基于GPT（ChatGLM）技术搭建的闲聊机器人，可以实现上下文理解、多轮对话、角色扮演的功能，项目的目标用户是中小学生。项目交付为可以在服务器运行的后端闲聊服务，可以通过http请求调用API。最终项目经过联调接入到了相关领域的手机APP当中。 我的贡献：我在其中担任算法工程师+产品经理的角色。 由于不便截取APP图片，作品图片为在后台测试聊天记录。

是一个集成系统，主要用于算法管理的集成，主系统添加算法，子系统算法对应的展示。包括城市预警系统，是监控回放报警等相关的系统，划定视频直播时对应的区域进行警报，设置警报内容，包括不限于人脸识别、人像对比、乱扔垃圾、玩手机、规定区域外停车、未佩戴口罩安全头盔等等预警。ocr识别系统，识别身份证户口本或者其他文件图片之类的，提取图片里面的文字进行汇总。智能机器人系统，后台添加算法，根据语音文字，返回对应的回答。

1. 对获取到的水的图片样本进行数据标注 2.处理完成标注的图片，并划分数据集 3. 选择模型进行训练及评估，选择较好的模型 4. 对获得的模型进行测试，效果不理想则重复3,4步骤，直到获得合适的水质检测模型

握零担SAAS平台提供从开单、配载、运输、送货、签收、结算等全流程服务，是国内较为领先的适用于专线管理和专线联盟模式的云服务平台。该平台在支持专线公司传统的运输管理功能的基础上，进行了多项创新： 1) 与上游货主端打通，实现订单管理、订单智能匹配等功能。 2) 与下游司机车主打通，实现智能派单、车辆跟踪、财务结算等功能。 3) 实现移动端协同办公能力。 4) 实现专线自由联盟、协同运营等功能。 5) 支持各项增值服务，包括油卡、保险、金融等服务。

1.主要做元宇宙社交，我这边负责前端大部分项目的搭建和迭代，app内嵌的h5活动页、服务于app的管理平台、3d资源的售卖平台、tob端会议软件以及游戏场景的web端。 2.使用技术：vue(2.x,3.x)，react（类组件及函数组件），uniapp，taro，nuxt等，了解node，了解webpack、vite等打包工具，了解docker容器化部署流程，。 3.学习了web3相关知识，主要负责和设计了公司虚拟形象上链的需求，学习书写智能合约，并且学习前端和合约交互，学习了docker容器化部署相关运维内容

内容： 平安信托业务是深圳罗湖平安总行的信用托管业务分支。该系统主要是以用户的存款额度进行投资，以一百万为基础单元进行信用投资，开发任务主要是定时进行行内信托基金的批量处理业务。融资份额达到一千万的账号需要进行批量的业务处理。 软件架构： 银行内部系统架构技术 工作描述： 1. 平安银行深圳罗湖总行的软件开发部的平安信托项目组需求分析。 2. 项目评审会议参加验证需求讨论实现方式。 3. 需求文档开发任务的拆分和实现。 4. 代码复检。 5. 线上和线下测试，与测试组完成开发的任务的测试工作。 6. 项目部署和线上任务的错误日志收集。 7. 特殊情况项目组的轮流值守工作。 业绩： 1. 需求说明书的生成。 2. 项目评审。 3. 需求任务的开发和上线测试。 4. 运维。

个人搭建的chatGPT网站，主要研究网站开发，小程序开发，本人是学生，来这为了挣学费，不会直接回不会，不浪费时间，我尽量满足你的要求，希望多多交流合作共赢，我赚学费你拿项目。

APP端： 1.app支持人脸检测，支持多人脸识别，人脸识别速度快； 2.app提取人脸特征，调用后端RESTful API识别人物信息； 3.app支持多种方式人脸录入。 后端： 1.将人脸信息及特征存入数据库； 2.设计人脸识别引擎从海量数据中快速准确识别人脸特性； 2.采用REST API设计。 app：https://github.com/ppd324/FaceIdentificationAndroid 后端：https://github.com/ppd324/go-face-server

