Python

需求：帮助用户获取2020-2023年武汉城市留言板上的数据，并存放在表格中 实现：通过requests请求武汉城市留言板网站网址，对武汉市多个区的数据进行编排、过滤、筛选并多线程的存放到表格中

文本处理，内容及商品的品类、消费电商导向、货品需求词识别算法构建。货品需求词挖掘+商品分类体系的建设+识别规则制定，文本分类筛选需求品类，基于分词加规则的方式筛选出品牌，品类，导流平台等关键词，后期作为训练样本加入到实体识别中，生成命名实体识别(Bi-LSTM+CRF)模型，提升泛化能力。

项目是视频监控的云平台资源整合系统，集合了萤石云、海康云眸、乐橙云等视频云平台的开流、获取视频流地址、云台控制等功能。

爬取了所有专利代理人信息 难点在于验证码识别，调用了第三方api识别

爬取电影网站，获取电影的信息，保存在Excel中，通过获取的信息，分析数据，了解观影人最喜欢的电影类型然后再相应的程序上每日推荐电影

平台上线热词榜，热门词云。基于 jieba 进行大量文本原始数据词的初切分，插入前缀树，通过 ngrams 统计文本词频，计算各个 ngram 的凝固度，保留高于某个阈值的片段，通过凝固度+左右信息熵+词频的方式来进行新词发现，公式为：score = PMI + min (左熵， 右熵)。

根据公司需求，经过3个月时间，对开源软件进行定制和部署，实现可用于学校，医院，酒店等企事业单位客户的综合能源服务平台，提供设备监控，能耗查询，资产划分等服务功能。 系统部署包括云端和边缘端，边缘端部署于客户现场，通过网关和路由实现与各类计量表具，传感器等设备的有线或无线相互通讯；边缘端设备通过网关接入云端，经过云端的数据库，智能化规则引擎，通过web端对外提供服务。同时完成了该系统在华为云上的技术认证。 项目中主要负责基于thingsboard+docker+k8s的物联网综合管理平台架构设计研发，容器化集群架设，边缘端设备选项，基于python的网关研发。

主要有各种植物，僵尸的定义，以及他们的基本属性，动作等等，我当时负责是太阳花和坚果墙的设计与实现 已有的植物： 向日葵, 豌豆射手, 坚果墙, 寒冰豌豆射手, 樱桃炸弹, 三向豌豆射手, 食人花, 喷射蘑菇, 土豆地雷, 杂草地刺, 胆小菇, 南瓜, 愤怒辣椒, 阳光菇, 冰冻蘑菇, 诱惑蘑菇。 已有的僵尸: 普通僵尸, 带队僵尸, 路锥僵尸, 水桶僵尸, 看报僵尸。 使用 JSON 格式的文件存储进度数据 (例如僵尸出现的位置和时间, 背景信息)。 支持选择植物卡片在每一关的开始。 支持白昼模式,夜晚模式,传送带模式和坚果保龄球模式。

