Python

建立能够按照不同的用户偏好生成Pareto解的encoder-decoder结构的深度神经网络模型，并基于REINFORCE算法、A2C算法、PPO算法进行模型训练，对比不同训练算法下智能体性能，最终获得优于传统运筹优化算法和进化算法的智能体模型。

SuperSheeps(习谱压力测试软件)是通用于TCP、UDP、SSL、KCP服务器的压力、性能测试框架，支持IPv4、IPv6双栈。 基于对用户行为产生的网络事件进行录制和回放，产生大量用户模拟操作产生的网络连接，发送的数据包。使用类似播放音视频的回放设计，回放过程可控制播放、暂停、快进状态。可用于游戏、Web、物联网、视频推流等服务器的压力、性能测试。应用于项目研发阶段进行开发调试，发现代码缺陷。线上容量评估，提前规划服务器集群部署。

我们的专业团队深度参与并成功完成了多个高级技术项目，特别是在自然语言处理（NLP）与人工智能内容生成（AICG）领域，展现出卓越的技术实力与项目执行力。 在NLP领域，我们聚焦于OpenAI ChatGPT大模型的应用开发与定制。团队成员精于模型微调与语料库优化，借助前沿技术手段对模型进行专业化调整，确保其在特定业务场景下展现高效准确的表现。这一过程中，我们对语料库进行了细致梳理与针对性处理，显著提升了模型对特定行业术语、语境及需求的理解力与响应精准度。 在AICG领域，我们运用Stable Diffusion技术为客户构建了一套功能完备的云绘图平台。团队负责整个云计算集群的管理和高效调度，同时搭建起稳健的后台管理系统。我们采用Python编写自动化脚本，实现了平台运维的高度自动化，确保其稳定运行并易于维护。此外，团队还运用LoRA（Low-Rank Adaptation）方法对现有数据模型进行微调训练，显著提升了图形生成的质量与细节准确性，有力增强了用户创作体验与平台核心竞争力。 我们的专业技术能力全面覆盖模型训练、系统架构设计、自动化脚本开发等多个关键环节，使得团队能够在AI

A utility which can easily import file from another wiki, based on Python. Currently supports MediaWiki. Windows client was packed via PyInstaller, automated with GitHub Actions.

本系统主要用于视频分析、评论、在线播放，类似于b站。分为普通用户和管理员用户，普通用户可以上传各种视频，视频按照多个类别进行分类，可在线播放视频。用户可以评论其他用户的视频。管理员可以对所有用户视频和评论进行管理。

1、基于 Pymysql 库连接 mysql 并实现动态取数。 2、利用 Python 进行数据转换与清洗。 3、使用时序异常算法 Prophet 对卡顿率进行异常检测。 4、对当天卡顿率进行多维度下钻分析并利用 pyecharts 进行数据可视化。 5、当数据异常时调用基于影响度的根因定位算法智能分析其原因。 6、将邮件内容进行 html+css 封装并运用 stmp+email 库实现邮件发送。

由摄像头rtsp地址传入视频流，h264解码后，进行图像识别，生成新的视频流，通过live555发送到网络。 经过量化的模型，可以运行在较低端的intel i3处理器上。

主要是每日交易数据落地目前是json格式，策略回测，主要用的是本地已有数据，实盘交易，接口还得自己另找，用过qmt的，其他的还没用过，貌似中泰的要更好一些。不是什么软件开发。可以写写函数，框架设计还是很在行。

1. 支持所有运维任务统一项目管理 2. 支持docker和虚拟机等多个环境的项目远程部署 3. 统一项目脚本入口，方便后续管理维护 4. 配置数据以mysql存储，便于后续迁移 5. 支持多种语言的项目命令行部署

一. windows插件开发: 使用自己开发的插件与B/S架构应用的用户端浏览器进行数据交互,目的是通过插件获取操作用户电脑的某些权限或角色转换(如:条码标签打印,让应用程式 后台代码能调用用户端的条码打印机进行打印, 默认情况下只能调用web服务器端的打印机驱动程序打印条码标签(这样用户不便更换碳带及条码标签纸), 插件在用户端电脑上安装成windows服务,随用户端电脑开机自动启动; 二. webapi开发: 如: 在visual studio2022开发环境下, 开发.net core webapi 提供api url供其它应用调用, 以实现系统间数据对接; 三. 对于没有公开或没有提供api接口的应用,可以使用python爬虫技术模拟人的操作,以获取对方应用数据和信息,以实现系统对接自动化。 开发案例:获取互联网上磷酸实时价格; 模拟人登录系统,点击导航页到子页面下载Excel档,并读取Excel档内容到db中存储

