Python

FAYFay数字人框架！！重要通知：我们已经把Fay的三个版本合并成1个，并致力提供更稳定更全面的功能。我们致力于思考面向终端的数字人落地应用，并通过完整代码把思考结果呈现给大家。Fay数字人框架，向上适配各种数字人模型技术，向下接入各式大语言模型，并且便于更换诸如TTS、ASR等模型，为单片机、app、网站提供全面的数字人应用接口。更新日志：https://qqk9ntwbcit.feishu.cn/wiki/UlbZwfAXgiKSquk52AkcibhHngg文档：https://qqk9ntwbcit.feishu.cn/wiki/JzMJw7AghiO8eHktMwlcxznenIg

这个程序可以实现PDF文档与Word文档两种格式相互转化。 这个程序可以实现PDF文档与Word文档两种格式相互转化。 可以批量处理两种文档并转化，还可以处理并转化加密的文档 转化结果可能出现少量字体，排版误差，基本不会影响阅读和AI文字识别

这个项目是一个基于Python的异步编程网络通信工具。它主要功能包括与WebSocket服务器的连接与通信、HTTP API请求的发送以及数据的处理和传输。项目利用了asyncio和aiohttp等库来实现高效的I/O操作和异步任务管理，确保在处理多个请求时不会阻塞程序的执行。 此外，项目集成了完善的日志记录机制，使用Python的logging模块，结合TimedRotatingFileHandler，实现了日志的自动分割和归档。这有助于监控系统运行状态和调试问题。 项目还设计了错误处理和重试机制，以应对网络不稳定或服务器暂时不可用的情况。对于并发任务的管理，项目采用了线程锁保护关键资源，以保证数据一致性和安全性。此外，通过利用线程池或进程池，项目进一步优化了性能，特别是在处理大量I/O操作或需要并行计算的场景下。

以银行需求为主导、金融科技为基石的系统搭建。通过充分利用内部数据资源和经验，结合先进的风险预警、控制和管理技术，成功构建了适用于银行内部需求的全渠道自主账户风险管理系统。 核心能力和业务实践： 1. 系统架构与设计：领导团队设计系统架构，根据业务需求设计了高效的大数据框架和ETL模式，并编写了详尽的设计文档。 2. 风险数据管理：建立了账户风险数据底座，整合并优化了行内账户数据资源和风险事件库，以支撑全周期的风险监控和管理。 3. 灵活预警规则与模型构建：搭建了配置灵活的风险预警规则引擎，针对不同业务场景灵活配置规则，并基于机器学习和大数据分析构建了账户风险模型，不断提高预警准确性。 4. 系统展示与数据分析：设计了全行、全渠道和全业务场景的账户风险大盘展示系统，支持多维度的数据分析，为高效风险监控和策略调整提供数据支持。 业绩: 带领团队设计架构，分析业务需求，设计大数据框架，设计ETL模式，编写相关设计文档，数据查询优化，及时预警等系统架构，最终成功交付。

开发了一套爬虫框架，根据这个框架稍加改造，可以很容易爬取任意网站数据 保存至本地数据库或上传至特定的服务器。用这套框架成功爬取十大应用市场：应用名称、类别、大小、下载次数。及一套短信接码平台的数据：主叫、被叫、内容、发送时间

新闻文本分类任务在信息检索、舆情检测与分析、信息智能推送等领域发挥着重要的作用。为了解决传统卷积神经网络在新闻文本分类中效果不佳的问题，本文提出了一种改进的BERT-UNet文本分类模型，来增强捕捉长距离文本特征和可视化效果。首先该模型使用BERT预训练文本词向量，然后将其嵌入映射到UNet模型中，提取上下文的关键特征，同时通过Softmax函数实现文本分类，最后利用前端技术对新闻舆情信息文本分类结果进行可视化监控展示。为验证模型在文本分类任务上的优越性，本文进在THUCNews数据集上进行了对比实验，实验结果显示，相较于传统模的TextCNN模型和独立使用BERT的方法，BERT-UNet模型在宏平均F1值上分别提高了3.11%和0.29%。这表明改进的BERT-UNet模型在捕捉文本特征关系方面更有效，在提升分类性能，改善传统新闻文本分类方法及可视化监控提供了新思路。

新型冠状病毒感染疫情数据高效率利用一直是值得研究的问题，到目前为止，还没有一个完美的可视化工具能满 足医疗学科对疫情的要求。文章基于 Django 网络框架，借助 ECharts 完成疫情数据可视化处理和界面的交互功能，通过爬虫获 取疫情数据并建立数据库，完成网页端可视化界面多元化疫情数据展示的构建，可视化内容涵盖各省市的确诊数、死亡数等，疫 情数据可视化平台的搭建为广大人民群众和医疗从事人员了解疫情提供技术支持。

