1、负责公司网站的设计、改版、更新； 2、负责公司产品的界面进行设计、编辑、美化等工作； 3、对公司的宣传产品进行美工设计； 4、负责客户及系统内的广告和专题的设计； 5、负责与开发人员配合完成所辖网站等前台页面设计和编辑； 6、其他与美术设计相关的工作。

项目描述： 建立工具平台对KA档期的规划制定、执行跟踪、投入产出分析进行全方位标准化闭环管理。 技术要点： 1.nuxtjs框架、g2plot图表； 2.后台测算系统，采用nuxtjs+vue2+vue-router+vuex+element+composition-api开发，fetch请求数据；

"人力工时系统" 是一款用于管理和监控员工工时的综合软件系统，旨在提供高效的工时跟踪和管理解决方案。该系统包括多个功能模块，其中包括每日刷卡明细、各线人力、借用人力以及数据大屏。以下是该系统的简要介绍： 系统简介：人力工时系统 系统概述： 人力工时系统是一款综合性的工时管理工具，旨在协助企业实现高效的工时记录、人力资源分配和数据分析。这个系统的主要目标是提供实时、精确的工时数据，以便企业更好地管理其人力资源、提高生产效率和遵守劳动法规。 主要功能： 每日刷卡明细：该功能模块记录员工每天的刷卡明细，包括上下班打卡时间、迟到早退情况以及加班记录。这有助于跟踪员工出勤情况和劳动时间。 各线人力：各线人力功能提供了有关各生产线或部门的员工工时数据。这使管理人员能够有效地分配人力资源，确保每个部门都有足够的员工来满足生产需求。 借用人力：借用人力模块允许企业管理员工之间的工时借用。这对于灵活应对工作量波动以及维护工作组的协作非常有用。 数据大屏：数据大屏是一个可视化仪表板，汇总和展示与员工工时相关的关键指标。它为管理人员提供了实时数据的可视化呈现，帮助他们做出决

"60库备板系统" 是一种自动化的生产线备板系统，旨在提高生产效率并确保连续生产流程。该系统主要用于DIP（双面插件）生产线，其主要功能是自动检测并呼叫楼下备板，以确保DIP线别不会因没有板子而停机。以下是这个系统的简要介绍： 系统简介：60库备板系统 系统概述： 60库备板系统是一个自动化备板解决方案，专门设计用于支持DIP生产线。DIP生产线通常用于双面插件电路板（PCB）的制造，其高效运行对于维护生产流程至关重要。这一系统的目标是确保生产线的连续性，并消除了由于板子不足而引起的停机和生产中断。 主要功能： 板子检测：系统通过传感器或视觉识别技术检测DIP生产线上板子的状态。它可以检测到生产线上是否有足够的板子供应。 呼叫备板：一旦系统检测到DIP线别没有足够的板子供应，它会自动触发呼叫楼下备板的程序。这可以通过声音或视觉信号来实现，通知相关人员提供更多的板子。 自动化控制：60库备板系统配备了自动化控制功能，可以直接与生产线集成，确保实时响应并提供所需的板子。 优势： 生产连续性：通过自动化备板功能，该系统确保生产线别不会因板子不足而停机，从而

这份作品简介介绍了一个包括7个大屏的生产监控系统，每个大屏显示不同的生产和运营数据，以帮助企业实时监控和管理其生产过程。以下是每个大屏的主要内容： 各生产线承产能：这个大屏显示各个生产线的生产能力，包括每条生产线的生产速度、产量和生产计划进度。这有助于生产管理团队跟踪和优化生产效率。 各生产线良率：该屏幕报告各个生产线的良品率，这是产品质量的一个关键指标。高的良品率有助于减少废品和不良品，提高客户满意度。 仓库储位出入库：这个大屏提供了仓库储位的实时信息，包括商品的入库和出库情况。它帮助仓库管理人员及时了解库存状况，以确保物料和产品的供应链畅通。 AGV运行图：这个大屏展示了自动导引车（AGV）的运行状况和位置。AGV是自动化仓储和物流系统的一部分，它们可以自主移动货物，提高物流效率。 能源看板：能源看板显示了生产设施的能源消耗情况。这有助于企业降低能源成本，采取可持续的生产方式，以满足环境可持续性要求。 出货看板：出货看板提供了有关已完成订单的信息，包括出货日期、目的地和数量。这对销售和客户服务团队非常有帮助，可以提供及时的交付信息。 SMT设备看板：这个大屏显示了表面

技术架构： SpringBoot+Mybatis+MySql+MongoDB+Redis+Nginx+MQTT+xxl-job 项目描述： 该项目是一款专为提供环境监测的传感器产品集成的软件。为用户提供传感器设备在平台的可视化，实时数据、历史数据查询及远程操控等功能，通过物联网技术实现对设备的远程监控以及远程发送命令，使用自主研发的字符串和json格式协议维护软硬件交互的命令。 责任描述： 1.负责设备历史数据的查询优化，做了MongoDB分表查询操作，由20s --> 3s的提升； 2.负责设备报警功能的升级，原单一报警模式升级后提供四种设备报警模式供用户选择使用； 3.实现对接app、小程序及pc的微信支付功能，对接微信支付v3版本接口实现功能； 4.运用spring的AOP实现特定接口对日志的存储，运用Minio做文件存储功能； 5.实现json格式协议的系统对接，通过发送命令至emq消息队列处理使设备在平台上线，通过命令控制设备上下限、上传频率、存储频率等属性； 6.使用jmeter对接口进行压测，进行系统设备上线上限测试。

