IT

本作品主要是用于团队宣传, 这个全部过程都由我自己写的,技术牵涉: vuepress nginx webpack markdown 如果会vue更好,因为vuepress就是基于vue的

1、处理室外大规模行人车辆数据； 2、开发目标检测模型； 3、实现目标跟踪、实时计数； 3、模型云、端多平台部署；

招投标门户网站主要负责展示招投标过程中产生的公告以及提供政策法规查看、招标公告下载的功能 搭建招投标门户网站主要应用了vue以及elementui

注意：整个项目的前端都是本人做的，包括搭建，当然现实中的功能并不止这么一点，因为怕涉及到信息外泄。不能截屏更多内容 内容： 1.项目模块设计开发，网络请求组件封装 2.解决项目中遇到各种问题 3.后期版本维护迭代开发 4.项目架构构建、配置优化 5.建立常用工具库 技术栈：vue3

快手小程序的小程序接口和后台接口的实现以及poi商品挂载的相关接口对接，实现将商品创建至对应的门店，并且同步用户订单

关键词: Django、Pandas、Celery、Redis、Nginx、Gunicorn、Git 1. 权限控制。通过组和成员来控制用户的权限, 包括 品类树、渠道树、时间、功能块、按钮等权限 2. 趋势概览。根据限制条件与数据库交互, 通过 Pandas 处理生成销售额、同比、环比、排名等各个指标的趋势和概览 3. 交叉分析。支持多维度交叉分析, 分组聚合完成之后进行行转列的操作将数据转为需要的格式 4. 逐级缓存。离线计算, 批量生成结果存入 Redis, 正则匹配 Sql 语句中的表名加上 Hash 值作键, 解耦数据更新同步 5. 文档管理。支持客户交付报告的上传和下载, 集成 kkFileView, 支持 PPT、Word、PDF、Excel 在线预览 6. 日志管理。以当天日期分割, 生成日志文件, 通过 Celery 定时任务将文件同步到数据库中做后续用户行为分析 7. 反爬策略。配合 Redis 记录规定时间限制接口访问次数, 接口参数加密, 校验 Sign值, 保证请求为内部请求 8. 部署运维。通过 Nginx+Gunicorn+Django 部署

1.人力资源平台：工资发放，社保计算，社税计算，发布职位，招聘面试，灵活用功，电子合同，第三方网关等模块。 2.项目架构：micro 微服务，gin，gorm，nomad 运行定时任务， Supervisor 管理进程，redis 分布式锁，nsq 异步处理任务。

用户管理模块： - 功能：用户注册、登录、权限管理等。 - 负责模块：用户认证、用户权限管理。 - 技术栈：Express.js、Passport.js、bcrypt.js。 - 难点：安全性，包括用户密码的加密存储和验证，以及权限控制的实现。 数据管理模块： - 功能：数据库的增删改查操作、数据导入和导出等。 - 负责模块：数据库操作、数据模型定义。 - 技术栈：MongoDB、Mongoose、Sequelize。 - 难点：数据库设计、查询优化、数据一致性和事务管理。 权限管理模块： - 功能：定义用户角色和权限、访问控制。 - 负责模块：角色管理、权限分配。 - 技术栈：RBAC（基于角色的访问控制）、ACL（访问控制列表）。 - 难点：灵活的权限控制，权限的继承和管理。 日志管理模块： - 功能：记录系统操作和事件的日志信息。 - 负责模块：日志记录、日志分析。 - 技术栈：Winston、Log4js、ELK Stack（Elasticsearch, Logstash, Kibana）。 - 难点：合

1.这是一个关于旅游的微信小程序，主要有主页和分页详情页，主页包括所有的功能模块，分页则是该模块的详情内容页。 2.我主要负责完善主页的前端框架，然后将一些详情页的内容按照UI设计图完美还原。 3.困难点在于选座页面的前端稍难实现，但经过不断地BUG排除还是解决了

1.本项目使用流批一体化技术（flink，spark，redis，impala等），保证了数据的分钟级更新 2.对于bi需求设计规范的数仓模型，保证了指标统一，数据复用与需求快速响应，异常快速排查的需求 3.ui是个性化定制的，当然也可以使用开源的，或datav等

材料价格库: 解决建筑业材料价格真实性问题.造价工程在审计工程时需要花费大量时间确认材料价格真实性.每次审计将重复 上次操作.并且材料价格数据没有整套归纳整理存储.日后追责无法还原当时数据信息.材料价格库负责收录整理存储海量 材料价格数据透明市场价格.变相提高买方卖方的成交量. 技术栈：springboot,mysql,redis,shrio,vue2,echarts 负责开发模块：定额检索模块：根据成果文件检索其中的材料占比并列出正常值和误差值.前后端权限模块：根据角色 信息判断相应的接口权限操作权限，页面展示权限，页面内容展示权限.材料价格分析模块：检索此材料在改地域的价 格浮动并k线图标注最高价最低价平均

人力资源平台：工资发放，社保计算，社税计算，发布职位，招聘面试，灵活用功，电子合同，第三方网关等模块。 项目架构：micro 微服务，gin，gorm，nomad 运行定时任务， Supervisor 管理进程，redis 分布式锁，nsq 异步处理任务。

