Python

1. 项目收集评论数据训练AI模型，可生成优、中、坏三个等级的评价系统，分析用户对于商品的评价体系。 2. 负责数据的收集和整理，模型的搭建、训练以及调参，生成参数模型。

基于seaborn数据库中的factorplot函数对数据进行多维分析，按照星期日期、时间、是否吸烟划分小费百分比，给出的结果为柱状图，同时支持其他的可视化类型，如箱线图。

在statsmodels项目中载入macrodata数据集，选择其中一些变量，计算对数差。使用seaborn中的regplot方法绘制散点图，并给出线性回归线。基于pairplot函数给出一组变量的散点图，对角线上放置每个变量的直方图或密度估计值。

1.玩家可以在网页绑定自己的账号 2.可以在网页内进行对战匹配，匹配成功进入游戏服务器对战 3.对战结束后自动解析对战demo数据保存并在网页内查看 4.网页内有各种数据排行等等 我负责了从游戏插件到WEB的所有开发

1. 机床信号检测GUI由自己独立完成，主要对机床的主要信号进行监控，发现异常并报警。 2. 项目中遇到误报警较多的问题，最终通过扩大样本量，采用Cpk控制图的方法解决了 3. 项目把企业内的设备进行了较好的目视化整合管理，实现了数字化管控

该项目开发了一个先进的AI程序，能够在实时视频流中准确地识别和跟踪多个对象。此系统支持多种输入源，包括网络摄像机、IP摄像机和存储视频文件，适用于安全监控、交通管理和零售分析等多个领域

基于php的企业固定资产管理系统，基于php的企业固定资产管理系统，基于php的企业固定资产管理系统，基于php的企业固定资产管理系统

实现主要包含以下三个主要步骤，分别是对象检测、对象跟踪和速度估计。 要对视频执行目标检测，我们需要迭代视频的帧，然后对每个帧运行我们的检测模型。推理则提供对预先训练的目标检测模型的访问，我们使用yolov8x-640模型。 物体检测不足以执行速度估计。为了计算每辆车行驶的距离，我们需要能够跟踪它们。为此，我们使用 BYTETrack。 最后，根据边界框移动的像素数来估计距离。然后计算速度。

1.项目80%自行开发，包括信息采集、数据清洗、图形可视化展示、数据保存数据库 2.项目采用Python语言进行开发，Tableau 进行展示，PostgreSQL进行存储 3.项目中遇到数据量大tableau反应迟钝的问题，最终将数据数据预处理从Prep 预处理转刀Python 处理解决

主要项目范围: 酒店信息管理：包括酒店的基本信息（如名称、地址、联系方式等）、房间类型和价格、设施和服务等的管理。 房间预订：允许用户根据自己的需求选择酒店和房间，并进行实时预订。这可能涉及到日期选择、房型选择、价格计算、支付等功能。 订单管理：对用户的订单进行管理，包括订单状态跟踪、修改和取消订单等功能。 评价和评论：允许用户对入住的酒店进行评价和评论，以提供参考给其他用户。 后台管理：提供管理员后台管理界面，用于管理酒店信息、用户信息、订单信息、统计分析等。

采用区块链中的超级账本和智能合约，解决企业供应量当风险控制，提供企业运营效率，节约企业成本。从企业供应链的上游原材料识别到下游的经销商，通过区块链技术链接上下游，并生成一个超级账本进行管理。经销商和企业自动生成智能合约减少法律纠纷。

项目分为数据清洗，数据预处理，特征工程建立，传统数学模型及机器学习模型建立。 利用sklearn库搭建PLSR模型、SVR模型和CNN模型，模型预测进度达到0.90。

京东美妆数据爬取 需求：商品类别、商品价格、销量、标题、店铺名、评价数 数据要求：所有数据 通过fidder获取json文件

项目描述：是一款打通上上签数据与其他 OA 、人力资源管理软件的连接中间件，主要对接企微、钉钉、飞书的审批和其他软件数据流的收集、转换映射和推送，极大地降低的客户与上上签云端的对接难度和成本，目前已服务30+客户。 技术栈：Springboot、MySQL、ElasticSearch+Logstash+Kibana、Redis、SpringCloud、Caffeine、Commons-pool、Docker、Prometheus+Grafana、Spring-security、ShardingSpehere 项目架构： 1.采用 SpringCloud Alibaba 技术体系构建微服务架构，根据实际业务场景对服务进行拆分 2.以阿里开发支撑注册/查询实例 TPS 达到 13000 以上的 Nacos 作为项目的注册和配置中心 3.使用 Keepalived + Nginx 保证访问入口高可用，防止服务器单点故障的发生 4.基于 Redis Cluster 搭建高可扩展、高可用、高并发的缓存集群 5.基于高性能的 Elasticsearch、Logstash、Kibana

智能学习助手是一款基于人工智能技术的学习辅助工具，旨在为学生提供个性化的学习建议、复习计划和学习资料推荐，帮助他们高效地学习和提升学习成绩。 功能模块 学习建议 复习计划 学习资料推荐 学习进度跟踪 用户反馈与评价

在一个文件夹中有很多个子文件夹，但是需求文件都是特定的存在于子文件夹中，现在需要写自动化算法提取出所有子文件夹中的需求文件并存放于目标文件夹中

该项目旨在利用numpy 库实现CART 回归树与GBDT 模型，以预测电影票房。 通过对电影相关特征的分析和处理，使用CART 回归树和GBDT 模型进行训练，得到准确的票 房预测结果。 工作内容：使用numpy 库实现了CART 回归树和GBDT 的算法模型；对电影数据进行清洗 和特征处理，包括特征选择、缺失值处理等；利用CART 回归树进行初步的电影票房预测，并 优化模型的准确性；使用GBDT 模型进行进一步的训练和提升预测性能；对模型进行调参和优 化，提高了电影票房预测的准确度和稳定性；对cart 处理大量数据的实现进行了索引优化，大 幅度减少了空间资源的占用

主要对食品项目部门的数据库进行自动划分，算法主要是采用编辑距离，起到初步划分的作用，之后再使用语义检测，将实际含义不通的食品划分出单独类目，剩下的少量部分可由人工完成

项目描述：魔音工坊(海外版 DupDub )是一款全球领先的集文案、配音、剪辑全流程一站式 AI 软件，海内外拥有超过800万注册会员，付费会员超60万。魔音工坊拥有千款 AI 音色，全方言多语种，百变风格适合各类视频创作及配音场景的声音商店；独创的精准调音平台“声音的 word 编辑器”；以及含声音搜索，声音克隆、生成式 TTS “捏声音”等多种创造方式，总能找到最适合声音。魔音工坊海内外现已开放网页版，小程序，Android, iOS端，并上线企业版，支持多人多端团队协作。 技术栈：Springboot、RabbitMQ、MySQL、ElasticSearch+Logstash+Kibana、Redis、SpringCloud、Caffeine、Prometheus+Grafana、ShardingSpehere 项目架构： 1.采用 SpringCloud Netflix 技术体系构建微服务架构，根据实际业务场景对服务进行拆分 2.基于 Redis Cluster 搭建高可扩展、高可用、高并发的缓存集群 3.基于 RabbitMQ 集群做消息队列，实现解耦、异步 4.基于高性能

钉钉首页的滚动效果，苹果官网的过度效果，考虑到不同设备的适配，可以使用媒体查询和响应式布局技术，使页面在不同屏幕尺寸下都能正确显示和布局，实现了放大镜的效果，通过坐标以及for循环实现八个图片都能放大的效果