这是我单独给团队做的后台管理系统，负责管理人员信息、规则、红包发放情况等，采用前后分离框架前端使用vue，后端使用spring cloud微服务架构

这是一个自己之前练手的在线工具开发，开发出方便日常程序员日常开发的在线工具，包括在线加解密，json处理，二维码生成功能

项目描述：为中小型工厂提供的车间生产管理和调度执行。此系统包括了工厂，工人，产品，工艺， 仓库，供应，计划，成本核算， 质量把控九大模块。系统使用统一的数据库同时为生产部 门，质量检测部门，工艺部门等提供车间管理信息服务。通过对工厂管理和 制造过程的整 体优化来实现完整的生产闭环，提高工厂的效率 责任描述：负责工厂和产品模块的业务实现。MySQL 多表连接查询实现用户的权限验证匹配。通过 Eazy-Excel 工具类导入与导出 各种数据信息。应用 SSM 框架与 MyBatis-Plus 对数据进行 CRUD 的操作，使用 MyBatis-Plus 的分页 API 达到数据的分页查 询。 技术描述：SpringMVC，Spring，MyBatis-Plus，MySQL，Vue，ElementUI，E-Charts，Eazy-Excel 项目成果： PC 端项目从 0 到 1 快速开发并落地，帮助商城移动端吸引大量流量，使平台销售业绩实现大幅增长 项目成果：负责工厂和产品模块的业务实现。MySQL 多表连接查询实现用户的权限验证匹配。通过 Eazy-Excel 工具类导入与导出各种数据信

该产品为一个H5产品，服务端使用c#语言，采用asp.net api框架，客户端使用js+vue实现，业务上的功能大致是将试题和视频结合，学生查看对应的教学视频和试题 1.负责服务端的设计和开发工作 2.负责前端站点的开发工作

该平台主要用于太仓交建中心管理人员监管下属各个智慧工地平台，与智慧工地平台一致分为八个方面，分别为：综合管理、人员管理、设备管理、物料管理、质量管理、安全管理、环境管理、BIM管理。 主要职责：1.通知公告功能由RabbitMQ推送公告信息，并通过定时任务将公告内容以短信形式发送到各成员。 2.其他功能均是以编写关联关系比较多的联查SQL语句为主，通过Mybatis实现，多个相关的业务模块在一个接口查询即可以形成数据对比又能减少数据库连接的频繁建立销毁。 3.使用Redis存储用户登录信息。 4.通过Git管理分支代码。 5.通过Nginx反向代理部署在服务器上的服务地址。

该项目为一个web项目，用于管理教学类各种资源信息，如试题，试卷，学习资料，课程等等，服务端采用spring boot框架 1.负责服务端架构设计 2.负责服务端数据库设计 3.负责服务端部分模块的编码实现工作

魏村智慧工地平台是以“互联网+交通基础设施”为核心，发展智慧工地新思路的试点项目，对工程施工现场的“人、机、料、法、环、安全”等各要素进行统一调配和管理，以“一个平台、八个系统、N个业务模块”的管理模式，提升项目管理信息化水平。八个系统分别为：综合管理、人员管理、设备管理、物料管理、质量管理、安全管理、环境管理、BIM管理。 主要职责：1.人员信息功能通过采集身份证、指纹和人脸信息实名登记，根据自定义模板生成一人一档。 2.通知公告功能由RabbitMQ推送公告信息，并通过定时任务将公告内容以短信形式发送到各成员。 3.计量支付功能因为第三方api提供的接口限制，所以统计数据比较缓慢，后来采用定时任务统计，将统计的结果存放在Redis缓存中，当页面查询时直接查询缓存即可。 4.预制梁管理功能使用Activity工作流完成预制梁从订单下发到存梁出梁的一系列流程。 5.采用多数据源存储数据，主数据源为Oracle，存储大部分业务数据，从数据源为MySQL，使用定时任务定时读取部分存在第三方数据库的数据生成视图便于查询使用。 6.BIM管理是把三维模型上的每个构件和平台里的业务数据绑定，点击

使用技术栈：electron+node.js+vue 一个桌面端自动化数字机器人平台 一个桌面端自动化数字机器人平台 一个桌面端自动化数字机器人平台 一个桌面端自动化数字机器人平台

该项目是一个综合项目，包含服务端api，Android，小程序，web网站,服务端用java编写，产品是一个K12教育类产品，是对教学场景作业这个功能的在线模拟，包含了从老师选题，发布作业，到学生做题，老师批阅，点评，再到统计数据等全流程动作。我主要负责以下工作 1.负责服务器端架构搭建 2.负责模块划分 3.负责核心模块的服务端开发工作 4.负责把关整个项目的技术方向

源码：由于竞业限制无法公开，如需要可私聊 功能：提交申请，审核申请，打印申请表 技术栈：activiti (流程引擎), JACOB (Java COM bridge), Spring Boot, Mybatis-plus

