人工智能

作品背景： 该项目主要是利用线性回归、决策树、随机森林等机器学习模型探寻各营销渠道投入和企业收入的关系。 工作内容： 1.针对数据集进行探索性数据分析，并进行特征工程相关工作，包括利用过滤法实现特征筛选，以及特征缩放等工作。 2.针对特征进行数据清洗等预处理工作后，先后使用线性回归，NN，RF等回归模型进行模型训练，根据训练结果挑选适用模型并进行模型调参工作，并最终完成建模工作。 作品链接： https://github.com/StZhmoka22/Open-source-project-in-resume/blob/main/%E5%AE%9D%E6%B4%81%E8%90%A5%E9%94%80%E6%B8%A0%E9%81%93%E6%8A%95%E5%85%A5%E4%B8%8E%E6%94%B6%E5%85%A5%E7%9A%84%E5%85%B3%E7%B3%BB.ipynb

眼底血管图像分割算法设计，核心代码和主要逻辑说明： 1.图像预处理； 2.图像扩增与切分patch； 3.图像分割模型设计； 4.模型训练; 5.模型测试； 算法开发工程师，负责： 1.根据需求文档，进行软件功能设计 2.根据功能设计，进行软件代码编写 3.负责管理软件开发的源代码，记录版本变化 4.负责软件测试、维护

项目描述：作为一个数字货币钱包功能，可用于币币交易，法币交易出入金，主要是下单，资产扣减，对接钱包生成链上地址。 技术要点： 1、处理多人多单并发操作，保证事务的一致性，数据的完整性。 2、webSocket消息推送。消息队列的订阅和发布。 3、模块间RPC高频调用，feign hystix熔断回滚，seata实现分布式事务。 4、区块链技术web3j，bitcoinj库运用，对接公链打包交易。 5、k8s，docker容器，linux系统运行堆栈信息分析。

本项目主要是针对中国古现代疫情数据的展示，用户可以通过中国地图精确检索到所关注的区县，来浏览所有出现疫情数据的概况。也有后台数据管理功能，支持用户自主管理后端数据库数据，文件上传来更新数据。 在本项目中从方案设计，到前后端分离开发，再到网站部署全部有本人独立完成。 本项目技术难点简析， 1. 古现代地图板块的差异性。

应用于交通态势感知，通过路测安装毫米波雷达对来去向车辆、行人进行感知识别，实时监测雷达检测目标位置、速度、类型及运动轨迹， 实时展示24H过车数量及平均速度 车头时距，车头间距，时间占有率，相位饱和度等数据参数统计

项目能够实现以下功能： 自动获取用户所在城市的天气信息 根据用户设定的时间，每日自动向指定邮箱发送当天天气信息 我负责的任务： 确定用户所在城市，并从免费的天气API获取当天的天气信息 使用Python的smtplib库发送邮件，并将天气信息作为邮件正文发送 技术栈： Python 3.6+ Requests库 BeautifulSoup库 smtplib库

1、项目功能：用户预定酒店，自行办理入住，人脸识别上传旅业，蓝牙锁开门，全程无接触 2、项目使用uniapp开发，websocket进行消息互动，打包成app后嵌入极光推送进行手机消息推送

技术栈：Python语言、PyQt5建立GUI界面、OpenPose实现人体姿态估计、Keras实现模型训练。 环境见博客：https://blog.csdn.net/qq_42279468/article/details/124987801?spm=1001.2014.3001.5502 使用算法：人体姿态估计算法OpenPose、骨骼角度提取向量角对比算法、神经网络多分类算法

该项目主要是利用K-means模型从多维度出发实现对客户用户价值的评价模型，其输出结果可为企业在用户触达端根据划分的不同类簇，提供不同的触达策略。 作品链接： https://github.com/StZhmoka22/Open-source-project-in-resume/blob/main/_%E7%99%BE%E8%B4%A7%E5%95%86%E5%9C%BA%E7%94%A8%E6%88%B7%E7%94%BB%E5%83%8F%E6%8F%8F%E8%BF%B0%E4%B8%8E%E4%BB%B7%E5%80%BC%E5%88%86%E6%9E%90.ipynb

一、系统背景 智能仓储系统是泛物流AIOT设备接入管理和控制平台，提供海量终端设备的连接、管理、控制、多设备联动协作和设备监控等能力。 二、系统组成部分 系统涵盖了如下模块： 任务管理、作业执行、设备监控、可视化运营、配置管理、数据清洗、报表展示等。对于使用者，可以很好地 a、提供智能算法进行仓储的搬运业务、分拣业务、AGV智能调度等。 b、实时监控设备状态。 c、设备在线升级和诊断 d、OTA升级。 三、负责模块 负责了整个系统的架构设计和开发解决方案。使用的技术栈包括但不限于： 熟练应用SpringBoot、SpringCloud、myBatis等主流框架； 熟练掌握Java集合、I/O、多线程、JVM优化、类加载机制、垃圾回收机制； 熟练使用Oracle、MySQL、PostgreSQL等关系数据库以及Redis非关系型数据库、redis分布式锁； 熟练使用Zookeeper分布式协调服务，ElasticJob分布式任务调度框架、SpringBatch批作业； 熟练使用WebService调用、规则引擎Drools 、feign调用、restTemplate调用； 熟练使用分布式

