项目简介： 通过假设在监测区域摄像头获取实时事故多发段道路信息，通过one-stage检测算法实现车流检测，并使用sort算法进行多目标跟踪，配合虚拟线圈完成目标框与检测线的碰撞检测，完成流量检测 责任描述：算法实现 1. 通过实地考察高速路段场景，车辆类型，车速等因素结合项目需求，进行技术选型和前期验证 2. 选择使用yolov3进行车辆检测，通过迁移学习，使用公司内部的数据集完成对模型的fine-tuning。使用DNN进行部署 3. 使用kalman滤波实现对目标框的修正并建立跟踪链，使用numba优化速度 4. 使用匈牙利算法完成目标框与检测框数据关联， 5. 使用SORT，根据IOU,Kalman，KM算法实现多目标跟踪 6. 通过模拟物理线圈的方式，进行碰撞检测来完成车流技术的功能

项目简介： 对摄像头采集到的数据进行处理，使用two-stage模型完成人脸检测，姿态检测，关键点识别，活体检测与人脸识别 责任描述：模型训练与部署 1. 对摄像头采集的视频进行处理,使用yolov3tiny完成人脸检测 2. 多任务：Backbone使用resnet34，完成关键点（wing-loss），人脸姿态（landmark-free直接回归欧拉角），性别（分类），年龄检测（回归） 3. 通过计算人眼关键点横纵比变化来进行活体检测 4. 人脸识别：backbone使用SeNet，头网络使用Arcface，使用BS架构。为了调高计算并行度，将原论文中的loss改为(FeatureMax @ W) 5. 优化人脸识别评估自动调参，FAR错误接受率低于十万分之一，FRR 51%，精准率55%（单张图片） 6. 优化人脸数据自动录入（姿态过滤，翻滚角修正，依据翻滚角进行仿射变换）

项目简介： 在安卓端部署 上游:目标检测 下游:21关键点回归 手势识别 责任描述：独立完成算法的开发训练部署 1. 使用YoloV5-lites 训练手掌检测器 0.5mAP 0.9 2. 使用mediapipe-hand作为关键点回归器 将backbone的输出anchor尺度调整 3. 使用逻辑回归识别手势模式 准确率98%,使用决策树完成 静态手势识别 分类准确率97% 4. Pt转onnx转ncnn,使用Ncnn框架完成yolo模型的量化,并修改结构适配输入输出 模型大小 6M(原始)->3M(fp16)->1.6M(int8) 推理速度10fps->20fps->23fps 5. 使用c++完成Android端模型部署,以及业务逻辑 6. Android Native层完成性能优化,so包部署

1、负责全栈开发，技术栈有node、vue，主要负责人，大部分功能接口开发，含支付、定时任务等 2、前端小程序：原生小程序，大部分页面 3、抢购拼团+返还红包的模式，带二级分销 由于此类小程序属于违规产品，现在停止服务了....

1、基于企微小程序开发，原生开发，项目针对于批发行业的公司内部协同作业、上下游对接，有推荐报价、货品管理、下单、分享朋友圈等功能； 2、主要负责推荐报价、分享朋友圈、员工管理等模块； 3、业务组件的封装重用；

网站是一个校园二手交易平台（C2C），使用 NodeJs+Koa2+MySql 制作后台接口 1. 基于 VueJS 框架的 MVVM 思想，封装按钮、表格、列表等基础公共组件；使用 ElementUI 布局首页、 商品内容、个人资料等页面；使用 axios 数据请求并二次封装,统一管理 Api 接口，利于后期维护 2.webpack 进行前端资源的构建，按需加载、Externals 等策略优化静态资源加载的性能 3. 腾讯云中使用 NodeJS，Koa2 框架部署服务器，启用 gzip（40%压缩率）提高浏览速度 访问地址：http://121.4.113.48或者www.huanggege.com

