Python

面向对象：本方案面向电影数据分析，对豆瓣电影数据按类别进行获取并进行数据可适合 解决问题：在进行对电影数据进行数据分析时，大量的数据导致无法对数据直观的查看，因此采用图表可视化的方式对数据可以直观的展示。

基于convLSTM实现流场图片信息的三维重构和预测，输入观测图像可以将图片进行分类，和识别图片中的微幅波。 实现三维动态流体的实时测量，结合深度学习和传统数字图像处理中的数字图像相关法，可以实现对于力学中变形和拉伸过程中物理参数的快速实时观测，并基于此实现微米级别的工业视觉测量场景，不仅能适应自然生活中的深度测量需求，还能实现对于微米级别的工业仪器测量的要求。

1.人体动作采集装置开发：负责硬件电路设计和原型制作，同时编写嵌入式软件以实现数据采集和传输功能，确保采集装置的性能和稳定性。 2. 人体动作捕捉解算算法设计：根据采集装置获取的数据，研究和开发算法以进行动作识别、姿态估计和运动轨迹分析，确保算法的准确性和实时性。 3. 人体动作捕捉交互界面设计：负责界面的布局、交互逻辑和视觉设计，以便用户能够方便地进行动作捕捉、数据展示和分析。

1、曾参与开发的相关专利如CN111538522B，CN115396499A，CN115269279A等 2、服务于旨在建立需要自主可控的消息中间件系统（核心组件、管控平台）。原参与项目专利属于原有公司，可参与新项目开发与落地或者开源项目二次开发。

1.基于VLC播放器实现多画面视频播放器 2.几乎支持常见所有视频文件格式、实时监控视频流及直播视频流格式RTSP\RTMP\HTTP\FLC\HLS 3.支持多画面选择其中指定1路或者多路进行音频播放监听 4.上传的程序为windows版本且为4画面播放器，需要6、9、12甚至更多或者需要定制修改的可联系本人修改

本系统能对用户上传的图像进行自动分类,将使用卷积神经网络图像分类到10个预设类 别(飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车)中的一个。 我主要负责该系统的前后端开发和优化卷积神经网络，实现了文件上传、图片分类、图 像热力图展示、文件压缩后返回、条形图展示、以图搜图、爬取图片等功能。 前端采用vue3+cli脚手架+element-plus搭建可视化界面，使用Nginx部署前端网站。后 端采用PythonFlask实现业务数据处理。使用Redis消息队列提高系统并发能力

项目背景 本项目旨在从新浪微博平台抓取指定关键字的微博内容，整理并保存为结构化的数据文件（CSV格式），以便进行后续的数据分析和处理。微博作为中国最大的社交媒体平台之一，包含大量用户生成的文本内容，对情绪挖掘、舆情分析等研究具有重要意义。 项目功能 1. 关键字搜索：用户可以输入任意关键词，程序将基于该关键词在微博平台上进行搜索。 2. 多页抓取：用户可以指定需要抓取的页数，程序会自动抓取指定页数内的微博内容。 3. 数据清洗：程序会自动清洗抓取到的微博内容，去除HTML标签等冗余信息。 4. 数据存储：所有抓取到的微博内容会以CSV文件格式进行存储，方便后续的分析与处理。 技术栈 • 编程语言：Python • 第三方库：requests（HTTP请求）、pandas（数据处理）、fake_useragent（生成随机User-Agent）、jsonpath（解析JSON数据）、urllib3（HTTP库） • 数据格式：CSV（Comma-Separated Values）

● 简介：个人网盘设备项目，小型nas设备，设备内部有硬盘，放在家中连接上网络，在内网和外网均可以通过ios/安卓app访问设备中的文件。cpu为RTD1296 ARM架构，内存4G，python编写设备端控制软件。功能有扫码绑定，文件断点上传、下载、删除，文件类型统计，文件索引，samba共享，远程下载，好友文件传输，设备信息上报，设备远程协助。 ● 项目难点：设备系统为定制openwrt系统，开发调试存在困难，设备远程连接为p2p方式，需要检测可用性。 ● 工作内容 - 设备端和服务器端业务功能开发调试 - 设备端OTA系统实现 - 设备端故障协助系统实现 - 设备端出厂功能检测脚本 - 设备生产和检查流程指导 ● 技术栈 - tornado sqlite p2p 多线程 （设备端 python） - tornado redis mysql （服务器端 python） - supervisor nginx （linux）

