Python

项目分为web展示、web操作、数据获取两部分，数据获取：通过promethus客户端实现数据获取汇聚，通过flask web界面操作实现被监控接口添加，通过grafana实现数据可视化，通过该项目可以实现对接口状态的监控，主要服务于演示环境接口提前预警

100%后端50%后端由我完成，主要面向公司海外客户提供对应的服务，网站涵盖公式数据的管理，包含用户端和管理端进行内容与数据的管理

1、能够实现对图片中的信息进行识别并标记 2、我负责收集并训练数据集，使用了yolov5目标检测算法，最终做出的模型能够高度识别图片中的信息并标记

我们专注于在线教育平台的设计与开发，为客户打造一体化的在线学习解决方案。该平台包括课程管理、学员管理、在线考试和实时互动等功能，提供多媒体教学支持。我们的团队采用先进的技术架构，确保平台的稳定性和可扩展性。无论是企业内部培训还是教育机构，我们都能提供定制化的解决方案，以满足客户的特定需求。

代码生成工具jQuery自动完成插件Visual Studio Code 扩展RSS/ATOM相关网页组件网店系统/电子商务XMPP即时通讯GUI开发框架UML/模型工具WordPress插件图形和图像工具代理服务器软件虚拟现实/增强现实开源3D打印机休闲游戏

1、项目主要为指令集架构定义，使用者可以通过 QEMU，在 host 机器执行、调试该架构 2、负责根据指令集架构定义，在 QEMU 上模拟实现，使其在无真机的情况下，可以在 host 机上执行

我们擅长为客户开发创新的电商移动应用，以提升其在线业务。我们的团队将专业的用户体验设计与高性能的技术结合，为客户创造一个流畅、直观的购物体验。我们的电商应用支持商品管理、购物车、支付集成以及个性化推荐等功能，以满足不同业务模式的需求。我们注重安全性，采用行业标准的支付和数据加密技术，确保用户信息的安全。选择我们，您将得到一个功能丰富、安全可靠的电商移动应用，助力您的业务快速发展。

1,100%由我来完成，客户只需要告诉我需要哪些数据，最后给用户数据csv与图片文件 2，涉及到js逆向来爬取，数据量大。 3，花费2-3天来完成该工程。

项目介绍: 本项目为数据计算项目，无页面，无程序开发，纯sql计算 主要工作内容： 将三方数据导入MaxConputer，进行数据清洗、计算、统计、出库。 为某国企提供数据支持服务。 此项目为工作经历。不方便展示内容，图片为个人sql随意截图

前端和后台. 前端用html , js,jquery,bootstrap. 后端用flask , pathonlask是一个用Python编写的Web应用程序框架。它由Armin Ronacher开发，他领导一个名为Pocco的国际Python爱好者团体。Flask基于Werkzeug WSGI工具包和Jinja2模板引擎。两者都是Pocco项目。

1、功能模块：（1）需求预测模块，根据历史数据和市场趋势，预测未来产品需求。（2）生产计划优化模块，根据需求预测和生产能力，优化生产计划，以最小化生产成本和交货时间。（3）资源分配优化模块，根据生产计划，优化人员、机器和材料的分配，以提高生产效率。（4）实时监控模块，实时监控生产过程，并根据生产进度和突发事件动态调整生产计划。（5）数据分析模块，收集和分析生产数据，以识别优化机会并提高系统性能。 2、我的职责和技术栈：作为该项目的主要开发人员，我负责以下任务。（1）生产计划优化：设计了生产计划优化算法，并将该算法与开源求解器 SCIP 集成，以求解大规模 MILP 问题。（2）资源分配优化：使用运筹优化技术，开发了资源分配优化算法，以优化人员、机器和材料的分配。 3、难点及解决办法：（1）大规模 MILP 问题：生产计划优化问题通常是 NP 难的 MILP 问题。我使用了开源求解器 SCIP 来处理大规模问题，并通过分解问题和使用启发式算法来提高求解效率。（2）实时决策：生产计划需要根据实时生产状况动态调整。我使用了流处理技术和机器学习算法来快速检测生产异常并建议替代计划。（3）算法性

1、功能模块包括以下五部分：（1）订单管理模块，管理客户订单，包括订单接收、订单分配和订单跟踪；（2）配送路线规划模块，根据订单信息和实时交通数据，规划最优的配送路线，以最小化配送时间和成本；（3）车辆调度模块，根据配送路线，调度合适的车辆进行配送，并优化车辆装载。（4）实时监控模块，实时监控配送过程，并根据交通状况和突发事件动态调整配送计划；（5）数据分析模块，收集和分析配送数据，以识别优化机会并提高系统性能。 2、作为该项目的主要开发人员，我负责以下任务：（1）配送路线规划，使用蚁群算法和遗传算法等运筹优化技术，设计了高效的配送路线规划算法。（2）车辆调度，利用线性规划和启发式算法，实现了车辆调度模块，优化了车辆装载和配送顺序。（3）实时监控，使用流处理技术和机器学习算法，建立了实时监控系统，可以检测交通拥堵和突发事件，并及时调整配送计划。 3、难点和解决方案：（1）大规模数据处理：配送系统需要处理大量订单和实时交通数据，我采用了分布式计算和流处理技术来解决这一挑战。（2）实时决策：配送计划需要根据实时交通状况动态调整，我使用了机器学习算法来预测交通拥堵并建议替代路线。（3）算法性