编写程序，获取匈牙利指定字段数据并进行清洗。 其他省市的一些数据进行获取和清洗。 数据库Mongo和MySQL的使用

帮助中小企业管理提高采购、销售、仓库、售后客服、财务等工作效率应用，提高企业工作效率。主要模块有零售管理、采购管理、销售管理、仓库管理、财务管理、报表查询等功能，主要负责 erp 系统功能开发。

1、利用freemark技术对热点商品生成静态页面存储在CDN，降低秒杀前的服务器压力。 2、利用redis技术对热点商品进行预热，防止秒杀时缓存雪崩。 3、利用gateway网关以及令牌桶算法实现秒杀时对前端大量请求的限流，同时对网关进行集群部署，能够承受秒杀时万级 QPS的高并发。 4、利用MQ技术实现对订单的拉取，同时利用redis预存取订单并存入redis中。 5、基于canal实现redis和MySql的数据库同步 搜索功能，利用ElasticSearch技术对搜索进行优化，使原来的搜索时间优化到100ms左右。 利用ThreadLocal以及JWT生成的token技术设计购物车功能。 参与异常设计，使用Spring MVC全局异常处理机制，捕获业务层抛出的各类异常并生成各类日志提示用户或管理员。 参与线上问题的排查与解决。

人工智能（AI）预测是一种使用AI技术来预测未来可能出现的事件或情况的方法。 AI预测可以使用数据挖掘、机器学习和深度学习等技术从大量数据中提取可以用来预测的特征。AI模型解释是一种有助于深入理解人工智能模型的技术，它能够解释AI模型的决策过程，使用者可以更好地理解其行为和决定，进而改进模型。

基本都能做 用python和vba都行 VBA (Visual Basic for Applications) 可以用于在 Microsoft Office 套件中，通过编写代码来自动化复杂的任务，例如处理数据、发送电子邮件、分析数据和批量可视化。 Python也可以用来批处理数据和批量可视化。Python中的数据处理可以使用Pandas，NumPy和Matplotlib等库来进行大量数据处理和可视化工作，并利用Jupyter Notebook等工具来进行交互式开发和调试，可以在不同的语言和技术上快速实现复杂的任务。

相较于传统的OLS面板方法给出的预测（R方约为0.06），机器学习方法可达到0.53的R方 若只考虑盈亏预测，则准确度可达80% 此外，机器学习模型可以将每个因子的多元异质效果可视化展示，给决策者提供更加丰富，稳健的信息 由于模型过大，无法上传，可以私信我获取预测模型~

实现某博客文章的爬取： 1.建立了url管理器，实现了url库的建立、添加、删除、修改等功能； 2.爬取某博客的全部文章

论文数据处理，主要分为:原始数据清洗、表格合并、实验数据计算、结果批量出图 实现了大量原始数据的快捷计算与出图

论文数据处理，主要分为:原始数据清洗、表格合并、实验数据计算、结果导出 实现了大量原始数据的快捷计算与统计

1、负责后端服务为PHP，主要负责人，大部分功能接口开发，含支付、定时任务等 2、前端小程序：原生小程序，大部分页面 3、抢购拼团+返还红包的模式，带二级分销 （小程序应该停止服务了，毕竟是个违规产品……）

登记表助手（小程序）： 表单类产品，支持登记、投票等； 阿里云EMAS后端 + uniapp前端； 前后均为独立完成，后端类似云开发，nodejs+MongoDB；

资质审批系统分住建局审批端，企业端，个人端 审批段采用动态流程配置审批流程，企业端维护企业信息，资质信息，发起资质申请 个人端维护个人信息和个人资质等 采用layui+thinkphp6+java+mysql+centos+nginx

系统分管理端（住建局包括考试计划、安排审批，向省厅报送数据，考点管理等 考试中心端包括，考生报名，考试管理，考试安排等 考生考试端 100%个人完成 layuimini+thinkphp6+mysql+centos+nginx 考试端winform

项目含基础（业务）数据，综合查询，围岩分析，支护设计，方案库，系统管理（权限，字典，日志） 100%由我完成 技术：layuimini+thinkphp6+mysql+nginx+centos