我们团队决定开发这款电脑端的单词记忆软件，以解决大学生和办公人员在英语学习中的挑战。我们意识到，电脑端的学习工具对于这两个群体具有重要意义，但市场上的选择相对有限，因此我们希望开发一款简洁实用、功能丰富的单词记忆软件，满足用户在英语学习方面的需求。 我们的目标是为大学生和办公人员提供一个便捷、高效的学习工具，帮助他们提升英语水平。通过这个软件，用户可以随时随地进行单词记忆、自我测试，同时还可以利用碎片化的时间进行学习。我们希望通过这款软件，为用户提供一个个性化、智能化的学习环境，让他们能够更轻松地掌握英语，为未来的学习和工作打下坚实的基础。

本ERP系统方案专为小微企业设计，旨在解决这些企业在管理日常运营中遇到的效率低、成本高的问题。小微企业通常面临预算有限、缺乏IT资源的挑战，本方案以月租模式提供服务，极大地降低了企业初始投资成本和IT维护压力。 与市场上常规的ERP解决方案相比，本方案具有以下显著特点： 1. 月租模式：企业只需按月支付租金，无需一次性支付高昂的购买费用，大大降低了资金压力。 2. 廉价：提供极具竞争力的价格，让小微企业能够以较低的成本享受专业的ERP服务。 3. 有人维护：系统提供全方位的技术支持和日常维护服务，企业无需配置专门的IT团队，确保系统稳定运行。 4. 好用：界面友好，操作简单，非专业人员也能快速上手。 5. SaaS：基于SaaS（软件即服务）模式，企业无需自行部署硬件和软件，随时随地都可以访问系统。 6. 稳定：利用云计算平台提供高可用性和数据安全保障，确保系统的稳定性和数据的安全性。 7. 扩展性强：系统具备良好的扩展性，能够根据企业的发展需求灵活扩展功能模块。 在产品组成和技术选型上，本方案基于AWS云平台，采用Java语言开发，并使用了开源架构Frappe。AWS云平台提供强大的计算能力和数据存储支持，确保系统的高性能和可扩展性。Frappe作为开源架构，具备灵活的定制能力，使系统能够快速适应企业的特殊需求。Java语言的使用确保了系统的稳定性和可维护性。 本ERP系统旨在为小微企业提供一套低成本、高效能、易于维护的管理解决方案，帮助企业实现数字化转型，提升整体运营效率。

应用场景：针对建筑工人的安全帽与反光马甲检测，预防安全事故发生。 1. 训练数据收集与整理； 2. 使用LabelMe进行数据标注； 3. 改进YOLO算法，算法评估与优化； 4. 使用Flask框架进行后端开发 5. 运行环境：NVIDIA Jetson TX2

应用场景：某开发者平台上有大量的API开发文档，代码仓库，学习实验室等资源，根据用户的喜好以及在平台上的浏览历史，推荐该用户可能感兴趣的内容 技术特点：基于LLM Embedding的内容相似度计算，基于DLRM的用户点击概率预测

Project : 基于BERT的搜索Recall和Rank的系统搭建 项目描述：基于BERT、Sentence Bert、FFM技术，搭建和改进基于文本的召回系统和排序系统链路，优化搜索体验 项目内容： 1）相似度排序系统搭建：从0-1搭建搜索基于BERT的相似度排序系统，解决ES无法解决的语义匹配问题。完成数据采集、处理，模型训练、评估，稳定部署整条链路。结合业务背景，以及数据和算法模型的深刻理解，不断迭代相似度模型，采用清洗样本、嵌入主题字段、样本采样等技术处理训练数据并迭代模型，适配业务场景，将最初相似度分组点击率指标的4%提高到12%。 2）向量召回模型系统改进：改进基于Sentence Bert的向量召回系统，解决召回语义匹配问题。采用简单样本和难例样本共同训练的方式，同时保证了模型文本匹配能力和用户偏好捕获能力，设置pair wise损失训练模型，实现向量召回分组点击率相比ES召回组+0.7%点击率。 3）线上效果：结合向量召回、相似度匹配、模型融合，实现Recall MRR@10指标绝对值+32.4%，Click Rate指标绝对值+3.9%，同比+42%，用户人均停留时长同比+31%的提升，并保证线上部署时良好的用户体验。

1、主要运用于流水线产品不规则抓取。识别出产品的距离和应该抓取的姿势来开发的3d算法。 2、相比于市面上已有的工业软件，本产品主要与传统抓取物体定长以及位置拜访整齐，本产品运用相机的深度识别功能来获取相机与物体直接的距离，再利用点云生成技术来获取中心点三维坐标并生成Aure抓取姿态。

WEX企业互联是基于Django+Vue的产业互联网项目。它为企业提供了数据接口平台、授权访问、数据同步等基础能力。其便捷的扩展安装方式将帮助企业实现多样化的建设愿景，如造设各自的数据中枢、物联网平台、BI、智能调度。其自持的平台接入方式将打造多元化的产业互联网社区生态，如企业间相互发现建立合作的WWEXX平台、产业链全程追溯平台、地区性产业互助互警平台、一站式采购平台。

