人工智能

注水管网水力仿真工具，利用软件仿真水管水流，配置水管参数，计算各节点进出水口压力 开发框架：Qt5.15.2 运行平台：PC客户端 涉及主要技术：视图框架，撤销返回，导入导出EXCEL等

通过Modbus通信协议，多串口，多Modbus利用多线程，定时采集PLC座椅数据，并控制座椅。 开发框架：Qt5.15.2 运行平台：PC客户端/Win平板移动端 涉及主要技术：Modbus，串口，Excel文件数据流，XML文件数据流,Json文件数据流，语言家(多语言国际化)，数据3D可视化(3D曲面,3D柱形图),网络编程，线程，定时器等

私人化AI助手是一个定制化的人工智能项目，旨在根据您提供的问答内容进行训练，以为您提供高度个性化的回答和支持。该AI助手使用先进的自然语言处理技术和深度学习算法，能够理解您的需求，并提供精确的答案。无论您需要帮助解答问题、执行任务还是获取定制建议，私人化AI助手都可以满足您的需求。

使用Selenium自动测试脚本工具, 通过模拟人工操作,实现爬虫效果.pip install selenium from selenium import webdriver 抓取网页上的信息,分析html节点,找出通用结构

通过Modbus串口采集下位机数据。同时将采集到的数据，显示到图表。设备配置信息存储到Json文件，账户信息存储在数据库； 开发框架：Qt5.6.2交叉编译环境 运行平台：嵌入式设备 涉及主要技术：Modbus串口，数据库，Json文件数据流，输入法，图表，表格等

1、【60%】街景产品的自动化工艺流程及覆盖提升，整体生产效率提升200% 2、【30%】街景产品的创新及用户体验提升 3、【10%】数据线上化流程建设及合规化

我是一位专注于地质大数据研究的专家，利用数据分析和Python编程技能，深入挖掘地质信息以解决地质科学中的复杂问题。通过数据驱动的方法，我致力于提供有关地球科学和资源勘探的重要见解。

1、【50%】百度地图数据快速更新并从0到1建立采集生产到发布的体系 2、【40%】地图C端上特殊场景改进及用户体验提升 3、【10%】评估体系的建设与改进

1.服务平台技术架构 2:服务模块拆分 3.总体把控项目开发进度 4:负责公共模块开发 5:系统权限模块设计开发 6:系统微服务架构搭建

是一个用于自动图像标注的开源工具，特别适用于计算机视觉和深度学习项目。它也允许用户手动绘制边界框和添加标签，以标识图像中的对象。以下是有关LabelImg的相关信息：

采集远程天井钻机设备数据的，并远程控制设备 开发框架：Qt5.15.2交叉编译环境 运行平台：嵌入式设备 涉及主要技术：Mqtt协议等

工作描述：该项目主要工作是针对军工特定的应用场景和需求，设计相应的特征工程及其模型算法，实现相关设备的异常检测、故障诊断以及故障预测（临近结题） 实现方法：1、针对XX设备中正负样本不平衡问题，设计基于改进GAN网络的GANomaly异常检测算法实现无负样本情况下的异常检测；2、针对XX设备有故障标签情况，设计基于深度残差收缩网络DRSN网络，实现特定情况下XX设备的故障诊断；3、针对XX电池容量有明显的退化趋势的情况，设计基于FA-GRU-CNN网络框架，实现其全周期剩余使用寿命预测。注：网络框架均是基于pytorch深度学习框架下开发的时序异常检测和故障诊断模型以及时间序列预测模型，并将上述在windows系统开发的算法模型迁移至国产化平台上，并实现了兼容。 个人收获：完整参与一个军工项目的方案设计、需求对接、算法设计、算法部署、软件调试、结项文档的撰写等工作，培养了快速学习新场景并设计算法解决问题的能力。

项目为C#开发的软硬件集成系统，硬件方面包括一个人脸识别摄像头。将摄像头安装在门店入口的位置，顾客进入门店的时候，摄像头自动抓拍捕获顾客人脸信息进行对比识别。然后将信息上传到PC端服务器上，店员可以通过PC端查看到进店顾客的个人信息，进店次数，购买记录等等。软件还提供一定的查询，统计分析的能力。

基于国标GB32960协议研发的高速新能源车辆综合监管平台，通过国家软件符合性测试，可以同时接入国家平台和地方平台。此系统平台适合所有国标标准的新能源车辆管理，整体系统采用微服务架构设计、分布式存储和计算,满足高并发、高性能基本要求，单台服务器可以支持10万车辆并发。

1.车载EQ报文解析工具，根据DBC规则使用python实时解析CAN通道数据，形成相应规则的数据录采。 2.车载互联网采集工具平台的开发，使用远程redis发布命令，实时采集数据。

负责小程序端、网页端、后台管理系统的所有测试工作。包括各大功能的前后端操作控件，数据核对、交互优化体验，针对产生的bug进行提交修复、回归验证关闭bug单，处理完善整个产品的各大功能及界面交互缺陷。

EfficientNet-TensorRT EfficientNet-TensorRT Environment：Ubuntu20.04 、CUDA>11.0 、cudnn>8.2 、cmake >3.1 、TensorRT>8.0 环境：Ubuntu20.04 、CUDA>11.0 、cudnn>8.2 、cmake >3.1 、TensorRT>8.0 TensorRT building model reasoning generally has three ways: TensorRT构建模型推理一般有三种方式： (1) use the TensorRT interface provided by the framework, such as TF-TRT and Torch TRT; （1）使用框架提供的TensorRT接口，如TF-TRT、Torch TRT； (2) Use Parser front-end interpreter, such as TF/Torch/... ->ONNX ->TensorRT;

1、功能模块 包括首页、课程列表、我的等模块，主要是AI课，有自研mdd语言识别算法 2、技术架构 采用原生+cocos2d桥接的形式，自研课程引擎，0ms本地语言识别结束和实时课堂。

1、【60%】0到1建立大数据挖掘策略设计及自动化评估体系，提升准确率及召回率 2、【40%】在线核实平台，基于大数据的情报自动化的验证及人工质检验收流程设计

项目描述： 线上开考缺少有力的监控手段，考试环境由考生自己控制，可操作空间极大，为了保障考试的公平公正，规避作弊及违规等现象发生，需要专业的智能监考平台针对线上考试提供支撑。该项目使用PyTorch + Django+ MySQL + PyQt5进行开发，使用Python 构建RESTful风格的API，实现前后端分离，前端使用QT等框架。智慧监考系统的主要功能功能包括：身份认证、考试时间及规则配置、考生监控视频录制、监考视频统计及下载。 项目难点： 1. 实时监控视频处理：使用WebSocket和OpenCV处理实时监控视频，实现高效的视频传输和处理 2. 身份认证技术的集成：使用Django-Authentication实现用户身份认证和权限管理。 3. 考试规则的灵活配置：设计灵活的考试规则配置，满足不同考试场景的需求。 4. 数据安全和隐私保护：确保数据安全，保护用户隐私。 我的职责： 负责数据库设计实现身份认证、考试时间及规则配置、考生监控视频录制以及监考视频统计及下载等核心功能的实现，以及技术难点突破，带领小组按时推进项目。优化实时监控视频处理技术，确保系统性能和稳