● 简介： 餐饮行业一站式解决方案，包含收银端，点餐小程序，营销小程序，商家版小程序，无人售货机，无人结账机，crm系统。营销小程序含有邀请佣金，小额储值，储值赠送，刮刮卡，转赠好友，异业联盟发券等多种营销活动。 ● 项目难点：流量大，前期服务器资源有限。针对这个问题我设计了 负载均衡+动态网关的系统框架，可以根据流量决定业务模块进程数量，网关可以动态的规划流量走向，让系统具有高扩展性，做到服务器成本控制。网关可以做灰度测试。 ● 工作内容： 总体框架设计，技术选型和验证，核心功能编写，确定后台系统采用网关+负载均衡设计 整体系统debug定位和调试，建立错误实时提醒系统，建立日志收集方案 项目进展和质量控制 系统部署和升级 三方系统的对接（无人售货机，无人结账机，支付退款系统） 设计了技术开发人员后台管理工具 ● 技术栈 tornado flask mysql redis celery sqlalchemy wechatpy jwt jsonschema（python） redis gin jwt（go） supervisor nginx syslog （linux） 微信小程序，微信公众号，微信支付，支付宝小程序，支付宝支付

1.利用Python爬虫模拟浏览器的行为来自动化地从互联网上提取信息 2.提供相应的网络请求模块requests、数据解析模块xpath、数据存储模块openpyxl等，能对数据进行初步的清洗和格式化，减少人工处理的工作量；自动化地从互联网上收集所需的数据，有利于进行数据分析和市场研究

项目描述：建立一个可视化、流程编排的自动化产品，能够快速解决企业内部面临各种的安全风险，做到非技术人员也可灵活运用。 工作内容： 1，自动化平台开发，主要负责任务调度模块。 2，自动化平台内容建设，制定功能模块包框架，主要负责内容：员工离职风险检测，企业内部代码风险检测，云服务器配置风险检测，企业内部各系统漏洞检测； 3，新进员工业务技术指导和代码检查。 主要技术 自动化，开源工具集成，爬虫，消息队列

1.本项目为老挝到中国的物流运输系统 2.项目使用 SpringBoot 为主要框架，使用 Tomcat 服务器，使用 Nginx 作为反向代理工具，使用 Redis、Mysql 作为数据库，使用 KafKa 作为消息队列。 3. 公众号搜索老挝运达国际贸易可以体验

本方案主要面向食品制造企业、餐饮服务业和垃圾处理厂等对象。食品制造企业在生产过程中会产生大量厨余垃圾，采用本方案可以有效识别和分拣这些垃圾，减少处理成本。餐饮服务业每日会产生大量厨余垃圾，本方案可以帮助餐饮服务商高效分类和处理垃圾，提高工作效率。垃圾处理厂则可以通过本方案提高厨余垃圾分类的准确性和效率，从而优化后续处理流程。 本方案解决了垃圾分类准确性低、处理效率低和劳动成本高等问题。传统手动分类效率低，容易出现误差，而视觉AI技术可自动识别和分类，提高准确性。此外，手动分类耗时耗力，本方案的AI抓取系统可以大幅提高分类速度和效率。最后，通过减少对人力的依赖，可以降低劳动力成本，同时减少工作人员接触垃圾的健康风险。 与市场上常规方案相比，本方案具有以下显著特点。首先，采用先进的视觉AI技术，使用高分辨率相机和深度学习模型（如RtmDet和YOLO），能够高精度识别和分类厨余垃圾。其次，结合机器人技术，基于视觉检测结果，动态调整抓取策略，实现精准的垃圾抓取和分类。此外，系统能够实时监控分类过程，提供反馈，及时发现和解决问题。再者，方案具有良好的扩展性，可根据不同需求进行调整和优化，适用于各种规模的应用场景。最后，通过高效分类和处理厨余垃圾，减少对环境的污染，促进资源再利用，展现了其环境友好性。 本方案的产品组成和技术选型如下：视觉识别模块、机器人抓取系统、控制与管理系统以及前端界面设计。视觉识别模块中，使用高分辨率相机实时捕捉厨余垃圾图像，通过图像去噪、增强和缩放等预处理操作，提高检测算法的准确性和效率。采用训练好的深度学习模型（如RtmDet和YOLO）进行垃圾识别，输出识别结果，包括垃圾的类型、位置和置信度。机器人抓取系统则根据目标类别和位置判定是否可抓取，并动态调整抓取策略。基于视觉检测结果，计算机械臂的运动路径，配备专用夹持器，根据不同类型的垃圾调整抓取策略，将垃圾放置到指定位置。控制与管理系统则通过Socket服务，与机器人完成实时可靠的数据传输，并实时监测检测结果、传送带速度和抓取结果，同时通过FTP服务对抓取数据进行传输备份。 前端界面设计是基于PyQt5开发的，提供了一个直观友好的用户界面。用户可以通过界面实时监控垃圾分类和抓取的全过程，查看每个垃圾的识别结果、抓取状态和系统运行状态。此外，界面还提供了操作日志和数据统计功能，方便用户进行数据分析和系统维护。用户可以通过简单的操作进行系统设置和参数调整，从而适应不同的应用场景和需求。 通过以上技术和产品组成，本方案能够实现高效、准确的厨余垃圾分类和处理，为客户提供全方位的解决方案。