总共包括小程序，公众号，后台管理系统，三端独立开发。使用长连接维持三端间的通信，后端接口微服务化，使用geo计算经纬度距离等

爬取相关网页的数据，并通过其中一些数据再爬取相应的网页，并将所有的数据按照一定的标签保存在excel,csv等文件当中

项目是为工地做的CMS系统，包含了工地项目填报、运维工单、工地巡检、实施进度跟踪、用户注册/登录等基本CMS功能。

人力资源看板，分析公司人力资源情况，男女数量、升职情况、工龄信息、待退休信息、正常员工数据、职级信息、上班距离分布等

某店铺手机销售数据分析，可以按照月份查看当月销售情况，包括改约订单数、销售数、销售额、各省份销售额、各品牌销售占比、各价位销量和各性别年龄段销量等信息。

分为数据采集，处理，分析三个模块 使用kafak对数据进行采集，将采集好的数据导入hive进行汇总处理，对所得数据进行分析展示

交互式人工智能对话程序简介 我们的交互式人工智能对话程序是一个先进的对话系统，利用 OpenAI 提供的 GPT-4 API 技术来实现自然语言处理和生成。该系统旨在为用户提供高效、智能和自然的对话体验。 功能特点 强大的语言理解能力： 基于 OpenAI 的 GPT-4 模型，该程序能够理解并生成多种语言的自然对话，支持多语言切换，适应不同用户的语言需求。 高度定制化： 用户可以根据自己的需求定制对话内容和风格。无论是严谨的专业对话，还是轻松的日常交流，程序都能灵活应对。 实时响应： 程序可以在几秒钟内生成响应，确保用户在对话中获得流畅、及时的反馈，提升用户体验。 学习和改进： 通过持续的交互和数据积累，系统能够不断学习和优化自身的对话策略，提供越来越准确和贴心的服务。 应用场景 客户服务：为企业提供智能客服解决方案，帮助解答用户问题，提升客户满意度。 教育辅导：作为学生的虚拟学习助手，解答学术问题，提供学习建议。 个人助理：帮助用户管理日常事务，如日程安排、信息查询等，提高生活效率。 娱乐互动：与用户进行趣味对话，提供娱乐内容，如笑话、故事等。

1. 实现了在嵌入式盒子上实现图像识别，包括特定的目标类型。自主模型6个.使用了yolov5s，int8量化后，部署在设备上，使用npu进行硬件加速，能达到20fps。 2. 嵌入式盒子上使用QT绘制界面

1.图像算法 图像识别 工业视觉 水表、燃气表表盘字轮和指针读数识别 2.视频设备画面显示（多相机） 2.串口配置与通讯 3.HTTP、TCP通讯

在推理过程中，如果我们希望不增加计算力和空间随着推理长度的增加，可以考虑使用某些特定的算法和数据结构。例如，可以使用动态规划、滑动窗口等技巧来降低算法的时间复杂度和空间复杂度。 以动态规划为例，它是一种通过将复杂问题分解为更小的子问题来解决原问题的方法，并且保存子问题的解以避免重复计算。这样，在处理长序列的推理任务时，动态规划可以帮助我们避免不必要的重复计算，从而减少计算力和空间的消耗。 再比如，当我们在处理文本数据时，可以使用滑动窗口技术来处理长文本。滑动窗口技术允许我们在不增加额外空间的情况下，对文本序列进行分块处理，从而减少了空间复杂度。 除此之外，还有一些模型压缩和优化技术，如模型剪枝、量化、低秩分解等，可以在不牺牲太多性能的情况下，减少模型的体积和计算量，从而使得模型在推理时更加高效。 总之，通过合理地选择算法和数据结构，以及使用模型压缩和优化技术，我们可以在推理过程中不增加计算力和空间随着推理长度的增加。

1.项目分为项目管理、流水线管理、工程模版管理、上线计划管理、版本发布管理、多集群资源管理、私有化自动化管理、sql查询和审核模块。 项目管理可通过维护项目的git地址、家目录、构建发布模版等。 流水线管理、工程模版管理维护调用集群资源的工作步骤和细节。 上线计划管理、版本发布管理主要用来发布项目。 多集群资源管理、私有化自动化管理多为运维维护k8s资源用。 sql查询和审核模块自动审核sql，可定制化审核规则。 2.负责全部模块设计、开发、维护和优化，云原生系统，支持阿里云、百度云、腾讯云、AWS、微软云等主流厂商，旨在业务开发专注业务，提升全流程效率。 技术栈：golang、java、python、shell、docker、kubernetes、tekton

该项目链接了大模型, 可使用户简易使用ai, 内涵正常ai聊天, 辅助文档查询(就你只要发给ai一个文档链接, ai就会阅读链接内容, 然后教你文档里的内容),以及学习签到系统 使用到的技术栈: 后端:go, python, langchain, kitex,hertz,gorm 目前项目还在做中 github地址:https://github.com/Ambition6666/micro