1、项目被划分为两个主要部分：数据接收和页面展示。数据接收部分涉及收集太阳能电板过来的数据、处理和存储数据，而页面展示部分则负责将这些数据呈现给用户。 2、我负责页面展示部分，使用了vue技术

1、和微擎对接提供一站式企业官网的自助建站方案 2、全权负责，从美工到前端到后端，以及文案 3、一个人身兼几种角色较为困难，通过人工智能极大的提高了工作效率

1、提供一站式电商解决方案，帮助商家建立在线商店、管理库存、处理订单、支付、物流和客户服务等关键业务。 2、我负责红包，微商城 3、逻辑架构较难，里面的表几乎达到了1000张，充分使用模型和ide工具较为方便的解决了表过多，难以记忆问题。

主要负责工作： 1、入驻企业票据交易前的相关识别及认证【使用的是第三方认证（法大大）】、保理机构端及供应商端交易的票据展示及应付应收交易订单等； 2、技术栈：html5+css3、vue全家桶；

商城小程序主要负责工作： 1、负责开发商城首页商品展示、商品详情页、全部订单相关页面、活动秒杀页等需求； 2、优化并解决小程序打包文件大小受限进行分包处理； 3、技术栈：微信小程序+vant框架；

脑疾病基因鉴定对于揭示脑疾病的生物学机制和开发脑疾病药物至关重要。为了增强脑部疾病基因的识别，已经采用基于相似性的计算方法，特别是基于网络的方法来缩小搜索空间。然而，这些基于网络的方法仅使用分子网络，忽略了已广泛应用于许多大脑相关研究中的脑连接组数据。 我们提出了一个名为 BrainMI 的新颖框架，用于整合脑连接组数据和基于分子的基因关联网络来预测脑部疾病基因。为了实现基于分子的网络数据和脑连接组数据的一致表示，brainMI首先基于静息态功能磁共振成像数据和脑区域特定数据构建了一个新颖的基因网络，称为基于脑功能连接（BFC）的基因网络。基因表达数据。然后，提出了一种多网络集成方法，通过集成基于 BFC 的基因网络和现有的蛋白质-蛋白质相互作用网络来学习基因的低维特征。最后，这些特征用于基于支持向量机模型来预测脑部疾病基因。 作为共同作者完成基于影像学的连接组网络构建。

该项目为证券app-内嵌基金H5项目； 主要负责工作： 1、负责该项目百分之八十的开发需求开发；包括基金信息/业绩走势图展示到基金申购后的信息展示； 2、解决移动端不同机型不兼容问题；包括样式、js函数不生效等； 3、技术栈：html5+css3、vue全家桶、ECharts等；

肝细胞癌（HCC）的诊断主要依靠计算机断层扫描或磁共振成像等非侵入性方法，但组织病理学评估在患者的临床护理中仍然是不可或缺的。然而，组织载玻片上的目视检查通常以 5 倍到 40 倍的放大倍数进行详尽的检查，这使得病理学家解释组织病理学形态的复杂性非常耗时。 我们使用从癌症基因组集（TCGA）数据集获得H&E染色数字幻灯片的全幻灯片以及来自华西医院生物银行的HCC组织微阵列构建了一个基于卷积神经网络的平台，以实现HCC的自动诊断和体细胞突变预测。 作为共同作者完成模型设计和训练工作。

该项目使用golang编写，爬取豆瓣图书排行榜； 我负责整个项目的编写，使用colly进行解析，将爬取的数据字段按照逗号分隔的方式存储为csv文件；

搜索引擎前端制作，联想，热搜，搜索结果列表页面等。 本项目中主要任务是实现前端，后端已经实现直接对接。

定时拉取第三方的新闻增量数据，生成静态html，周期性的打包zip并上传oss 主要难点有精准控制拉取增量，将图片链接转图片文件并压缩画质，自动筛选优质新闻，多协程下载发挥更优性能节约时间 所有功能均独自实现

1、此网站主要用于展示公司相关数据，展示的方式包括图表，地图，3D模拟。 2、主要负责基于echarts封装相关图表组件进行相应的信息展示。 3、采用openlayers进行相关的地图功能开发，其功能包括，geojson数据，图片，tile数据，绘制、标注等功能，以及采用cesium 或者 three.js 来开发相关的3D场景。 4、其于tensorflow.js在前端调用训练好的模型进行AI图像分割，分类等功能。

整个系统有供应商管理，商品管理，进出库管理，数据分析等 前后端所有功能均独自完成 主要难点在于数据分析功能，需要将数据库里的数据整理并按照一定的预设逻辑进行处理，得出结果，数据分析为动态数据

通过爬虫脚本发送HTTP请求获取特定页面的HTML内容，然后使用解析库对页面进行解析，最后将爬取到的京东商品数据保存到本地文件或Excel表格中