oneID全域标签体系与用户画像设计： 1、标签体系分类：用户属性、行为属性、社交属性、风控属性、商圈细分、业务专用、营销场景 2、指标分类，总体运营、流量、订单、商品、活动、RFM模型、风控、门店、职工等 3、oneID构成，主要来自于微信、自营平台、内部系统、第三方电商渠道等

AI智能监控Web客户端是一种用于实时监控和管理AI系统的Web应用程序。该应用程序使用了AI技术和机器学习算法，可以对各种系统进行智能监控和自动化管理。该应用程序主要由以下几个组成部分构成： 数据采集和处理模块：该模块负责从各个数据源（例如摄像头、传感器、日志文件等）中采集数据，并将其传输到AI模型进行分析和处理。 AI模型和算法：该模块是AI智能监控Web客户端的核心部分，负责实现各种机器学习算法和模型，以对数据进行分析和处理。例如，该模块可以使用深度学习模型来识别图像、语音和视频数据，或使用统计模型来预测和诊断系统故障。 可视化和报告模块：该模块负责将AI分析和处理的结果以可视化的形式展示给用户，例如图表、报告和警报。这样，用户可以更好地了解系统的状态和性能，并及时采取必要的措施。 用户管理和授权模块：该模块负责管理用户的权限和访问控制，以确保只有授权用户才能访问系统数据和功能。该模块通常也提供了用户管理、角色管理和日志审计等功能，以帮助管理员更好地管理系统。 总的来说，AI智能监控Web客户端是一种用于实时监控和管理AI系统的应用程序。它具有数据采集和处理、AI模型和

给政府企业做的项目，一个基于人工智能的大型3D可视化安装平台，有数据大屏，三维展示，生产安装工艺的全链路监控，耗时3年半，上百人的大型团队开发的一个政府企业级项目，为国家基础设计建设的重点项目

1、通过摄像头对工位特定区域进行检测，一旦发生离岗事件，并持续了一段时间，即可进行报警 2、可自定义工位区域、离岗报警时间、可进行接口部署

目前，无人驾驶技术已经成为了全球研究和发展的热点，各个国家和企业都在积极推进相关技术的研究和开发。其中，无人驾驶技术的应用场景也越来越广泛，包括物流、公共交通、个人出行等领域。 无人驾驶技术的发展可以解决传统驾驶面临的安全、效率、环保等问题。相比于传统驾驶，无人驾驶技术可以更加精确地感知和分析周围环境，并能够在更短的时间内做出决策和行动。此外，无人驾驶技术还能够减少交通事故和环境污染等问题，提高交通运输的效率和安全性。

政府公安系统：许多国家的政府公安系统已经开始使用人脸识别技术来维护社会治安和打击犯罪。例如，中国的公安系统使用人脸识别技术来对犯罪嫌疑人进行追踪和抓捕，美国的FBI使用人脸识别技术来识别嫌疑人和罪犯。

吸烟监测、口罩率监测、火宅监测都由目标检测算法YOLO算法训练所得，项目中提供训练代码。行为安全监测由OpenPose算法提取人体姿态再进行分类识别；人群密度监测由MSCNN算法进行估计；行为轨迹跟踪由目标检测+Deepsort跟踪轨迹绘制而成。 以行为轨迹跟踪为例 本系统跟踪的流程如下： （1）使用卷积神经网络对视频中的行人进行检测和跟踪。 （2）视频帧输入之后首先进入YOLOv3目标检测的网络，经过Darknet-53提取特征； （3）其次，进行上采样和特征融合，再进行回归分析； （4）再次，把得出的预测框信息输入SORT算法进行目标特征建模，匹配和跟踪； （5）输出结果。

本项目通过textcnn卷积神经网络实现对文本情感分析识别，由python 3.6.5+Pytorch训练所得。 1、 特征提取流程： 主要目的就是把文本转为词向量，建立id对应，因为只有数字才能计算。 2、 模型算法： 使用深度学习模型CNN卷积神经网络提取特征。

项目主要由如下几个部分构成： 1、大数据平台底座，主要是用大数据生态的Hadoop、hive、zookeeper、flink、Doris构建 2、数据仓库，采用Doris构建批流一体的实时数仓 3、数据服务，采用springboot构建数据微服务，对外提供统一的中台服务接口

1、通过摄像头，在划定区域里检测人体目标，出现人体目标并停留超过一定时间，进行报警； 2、设计特殊的入侵规则，避免在二维画面画面的奇异性引起的误报；