爱立信携手广州城市建设投资集团有限公司，对电灯杆进行技术创新，让不起眼的路边灯杆，拥有无限智慧能力，实现智能广告屏、充电桩、灯光智能调控、紧急求助等功能；开启智能城市应用和服务的新窗口，实现节能绿色环保的城市建设。 1、智能广告屏：不仅支持后台推送商家广告，同时可播报政府信息，包括实时新闻、公共安全、流行疾病预防等老百姓关注的公共信息 2、充电桩：对灯杆原有的电路进行改造升级，灯杆上集成充电桩能力，支持实时计费和在线支付等功能，极大的便利车主，也为政府推广新能源车创造有利条件 3、灯光智能调控：路灯都支持远程开关和调节亮度功能，并且灯杆上安装了光感设备，实时的检测周围环境的明亮度，根据环境的明暗情况自动开关路灯或者调节亮度，实现节能减排。 4、紧急求助：灯杆上安装报警按钮，当路人遇到危险时，或者走丢儿童路过灯杆时，可按下这个按钮一键报警。由于灯杆具有位置信息，能够准确的将报警信息通知到最近的警察。为城市智能治安提供更多的报警途径，同时也提高了警察的办事效率。

1. 本项目主要分为以下功能模块： - 数据集准备：收集和标注自己的数据集，包括样本图片和对应的标签数据。 - 模型训练：使用YOLOv8算法对数据集进行训练，得到训练好的模型。 - 模型测试：利用训练好的模型对新数据进行目标检测，并输出检测结果。 - 模型优化：根据测试结果对模型进行优化，使得目标检测的准确率和效率都有所提升。 对于使用者来说，该项目能实现以下功能： - 制作自己的数据集，并训练自己的模型，实现目标检测任务。 - 通过可视化界面查看目标检测结果，方便直观。 2. 我在本项目中负责如下任务： - 收集、清洗和标注数据集，为训练模型做准备工作。 - 使用Python编程语言和YOLOv8算法对数据集进行训练，并根据训练结果对模型进行调整和优化。 通过这些任务的实现，我最终得到了一个可以对自己的数据集进行目标检测的模型，使得该模型可以方便地应用于实际生产环境中。 3. 在本项目中，最大的难点是如何标注数据集和如何优化模型以提升目标检测的准确率和效率。 针对数据集标注的难点，我们采用了多人标注+众包的方式，让多

实现多目标跟踪检测，可作为毕业设计，可使用自己的数据集，也可以使用原始代码以及数据集，可以实时监测车流行人信息

功能模块：1.登录注册模块 ：用户登录及注册该项目的功能 2.交通标志图片识别模块 ：识别用户上传的交通标志图片并返回识别结果 3.数据库交互功能：存储用户数据

智慧仓储3D仿真系统可在线编辑智慧仓储场景、编辑仿真业务流程，实现整个智慧仓储场景的真实模拟，并通过统计分析对实际场景进行指导

爬虫模块：负责在互联网上抓取网页数据。 索引模块：负责对抓取到的网页数据进行处理和存储，建立索引。 搜索模块：负责接收用户的搜索请求，根据索引进行搜索，并返回搜索结果。 用户界面模块：负责展示搜索结果，并提供用户交互功能。 对于使用者来说，搜索引擎能够实现以下功能： 通过关键词搜索互联网上的网页，获取相关的搜索结果。 对搜索结果进行筛选和排序，找到最符合自己需求的网页。 查看网页的摘要和元数据，了解网页的基本信息。 通过相关搜索、分类筛选等功能进一步缩小搜索范围。 在项目中，我可能会负责设计和实现搜索引擎的索引模块和搜索模块。具体来说，我可能会使用倒排索引等数据结构来存储和处理网页数据，使用TF-IDF等算法来计算网页和关键词的相关度，使用布隆过滤器等技术来提高搜索效率和准确性。此外，我还可能会使用自然语言处理等技术来对用户的搜索请求进行分析和理解，以提高搜索质量。 最终成果取决于项目的具体需求和时间进度。我希望能够实现一个高效、准确、易用的搜索引擎，满足用户的需求。在开发过程中，可能会遇到一些难点，比如如何处理大规模的网页数据、如何提高搜索的准确性和效率、如何理解和处理用户的搜索

