全链路数据库优化： 1、对数据库的表库结构进行审核，并对不合理的地方提出修改方案； 2、对数据库的索引进行初步的优化； 3、对项目需求进行分析，提取需求sql。并进一步对数据库的索引进行优化

1、solr集群搭建、同步mysql数据库到solr集群，完成全文检索相关代码接口 2、开发iosAPP 3、后端功能模块的需求调研、数据库设计、功能代码开发 4、服务器上线、运维工作

这是一套库房管理系统，包含了后台管理模块，监控模块，用户交互模块，硬件对接模块，手机远控模块。主要作用是配合物联机器人实现库房中的物品自动预约取出、存放，并智能化管理，减轻库房管理人员负担。

10T+的redis数据迁移，前期大规模的测试了codis集群的各方面性能，然后将自建的zookeeper+redis集群平滑迁移到codis集群中。

1、物联网平台技术选型、平台搭建、服务器环境搭建 2、对接modbus协议、opcUA协议 3、采集一百多个点位数据到物联网平台，通过接口实时推送组态软件进行展示 4、对点位开关阀、泵站启停进行远程控制

主导产于了整个游戏内的各类分支系统的数据库设计，如角色，物品、称号。独立设计了游戏日志库的库表结构设计，分库分表方案的设计实施。主导并参与设计了游戏后期各类数据分析类的数据，如果注册类的。充值类的。物品类的统计分析及各类表报的生成。

跨境交易 美国现货 一件代发中美供应链 任你选 运营系统和物流系统 Springmvc,MyBatis,Springboot,Mysql,Oracle,redis,Kafka,jsp,js,vue

推动公司产品需求，设计到落地。产品是面向中小学教育信息化的产品，业务非常复杂。 主要技术语言Java，Python（运维脚本，图像识别，HTML包装），Node（Latex处理），框架SpringBoot+MyBatis，基于K8s+Istio的微服务架构。前端Vue、Echarts、ElementUI。数据库MySQL、MongoDB。队列RabbitMQ。

自助台球项目： 1.分为小程序，后台管理 2.小程序，使用Vant,以及原生的控件开发 3.后台管理，c#, .net core webapi,sqlsugar,sql server, 前端：vue .element ui 4.本项目从0到1，全由本人独自开发，目前已商用

本项目是一个利用深度学习技术实现的目标检测系统，采用了YOLOv5网络模型进行快速、高效的实时目标检测。该系统使用Python编程语言，基于PyTorch深度学习框架进行模型搭建、训练及推理。 项目职责： 项目的需求分析和规划，针对具体目标制定目标检测的方案和技术路线。 使用Python编程语言，并利用PyTorch深度学习框架搭建YOLOv5网络模型。 从公开数据集中筛选合适的训练和验证数据，进行数据预处理和数据增强，提高模型的泛化能力。 对YOLOv5模型进行训练、调整和优化，提高目标检测的准确率和实时性。 编写目标检测的推理代码，实现对实时图像进行目标检测，输出检测结果。 对模型进行性能评估，并对比其他目标检测算法，验证项目的优越性。 负责项目的技术文档撰写，包括数据处理、模型训练、性能评估等相关内容。

本项目是网上开源项目，本人边学习边开发 瑞吉外卖是一个提供外卖服务的在线订餐平台，用户可以通过该平台搜索、订购各种美食外卖。该项目使用Vue作为前端框架，Spring Boot作为后端框架，实现了一套灵活且高性能的前后端分离架构。 参与项目需求分析和规划 使用Vue框架进行前端页面和组件的开发，包括美食列表展示、商家详情、用户评论、购物车管理和订单追踪等功能模块。 根据UI/UX设计要求，优化页面布局和交互效果，实现更佳的用户体验。 开发后端，制定API接口规范，进行接口对接和协作开发，确保前后端数据的准确传递和交互。 实施用户注册、登录及权限验证机制，保障用户数据安全和准确。 参与性能优化工作，提高页面响应速度和稳定性，减小服务器负载。 测试和Bug修复，保证系统的稳定性和质量。 参与项目上线部署，部署项目前端和后端代码

需求分析和项目规划： 与客户和利益相关者进行深入交流，收集小品牌的业务需求和痛点。 制定详细的项目计划，包括阶段性目标、时间表和资源分配。 系统设计和架构搭建： 设计一个灵活可扩展的SAAS平台，支持小品牌的不同业务流程。 选择合适的技术栈，确保系统的稳定性和安全性。 制定模块化的架构，以便未来快速引入新功能和升级。