1. 该项目主要是用于公司内机器学习应用部署的平台，可以进行机器学习模型的训练，部署，管理以及分享，也可以基于已有的模型仓库，生成相应的美术组件，用于支持游戏的开发过程。 2. 项目不要有三大模块：机器学习模型运行平台、后端管理模块、前端模块。 3. 主要的技术栈：Docker, PostgreSQL, GraphQL, VueJS等

1.面向生物信息学以及临床科研人员的分析爬虫软件。 2.比以往的产品更加简洁直观。 3.方便科研工作者工作。 4.界面直观，可以调整的参数多。 5.有gui模式和命令行模式，方便各个行业人员的使用。 6.进行了很好的封装，是对能力的一次检验。

本方案主要面向在校大学生，尤其是那些寻求个性化、高效和灵活学习方式的学生。 个性化学习需求： 大学生的学习目标、兴趣和能力各不相同，需要一个能够提供定制化学习路径和支持的平台。 学习资源分散： 学生往往需要从多个来源收集学习材料，缺乏一个整合资源的中心平台。 学习效率： 提高学习效率和效果，减少无效学习时间，确保学生能够掌握关键知识和技能。 互动与反馈： 加强师生之间的交流，提供即时反馈，以及与其他学习者的合作机会。 特点与优势 智能化推荐： 利用机器学习算法，根据学生的学习历史和表现，推荐适合的学习资源和课程。 个性化学习路径： 根据学生的学习风格和进度，动态调整学习计划，提供个性化的学习体验。 数据驱动的教学改进： 分析学生的学习行为，为教师和平台提供数据支持，以优化教学内容和方法。 高质量的内容： 合作与知名高校和专家，提供权威、前沿的课程内容。 技术栈与架构： 前端框架： 可能选用Vue.js，以构建响应式和用户友好的界面。 后端服务： 使用JAVA，处理API请求和业务逻辑。 数据库： 选择MySQL作为关系型数据库，MongoDB作为非关系型数据库，用于不同类型的存储需求。 微服务架构： 采用微服务架构，将平台的不同功能模块化，便于扩展和维护。 容器化与部署： 使用Docker进行应用的容器化部署，提高资源利用效率和故障恢复速度。 安全与隐私： 实施加密通信（HTTPS）、身份验证和授权机制，保护用户数据安全。

使用scrapy框架进行数据爬取，并将数据存在mysql数据库中，对数据进行相关可视化分析，包括词云图、柱状图、饼状图和线性分析，使用css选择器对网址后端数据进行索引，提取指定数据，并对代码细节进行描述和整理。

根据航班数据，以知识图谱进行关联展示，并根据航班特征数据，使用算法模型对航班延误进行预测，并使用前后端django进行可视化。还可以使用爬虫selenium框架关联谷歌浏览器进行数据获取，存入mysql数据库或者mysql数据库，能够进行相关数据可视化分析。

本方案面向于国内需要部署gpt plus会员服务的企业，通过企业内部员工使用chatgpt会员服务，员工成本降低了40%。我们的方案不需要翻墙，也不需要企业给每个员工办理国外银行卡去充值会员。 相比起腾讯，字节等大厂内部集成的chatgpt api服务，我们的服务是直接访问gpt官网，价格比调用api的方式更实惠，问答效果也比调用api的更好。gpt官网也自带很多不同行业领域的专业GPT AI，我们也可以根据不同企业的业务需求，定制化更懂企业业务的GPT。 我们服务用的GPT-4o是全球最顶尖的模型，智力相当于研究生水平，因此才可以讲员工成本降低40%。而国内最强的AI大模型，智力相当于小学生水平，很多时候不止不会降本增效，还会起到反作用。 我们的GPT会员官网服务已经服务了4家企业，涵盖软件开发行业，律师行业和咨询行业。我们在这些企业域名中部署了私有化GPT服务。

结合jimu和aj两种不同的开源报表平台，通过爬虫和相关文档解析的技术对禅道和企业内部文档相关的管理信息，形成管理报表，便于企业常规管理环节的指标梳理和日常进度管理，辅助相关项目和企业管理人员对项目进度进行整体管理，提升项目管理的精度，保证项目走向正确性，保证项目推动合理快速有效