涉及模块: 美团拍店APP 包含任务下发,任务认领,任务提交,任务审核与结算 任务类型又包含门店报错,新增,扫街等 技术语言 客户端包含IOS,安卓,后端使用java,mysql,redis,elasticsearch,pigeonRPC(美团微服务框架),lion(美团配置中心中间件),craneJob(美团定时任务), cat监控(美团统一监控),spring,mafka(美团消息中间件) 难点： 任务模块组件设计,提升任务设计得灵活性,降低前后端系统耦合性

1、熟练计算机视觉图像处理； 2、熟练多场景计算机视觉中目标检测相关技术； 3、熟练计算机视觉中语义分割、实例分割技术；

集数据建模、数据采集、数据开发、资产管理、数据质量、数据服务等能力于一体的数据智能服务平台（toB/toG）。 1、需求分析、技术调研及选型 2、架构设计 3、业务代码编写：数据开发平台等核心业务实现 4、项目技术难题攻克 5、系统持续优化 6、线上 bug 排查、解决，业务代码审查及修复

主要负责公司项目的需求分析，功能实现，文档编写，问题排查，部署发布，日常运维 ● 软件开发:需求沟通拆解，根据需求进行系统设计，编写可扩展、可维护的代码，并进行代码审查和调试； ● 数据库管理:设计和维护数据库表构，编写和优化 SQL 查询； ● 测试与调试:编写单元测试以及使用接口测试工具，确保代码的正确性和功能的稳定性； ● 文档编写:编写技术文档，API 文档，以便团队成员使用或后期维护; ● 三方的接口对接:erp ，高德，阿里云等，通过三方接口确保需求的落地； ● 针对公司同事以及客户反馈的线上问题，进行逐一排查找出问题并解决问题； ● 将项目代码打包部署发布上线，并通过阿里云服务器平台对项目进行日常的运维管理； ● 针对现有数据和功能做迭代优化； 熟练框架 SpringBoot、SpringCloud、SpringMVC、mybatis 熟练使用 maven、git、jenkins、idea、Xshell、Postman 等工具 熟悉掌握 rabbitMQ、redis、nginx、docker 日志排查线上 Bug和 sql 调优

致远是一家产品型的OA公司,在协同领域属于第一梯队。V5协同产品是公司金牛产品，基于spring框架实现，支持市面常见的数据库即部分国产数据库。全国共有4万+客户，采用的私有云和公有云混合部署模式。 产品功能：致远OA系统的功能包括电子邮件、即时通信、手机短信、公告管理、新闻管理、投票管理、日程管理、工作计划、文件存储、通讯簿、办公用品管理、固定资产管理、图书管理、会议管理、车辆管理、工作流程、档案管理、人力资源管理、培训管理、财务借销管理、超级论坛、网络会议、附件程序、系统设置管理等二十几类办公管理功能，集成了包括手写签章、电子表单、自定义流程设计在内的196个功能模块，覆盖企业管理90%以上的网络办公事务。 负责任务：1主要涉及 Redis集群缓存改造、枚举组件、配置中心、文件在线预览组件、系统监控工具、网站安全锁定组件、国际化组件等，通过这些组件为业务组赋能，提升业务的开发效率。2负责产品的安全开发工作：主要针对产品的安全问题 如：xss、csrf、安全登陆、任意文件上传、文件加密等安全问题从整个产品的角度进行体系构建和开发。让4万+客户用户安全度过了每年的国家护网行动。

此项目为工程管理类项目，通过获取架设站点的设备类型，信号频率，天线等信息录入该系统进行管理操作。该项目为前后端分离开发项目。 工作职责： 1. 负责前端界面资源管理器模块的后端开发； 2. 使用策略设计模式，解决不同链路保护方式最大值校验及链路排序； 3. 定位测试环境问题并处理解决； 4. 编写资源管理器的单元测试； 5. 根据需求说明书编写资源管理器的功能流程设计文档；

1，这项目组要用于微票儿的页面构建， 2，主要的功能点有购买门票，查看演唱会门票 3，这项目开发的语言有html5+css3+js+jquery+bootstrap

强化学习是试错的艺术，通过不断的尝试来学习更好的策略。近年来，强化 学习在游戏、棋牌、机器人等领域展现出了强大的潜力，是机器人领域一个研究热点[2]，基本思想是通过智能体(Agent)在环境中不断尝试，学习完成目标的更优策略，以达到从环境中获得奖励值更多的目的。强化学习算法被许多人认为是走向通用人工智能道路的关键算法。 本文针对DQN强化学习算法[1]在贪吃蛇路径规划中这一具体问题的应用中，对其状态空间、奖励函数、动作空间、网络结构等方面的设计进行了一系列的探索。贪吃蛇机器人通过DQN网络结构对其三个动作的值函数进行估计，并更新网络参数，通过训练网络得到相应的 Q 值。移动贪吃蛇采用ε-greedy的探索策略，选择一个最优动作，到达下一个观察。贪吃蛇机器人将通过学习收集到的数据采用改进的重采样优选机制存储到缓存记忆单元中，并利用小批量数据训练网络。实验数据证明，贪吃蛇在多变环境中可以很好地获取最优路径去寻觅果实。