1. 本项目主要分为以下功能模块： - 数据集准备：收集和标注包含不同车型的图像数据集，包括样本图像和对应的标签数据。 - 特征提取：使用深度学习模型（如卷积神经网络）对车型图像进行特征提取，获取代表车型特征的向量表示。 - 车型识别：利用训练好的分类模型，通过对车型图像的特征向量进行分类，实现车型识别功能。 对于使用者来说，该项目能实现以下功能： - 对输入的车型图像进行识别，快速准确地判断出车型。 2. 在本项目中我负责如下任务： - 收集、清洗和标注车型图像数据集，为训练模型做准备工作。 - 使用深度学习技术（如卷积神经网络）进行特征提取，将车型图像转换为特征向量表示。 - 使用Python编程语言和相关深度学习框架（如PyTorch）实现车型识别的代码。 - 进行模型的训练和调优，提高车型识别的准确率和泛化能力。 最终达到的成果是一个能够对输入的车型图像进行准确识别的系统，可以迅速给出车型类别的判断结果。 3. 在本项目中的难点主要包括： - 数据集多样性：车型种类繁多且外观差异大，如何收集全面且具有代表性的车型

这是一个与字节跳动合作的项目。在这个项目中我参与设计了字节跳动云原生数据库的基于AI的基准测试算法。项目结果总结成了论文发表在了VLDB2023上，我是该论文的第二作者。

一易管车SAAS平台是国内首家集管车、结算、财税、后服、金融等五位一体的车辆运营管理服务平台。运用物联网、移动互联网、大数据、人工智能、区块链等先进技术，实现了信息流、货物流、资金流、票据流“四流合一”，助力物流车队规范业务运营、提升信息化管理水平、优化运力资源、连接增值服务，降本增效。 1) 系统支持所有业务的支付全程线上化，运营人员及司机无须接触到现金，杜绝腐败现象。 2) 系统与G7、易流、北斗打通，对每条线路的油耗进行实时严格管控，可大幅减低车队加油成本。 3) 车辆的维修保养等费用，线上申请、审批、支付，直接对接到供应商，既方便又避免内部人员报销作假。 4) 年审、保险等各种证件到期智能提醒，避免证件过期的车辆上路，减少不必要的罚款。 5) 系统与找油网、万金油等油服务平台打通，支持给车队的行驶线路智能推荐最优惠油站，为车队大幅节约油成本。

项目是面向企业用户的对话机器人搭建平台，基于NLP的对话管理、多轮对话等技术，帮助企业用户构建智能客服、智慧营销等机器人。我在项目中担任负责多轮对话模块的产品经理。

1. 本项目主要分为以下功能模块： - 数据集准备：收集和标注包含行人和车辆的视频数据集，包括样本视频和对应的标签数据。 - 目标检测：使用YOLOv8算法对视频中的行人和车辆进行目标检测，实现实时的多目标检测。 - 多目标跟踪：利用ByteTrack算法对检测到的行人和车辆进行多目标跟踪，保持目标的连续性并给出每个目标的轨迹。 - 行人车辆计数：根据跟踪结果统计行人和车辆的数量，实现实时的计数功能。 - 越界识别：基于目标的运动轨迹和预定义的区域，识别出行人和车辆的越界行为。 对于使用者来说，该项目能实现以下功能： - 对行人和车辆进行实时的目标检测和多目标跟踪。 - 实时计数行人和车辆的数量。 - 检测并识别行人和车辆的越界行为。 2. 我在本项目中负责如下任务： - 收集、清洗和标注视频数据集，为训练模型做准备工作。 - 使用YOLOv8算法进行目标检测，并使用ByteTrack算法进行多目标跟踪。 - 使用Python编程语言和相关深度学习框架（如PyTorch）实现目标检测和多目标跟踪的代码。 -