本作品采用基于Prompt Learning的文本生成方法，旨在解决中文文本生成的问题。Prompt Learning是一种基于预设提示语的学习方法，通过提示语的设置和优化，可以生成具有一定连贯性和语义逻辑的文本。 在本作品中，我们使用了大规模的中文语料库进行训练，并将Prompt Learning技术应用于文本生成，以提高模型的性能。通过设定合适的提示语和控制参数，我们可以快速准确地生成符合要求的文本，包括但不限于文章、新闻、文案等。 本作品的优点在于，通过使用Prompt Learning方法，我们可以在保证文本连贯性和逻辑性的同时，生成具有多样性和创新性的文本，从而满足各种文本生成任务的需求。同时，该方法也具有较高的可解释性和模型调节性，能够有效地提高文本生成的质量和效率。 总之，本作品基于Prompt Learning的文本生成方法为中文文本生成提供了一种高效、准确的解决方案，具有广泛的应用前景。

源码: https://github.com/yjmhyhc/takeout 功能： 1. 客户端系统： 登陆，菜品展示，购物车，点单 2. 管理系统：员工信息管理，菜品分类，菜品管理 技术栈： 1. Spring Boot, Spring MVC, Mybatis-plus, aliyun 2. 使用Redis提供缓存，并且通过精确清除缓存来保持数据一致性 3. 在采用缓存的情况下，加载时间（大约10张图片）平均减少了160ms 难点： 1. 异常的统一处理 2. 面向切面编程提高程序书写效率 3. 阿里云提供短信验证码服务

本作品采用基于Transformer模型的文本分类方法，旨在解决中文文本分类的问题。Transformer模型是一种基于注意力机制的深度神经网络，通过学习上下文中词语之间的关系，可以捕捉到更加复杂的语义信息。 在本作品中，我们使用了大规模的中文语料库进行训练，并将预处理技术应用于文本数据，以提高模型的性能。通过将文本数据输入到Transformer模型中，我们可以快速准确地对文本进行分类，包括但不限于新闻、评论、情感等。 本作品的优点在于，通过使用Transformer模型，我们可以有效地解决文本分类领域中的诸多问题，如语义理解、文本预测等，从而提高文本分类的准确性和效率。同时，该模型的自适应能力和可扩展性也能够满足各种文本分类任务的需求。 总之，本作品基于Transformer模型的文本分类方法为中文文本分类提供了一种高效、准确的解决方案，具有广泛的应用前景。

基站-读卡器状态监测工具 监测工具启动后连接引擎服务器，实时获取引擎发过来的读卡器数据，显示读卡器是否连线，电量，重力传感器等数据； 分析引擎获得的数据，显示基站工作状态；方便用户实时监测基站-读卡器工作状态。

本作品使用了深度学习中的Transformer模型，旨在解决自然语言处理中的机器翻译问题。我们使用了一种基于Transformer的神经网络模型，该模型在训练过程中使用了大量的双语数据集，并且能够自动学习源语言和目标语言之间的映射关系，从而实现自动翻译。该模型在实验中取得了优异的表现，能够准确翻译不同语言的句子，并且在一些语言对中甚至能够超越人类专业翻译水平。除了机器翻译，该模型还可以应用于其他自然语言处理领域，例如文本摘要、对话系统和语音识别等。我们希望这个项目能够为自然语言处理领域的研究和应用提供有益的借鉴。

项目描述： 1、 环境搭建，基于 Docker 搭建 Redis 哨兵集群，MongoDb 复制集、MongoDb 集群，Nginx 负载均衡，提供项目的研发测试环境以及应用的发布部署； 2、 使用 Vue、Springcloud 搭建前后端分离saas架构， 集成 NACOS统一配置管理； 3、 多数据源管理，集成 MySQL、Oracle 多数据源； 4 使用 Vue、Springcloud 搭建前后端分离saas架构；

基于业务需求，对日志文件进一步分析，对工厂数据进行筛选过滤和可视化，从而更方便地分析具体问题，寻找解决方案。 优化分析速度，采用多线程处理数据；

智慧能源信息推荐平台，能耗管理推荐平台，通过整合集团多年的内部运营数据，向 用户提供能源方面的信息和建议，帮助用户决定应该向什么方向发展，帮助小公司完成产业的升级。

import cpgames from setuptools import setup, find_packages '''readme''' with open('README.md', 'r', encoding='utf-8') as f: long_description = f.read() '''package data''' package_data = { 'cpgames.modules.core.base': ['resources/fonts/*', 'resources/audios/*'], 'cpgames.modules.core.aircraftwar': ['resources/audios/*', 'resources/images/

一款辅助于公安系统审讯的软件开发，帮助公安系统审理案件的设备；分为两端： 1. 机器人端：通过皮肤电，眼球追踪等技术，将信号通过端口读取到控制台端； 2.控制台端：通过机器人端传回的数据进行算法分析，分析后对特定场景做出预测；