这款雕塑APP软件是一款专为雕塑爱好者和艺术家打造的创作工具。它提供了丰富多样的雕塑创作素材和工具，让用户能够自由发挥想象力，创作出各种独特而精美的雕塑作品。软件界面简洁易用，操作流畅，即使对于初学者也能够轻松上手。同时，它还支持多层操作，让用户可以更加细致地雕刻和编辑作品。此外，软件还拥有强大的分享功能，用户可以将自己的作品分享给朋友、家人或全球的艺术爱好者，获得更多的反馈和启发。无论是专业雕塑家还是业余爱好者，这款雕塑APP都能为你带来愉悦的创作体验。

1.基于工控机为控制系统，CAN通讯协议控制阿克曼移动底盘运动 2.激光雷达融合惯导实现小车导航定位和姿态调整 3.通过视觉传感实现车身二次定位，工件识别，视觉引导焊接

通过阿里云的ACR去扫描镜像安全漏洞，相关的研发人员需要获取到报告说明。。每次获取报告都需要登录阿里云的控制台去下载。涉及的人员较多并且可能部分开发人员不会获取对应的报告。所以考虑通过SDK的方式去自动下载。 主要实现思路，通过python写一个程序，调用阿里云的SDK。获取相应的报告。程序提供一个页面登录界面，登录以后输入需要过滤的内容。然后等待返回的下载链接即可。 技术使用范围： 1、docker 2、python、Django 3、阿里云SDK

某全国性数学建模大赛赛题。提出链条式的总体优化框架与针对性的约束差分进化算法结合的优化方法，编写计算代码；计算得到满足约束条件的供油方案，三个子问题的飞行器最大质心偏移分别为0.0267m、0.1447m、0.3748m。获得国家三等奖。

摸鱼低代码平台希望打造一个基于低代码的无代码平台。既能给程序员使用，也能满足非专业人士的需求。 后端基于Spring Cloud Alibaba，实现微服务，单体服务代码一体化 注册中心、配置中心采用nacos(作为单体服务时无需使用注册中心) 支持oauth2统一认证接入 脚手架功能齐全 支持可视化配置查询API接口

A utility which can easily import file from another wiki, based on Python. Currently supports MediaWiki. Windows client was packed via PyInstaller, automated with GitHub Actions.

这款软件产品是一款创新的在线教育平台，为学生提供丰富多样的学习资源和学习体验。它结合了视频教学、互动练习和智能评估等功能，让学生在轻松愉悦的氛围中掌握新知识。同时，平台还提供个性化的学习路径推荐，帮助每个学生实现高效学习，取得优异的学习成果。

通过阿里云的ACR去扫描镜像安全漏洞，相关的研发人员需要获取到报告说明。。每次获取报告都需要登录阿里云的控制台去下载。涉及的人员较多并且可能部分开发人员不会获取对应的报告。所以考虑通过SDK的方式去自动下载。 主要实现思路，通过python写一个程序，调用阿里云的SDK。获取相应的报告。程序提供一个页面登录界面，登录以后输入需要过滤的内容。然后等待返回的下载链接即可。 技术使用范围： 1、docker 2、python、Django 3、阿里云SDK

基于TVM-cn中文版的项目是一个旨在推广和应用深度学习编译器TVM（Tensor Virtual Machine）的开源项目。TVM是一个领先的深度学习编译器框架，旨在优化深度学习模型的部署和性能。TVM-cn项目的目标是为中文用户提供一个全面的资源平台，帮助他们了解、学习和应用TVM框架，推动深度学习在中国的发展和应用。 TVM-cn项目包括了TVM框架的中文文档、教程、示例代码等丰富内容，帮助用户快速上手并深入了解TVM的原理和用法。用户可以通过浏览TVM-cn网站或者参与社区讨论来获取帮助和支持，解决在TVM应用过程中遇到的问题。 除了提供文档和教程外，TVM-cn项目还鼓励用户贡献代码和优化算法，共同完善TVM框架的功能和性能。通过社区合作和知识分享，TVM-cn项目致力于建立一个活跃的TVM中文社区，促进深度学习编译技术在中国的推广和应用。 总的来说，基于TVM-cn的项目为中文用户提供了一个全面而专业的平台，帮助他们更好地理解和应用TVM框架，提高深度学习模型的部署效率和性能表现，推动人工智能技术在中国的发展和创新。

采用PPO、MAPPO、DDPG、 MADDPG等强化学习算法训练无人机群智能体，对比单智能体架构和多智能体架构下不同强化学习算法的性能差异，获得具有优异搜索性能无人机群智能体。