、贪吃蛇app ⚫ Github: RCNN-retall/蛇 (github.com) ⚫ Bilibili: https://www.bilibili.com/video/BV14TedeLENL/?spm_id_from=333.999.0.0 ⚫ 系统： Android ⚫ 数据库： sqlit3 ⚫ Qt框架：kivy o 通过画布来绘制游戏界面和按扭样式 o 通过绑蛇对象属性来实现控制蛇方向 o 通过改变定时器属性来实现控制蛇速度 o 重写控件样式和属性来制作按扭 o 通过数据库来纪录分数

个人作品 1、背单词APP ⚫ Github: RCNN-retall/Meassge (github.com) ⚫ Bilibili： python +kivy +安卓开发 入门到精通_哔哩哔哩_bilibili ⚫ 系统：Android ⚫ 数据库：sqlit3 ⚫ 后端： 使用第三方接口 ⚫ 框架：kivy ⚫ 搜索模块：通过查询第三方接口数据进行数据渲染。序列化数据到数据库实现添加单词， ⚫ 单词表：查询数据库来实现单词表的渲染。通过查询语句来实现排序和搜索的数据渲染。通过数据id来实现删除数据的动作。增加了滚动搜索来展示数据通过服务器进行路由的判断客户端的行为来做出对应的影响。 ⚫ 背单词模块：通过屏幕管理器实现分页和滑动页面效果。通过加载屏幕函数来实现切换页面的单词的语音播放。自定义输入栏控件来判断背单词效果。实现分页渲染屏幕展示单词

这是一个非常专业的软件，模拟污水处理厂的污水处理过程，预测出水水质,支持几种基础的工艺模型,和自定义流程，包括活性污泥工艺、AO工艺、AAO工艺、BAF工艺。从进水到各反应单元的设置、二沉池流量及其沉淀模型的设置，其他分流单元的设置等。

运用senlenium与数据库技术将根据淘宝搜索框搜索获取所需要的店铺信息，当然验证码滑块需要自己手动滑动，由于时间原因和一些考虑，认为验证码只需要几秒自己划一下就行，所以并没有写绕过验证码的程序。如果有所需要，将所获取的数据进行分析形成可视图形也是可以做到的。这个作品还有一些不足之处，但基本使用应该是没有问题的。

1、使用RAG技术基于企业本地知识库构建智能问答系统 2、深度PDF等文本解析，通过深度学习板式识别，ocr提取，规则处理，多模态大模型等技术对文件做深入解析 3、可快速集成问答服务到企业现有系统 4、文件分析，附带单文档大模型分析功能 5、集成大语言模型，多模态大模型。可对大模型进行微调，以及大模型本地化部署（需GPU资源）

项目实现政府对拆迁安置对象进行资格审核、安置申请、房票核发与使用、房票结算、房源管理与发布等全域数据全流程管理。 项目前端使用vben admin前端框架，后端使用django框架。 涵盖了以下关键功能： 政府对拆迁安置对象的资格审核： 系统将支持政府部门对拆迁安置对象进行资格审核，包括个人信息、家庭情况等的审核和录入。 安置申请管理： 拆迁安置对象可以通过系统提交安置申请，填写相关表单和资料，系统接收并处理申请信息。 房票核发与使用： 根据审核通过的安置申请，系统将核发相应的房票（或房源凭证），并提供接口或界面供申请人查看和使用。 房票结算： 系统支持对房票的结算管理，包括房源使用情况统计、房租支付管理等功能。 房源管理与发布： 管理员可以在系统中管理各类房源信息，包括房源的基本信息、地理位置、房型、面积、租金等，并通过系统发布给申请人使用。 全域数据管理： 系统中的各项数据（如个人信息、申请记录、房源信息等）将被集中管理和维护，确保数据的一致性和完整性。 技术实现方案 前端使用 Vben Admin 框架： Vben Admin 是基于 Vue 3 和 TypeScript 的企业级前端解决方案，提供了丰富的组件和模板。 后端使用 Django 框架： Django 提供了包括 ORM、认证、管理后台、路由系统等在内的全面功能，非常适合构建安全可靠、功能完备的后端服务。 主要模块与功能 1、认证与权限管理： 使用 Django 自带的认证系统管理用户登录和权限控制，确保只有授权的用户可以访问敏感数据和功能。 2、数据管理： 使用 Django 的 ORM（对象关系映射）管理数据库，包括安置对象信息、申请记录、房源信息等核心数据的存储和查询。 3、申请流程管理： 设计和实现安置申请的工作流程，包括申请提交、审核流转、状态更新等功能，确保申请过程的透明和高效。 4、数据展示与操作： * 基于 Vben Admin 提供的组件和模板，开发数据展示界面，包括申请表单、数据统计图表、房源列表等页面，提供直观的操作和管理界面。 交互与通知： * 利用前端框架提供的交互组件和 Django 的消息通知功能，实现用户与系统的实时交互和消息提醒，确保信息的及时传达和响应。