Python

为某应用辅助获取最新某票信息，方便下单使用。整体符合robots.txt规范。 整体分封装到一个类中，直接根据账号信息和输入的出发城市和到达城市还有对应日期，自动检查对应平台相应票务信息并返回。

界面使用tkiner进行开发，数据保存在云服务器的MySQL上，有变动分数，分组，新增/删减学生，查询分数，个人积分排名，分组积分排名，变动积分规则这几个功能

autojs自动化脚本开发远程控制，服务端客户端开发都是我一个人做的。 autojs安卓脚本的模拟手动自动化没有解决不了的问题。

1. 项目模块： 数据预处理模块：这个模块负责对训练数据进行清洗、标准化和预处理，例如删除无效数据、分割数据集等。 模型训练模块：这个模块负责定义GPT模型的结构和参数，并使用训练数据对其进行训练。选择TensorFlow来实现GPT模型的训练过程。 模型评估模块。 应用模块：搭建一个视频自动生成程序。 2. 我的任务： 爬虫并进行数据预处理；使用分布式训练来加快训练速度；超参数调优：GPT模型具有多个超参数，如层数、隐藏单元数等。调整这些超参数对模型的性能和效果至关重要。你可以使用交叉验证、网格搜索或自动化调参工具来优化超参数选择。 过拟合和模型调优：GPT模型可能会面临过拟合的问题，即在训练数据上表现良好，但在新数据上的泛化能力较差。你可以采用正则化技术（如dropout）或早停策略来缓解过拟合，并进行模型调优以提高性能。

客户是一个迅速发展的企业，由于人力资源管理变得日益复杂，现有的人力资源管理工具已经无法满足需求。为了提高招聘和员工管理效率，客户决定开发一个智能平台来整合人力资源管理的各个环节。该平台的目标是实现高效的人力资源管理，促进组织内部的协作和沟通，并提供全面的数据分析和报告功能，以便客户做出更准确的决策。通过接入ChatGPT，客户希望为员工和管理者提供更好的用户体验，能够回答常见问题、提供指导和建议，并帮助解决一些简单的问题或任务。这将极大地减轻人力资源团队的负担，并提高整体工作效率。系统中包含的功能包含但不仅限于：提供招聘流程管理，包括发布职位、筛选简历、安排面试和评估候选人等功能； 允许客户在平台上发布招聘信息，并能自动将招聘信息推送至各大招聘渠道，如社交媒体和招聘网站； 提供人员档案管理、员工信息维护、奖惩记录管理等功能，确保人力资源数据的准确性和一致性； 支持薪酬管理，包括计算工资、发放工资、管理加班和福利等事项；根据项目需求和员工技能，提供智能化的人员分配功能，以便更好地调度和管理人力资源； 提供绩效评估标准和流程的设定，支持定期评估和反馈，以及对员工的绩效进行跟踪和分析； 生成

通过面相对象和合理的设计模式设计流程过程 使用Pytest+Allure完成测试案例设计与过程展示。 主要过程为接口封装，数据库操作ORM化，环境配置文件化

服务端传递搭建和客户端上传图片都是我一个人搭建的 这个还有内穿功能可以不经过服务器 直接将客户端的手机图片传到本电脑上

1.使用爬虫技术追踪给定订单的预计到达时间，对快要到达的订单做预警还有对异常订单进行提示 2.涉及技术：由于多数外国物流公司都有反爬，涉及到了解密，小程序反编译，js逆向分析等

wisp 是一个包含博客、网址导航的个人技术网站，使用 react + flask 开发。 个人博客支持 Markdown 编辑预览 支持代码语法高亮 可以文章多标签 支持登录评论文章进行互动 支持后台管理增删改查 添加链接自动获取 logo 和网站描述 支持 chrome 书签批量导入导出 中文英文，dark light 切换 使用 React 进行前端开发，Flask 用于构建后端 API 支持用 Docker Compose 本地开发

使用爬虫框架自动获取某电影平台上的电影信息并持久化到Mongo DB中。整体操作在遵循robots.txt规范之下完成整个过程，同时也控制了执行频率避免了对对方平台产生攻击效果。

一个简单的MySQL工具,有以下功能：查看表，创建表，删除表，查看表构成，导出表，查看表下记录，在表下插入值

比赛目标:解决高通量藻类细胞检测的实际挑战，开发针对性的目标检测算法。 测试性训练及数据分析：使用小规模faster_rcnn网络快速训练出一个网络，评估效果后，绘制标注框面积概率密度曲线并使用k_means聚类分析，得到合适的锚框尺寸。 模型融合：同时训练3个不同结构的faster_rcnn模型以应对不同的藻类细胞，而后参考MNS算法进行模型融合。 强化训练：对训练图片进行测试，提取其中训练效果差的图片进行强化训练 结果：模型最后的预测取得了很好的效果，能够检测并预测出90%的藻类细胞

比赛目标:解决高通量藻类细胞检测的实际挑战，开发针对性的目标检测算法。 测试性训练及数据分析：使用小规模faster_rcnn网络快速训练出一个网络，评估效果后，绘制标注框面积概率密度曲线并使用k_means聚类分析，得到合适的锚框尺寸。 模型融合：同时训练3个不同结构的faster_rcnn模型以应对不同的藻类细胞，而后参考MNS算法进行模型融合。 强化训练：对训练图片进行测试，提取其中训练效果差的图片进行强化训练 结果：模型最后的预测取得了很好的效果，能够检测并预测出90%的藻类细胞

爬虫。从动态加载的网站爬取社交贴。从动态加载的网站爬取社交贴。躲过机器人识别。生成图片夹以及csv文件。

利用python的爬虫技术对某宝的商品公开信息（如商品标题、价格、付款人数等）爬取，并储存进MySQL库，本项目用于练手，不做商业用途。

使用python语言的selenium第三方框架对BOSS直聘的一些公开的招聘信息进行爬取，并存入MySQL，本项目仅用于项目练手不做商业用途。

1. 项目功能模块 项目分为以下功能模块，为使用者提供了丰富的功能体验： 用户管理模块： 用户注册、登录、个人信息管理等功能，保障用户账户安全和个性化体验。 数据处理模块： 处理用户提交的数据，进行分析和计算，生成相关报告或结果。 社交分享模块： 用户可以分享项目结果或报告到社交平台，与他人交流和分享成果。 通知与提醒模块： 向用户发送通知和提醒，保持用户与项目的互动。 可视化展示模块： 使用图表或其他可视化工具展示处理后的数据，使用户更直观地了解项目结果。 2. 我的任务和技术栈 我负责的任务主要包括以下方面： 前端开发： 使用Vue.js框架构建项目的前端部分，实现用户界面和交互逻辑。 后端开发： 使用Node.js和Express框架搭建后端服务，处理前端请求，进行数据处理和存储。 数据库设计与管理： 使用MongoDB数据库存储用户信息和项目数据，设计合适的数据结构。 项目部署与优化： 使用Docker进行项目的容器化部署，通过Nginx进行反向代理，优化项目性能和可靠性。 最终，项目取得了以下成果： 实现了用户友好的界面和交互，提高了用户体验。 数据处理模块能够准确地处

一站式在线流媒体平台。个性化推荐，多种语言支持， 应用商店上传，应用程序图标设计，启动画面，广告网络整合。

通过面相对象和合理的设计模式设计流程过程 使用Pytest+Allure完成测试案例设计与过程展示。 主要过程为接口封装，数据库操作ORM化，环境配置文件化

通过使用python语言的selenium对私募排排网的私募基金排行榜的部分基金信息进行爬取，并储存进MySql，本项目只用于项目练手不做商业用途。