项目主要分成一个模块，即爬取豆瓣电影喜剧排行榜的电影名称，评论次数以及演员名称；对于使用者来说，它可以帮助使用者实现爬取爬取豆瓣电影喜剧排行榜的一系列信息，便于使用者了解当下热门的喜剧电影。在这项目中，运用了python中的requests模块、re模块、正则表达式来查找我所需要的内容；最终实现了爬取豆瓣电影喜剧排行榜的一系列信息

这是一个识别pdf文档文字的脚本，主要用到了python的ocr文字识别库pytesseract以及cv2图像处理库，可以快速提取各种如国标pdf文档里面的文字信息，便于文档编写

Markdown开发包开源家居虚拟现实/增强现实金融/财务/证券系统GUI开发框架脚本编程语言滚动视图(ScrollView)OSGi 框架NativeScript 插件应用服务器弹出视图(Popup View)C/C++开发工具网络会议/视频会议代码混淆和加密LLM (大语言模型)

1、功能模块包括：交通数据收集模块，从各种传感器和数据源收集实时交通数据，包括车流量、速度和占用率；交通预测模块，使用机器学习算法，预测未来交通状况，包括拥堵热点和交通流模式；交通分配优化模块，根据交通预测和交通管理目标，优化交通信号配时和道路定价，以减少拥堵和提高通行效率；实时监控和控制模块，实时监控交通状况，并根据需要动态调整交通分配策略，以应对突发事件和交通变化；数据分析和可视化模块，收集和分析交通数据，以识别交通模式和优化机会，并通过可视化界面向用户展示结果。 2、作为该项目的主要开发人员，我负责以下任务：（1）交通预测，使用时间序列分析和机器学习算法，设计了准确的交通预测模型；（2）交通分配优化，利用运筹优化技术，包括线性规划和启发式算法，开发了高效的交通分配优化算法；（3）实时监控和控制，使用流处理技术和规则引擎，建立了实时监控和控制系统，可以检测交通拥堵并触发适当的应对措施。 3、难点和解决方案：（1）大规模数据处理，交通分配系统需要处理大量实时交通数据。我采用了分布式计算和流处理技术来解决这一挑战。（2）实时决策，交通分配策略需要根据实时交通状况动态调整，我使用了规则引

项目可以分为一个模块，即爬取视频模块；对于使用者来说，他们只需要改变网址和视频文件的名字，便可从梨视频网站爬取不同的视频。 我全权负责项目的所有内容，使用了python的requests模块以及防盗链之类的知识；最终可以实现免费下载梨视频网站上的视频。 该项目的难点在于如何处理反爬，我通过网络学习来非常高效的完成了这个难点。

项目主要分成一个模块，即爬取豆瓣电影喜剧排行榜的电影名称，评论次数以及演员名称；对于使用者来说，它可以帮助使用者实现爬取爬取豆瓣电影喜剧排行榜的一系列信息，便于使用者了解当下热门的喜剧电影。 我全权负责整个项目；运用了python中的requests模块、re模块、正则表达式来查找我所需要的内容；最终实现了爬取豆瓣电影喜剧排行榜的一系列信息。 在这个作品之中，难点就是如何正确和便捷的写出正则表达式。我通过一步步的细节比对和一些网络上的帮助，成功用最简便的办法完成了这个任务

项目功能介绍： 1.社交软件风控，分为实时音频检测、聊天内容检测、风控策略自动化配置、人工标记处理、自动标记处理、智能提醒及智能打击功能。风控策略由运营和技术针对社交软件特性共同设计，包含涉政、涉黄、未成年管控、欺诈、语言暴力识别等，对违规用户做提醒、管控、封号等处理。 2.BC端用户交流质检，分为离线ASR、文字策略配置、自动化质检（智能策略配置、GPT识别）并进行合规性标记、人工标记审核功能。 涉及技术： 1.风控实时处理系统为kratos框架，实时处理部分使用rockermq进行通信，数据存储方面主要使用mongo、mysql、redis，离线数据会存储在odps做数据分析 2.质检系统使用python开发，ASR服务链包含音频上传、音频剪辑、语音识别，主要使用ffmpeg、openai-whisper或阿里云和腾讯云的相关识别接口，识别系统根据社交软件特性支持不同语音房、上麦场景配置，自定义策略通过文字正则、用户画像、谈话内容、时间要求上对用户进行行为分析，比如平台内部工作人员有没有一起打游戏聊天等，聊天内容是否有激励用户活跃和积极态度等。汇总分析结果给运营进行标注并根据结果规

项目主要分为一个模块；使用者只需要在对话框输出想要知道的英文单词即可。 我全权负责整个项目；使用了python中的requests模块；最终可以实现单词的翻译 这个项目最大的难点就是处理反爬，我通过网络上的帮助来解决这个问题