公告发布： 招标方可以在门户上发布招标公告，包括项目细节、技术要求、合同条件、截止日期等信息。这确保了信息的广泛传播。 在线注册： 供应商和其他相关方可以在线注册成为门户的用户，以便参与招标活动。注册通常需要提供相关的企业信息和资质文件。 招标文件下载： 授权的用户可以通过门户下载招标文件，详细了解项目需求，并准备投标文件。 在线提问和答复： 门户可能提供在线提问和答复功能，供投标方就招标文件中的问题进行咨询，并招标方在门户上提供答复，确保所有投标者获得相同的信息。 投标文件提交： 投标者可以通过门户在线提交电子投标文件，确保文件的完整性和时效性。系统可能还会提供确保安全性和保密性的措施，例如数字签名和加密。 开标： 门户可能提供在线开标功能，确保开标过程的公开透明。此阶段可能包括系统自动进行初步评审和排序。 评审和决策： 门户可能提供用于评审和决策的工具，帮助招标方对投标文件进行评估，以选择最合适的中标方。 合同管理： 中标方和招标方可以通过门户进行合同签署和管理，包括合同的条款、价格、交付日期等。 报告和分析： 门户可能提供报告和分析工具，帮助招标方分析招投标活动的

需求分析和规划，理解和转化业务需求为技术设计方案。 使用Vue框架开发前端界面和交互，涉及商品列表展示、搜索功能、购物车管理、用户登录等页面和组件的开发。 后端制定API接口规范，并进行接口对接和协作开发，确保前后端数据的有效传递和交互。 实现用户注册、登录和权限验证，保证用户信息的安全性和准确性。 优化用户体验，增加页面加载速度和响应性能，提升用户界面的交互体验。 测试和Bug修复，确保系统的稳定性和质量。 参与上线部署，部署发布前端和后端代码 项目成果： 成功完成了购物网站的开发和上线部署，为用户提供了一个简洁、高效的购物平台。 在项目中加入了用户注册和登录等功能，提高了用户的购物体验和信息安全性。 通过前后端分离的架构，实现了代码的解耦和更高的开发效率，并与后端开发人员有效沟通和协作。 优化了页面加载速度和响应性能，提升了用户界面的交互体验，获得了用户的好评。 该项目的开发过程使我熟悉了Vue和Spring Boot的使用，掌握了前后端分离开发的经验，提高了我的需求分析、接口对接和性能优化方面的技能。

1. 学生管理系统分为链表模块、登录模块、管理模块、页面显示模块。 2. 所有模块都是我个人独立完成。 3. 链表模块和登录模块是其中的难点。 4. 在链表模块中使用带头节点的空单链表进行数据存储。难点主要在与对数据域指针进行操作的回调函数，回调函数中最难的就是对文件的读写和快速排序。 5. 登录模块实现了管理员登录和学生登录的操作。难点在于登录功能与主功能之间的关系。 6.管理模块实现对学生信息的增删改查。难点在于学生信息的读写和对学生链表的管理和退出程序时的保存与内存清理。

2022.05 - 2022.08 项目技术：SpringBoot+SpringCloud+Nacos+MyBatisPlus+Redis+MongoDB+RabbitMQ+Swagger2 项目描述：为了让病患享受到更高效、便捷的医疗服务，建立预约挂号统一平台，从而方便居民就医。项目用于存储管理多个医院各科室、医生信息，协调管理各科室、医生排班信息，缓解看病难、挂号难的就医难题。 个人职责：参与后台需求分析，功能实现的讨论；主要负责 ， 这几个服务。采用SpringBoot来开发服务；基于 Nacos 进行服务注册与发现；利用 Feign 来进行远程服务调用和负载均衡；利用 Hystrix进行服务熔断；利用 Spring Gateway 进行路由管理和权限管理。基于 SpringCache+Redis 来进行数据缓存，提高查询的 QPS。 1.在 中，采用 MySQL 保证预约下单事务的一致性，再基于 RabbitMQ 异步扣减医生排班预约数和短信通知。采 用SpringTask 定时任务来进行就诊提醒。 2.在 服务中，将数据进行树形封装，方便数据懒加载；采用 EasyExcel

2023.06 - 2023.08 项目技术：SpringBoot+MyBatisPlus+MySQL+Redis+Swagger 项目介绍：为解决校园里学生下课后食堂点餐服务速度慢，排队拥挤，学生就餐效率低的问题，特意设计一种服务广大学生的在线点餐系统。该项目主要分为前台和后台系统，面向的角色分别为各年级学生和管理员。 个人职责：参与前后台功能分析，讨论实现步骤，并承担起接口代码编写任务。主要功能分为菜品管理、员工管理、套餐管理以及订单管理等。整个项目采用SpringBoot框架开发，利用MyBatisPlus实现业务层和数据层交互，基于MySQL来数 据持久化，利用Redis缓存数据提高查询效率等 前台系统：主要负责订单模块和前台登录模块 1. 利用Redis来缓存登录验证码、用户信息 2. 调用OSS短信服务API发送短信验证码 后台系统：主要负责员工、菜品、套餐管理以及后台登录模块 1. 在菜品和套餐管理中实现文件上传和下载 2. 在用户登录模块中使用session来存储用户登录信息

1. 手势识别精度和性能优于竞品商汤，手势识别SDK销售给趣头条、当当网、苏宁易购等客户。 2. 设计3阶段模型，包括检测，分类，跟踪模型；持续改进调优模型效果 3. 解决抖动问题和稳定性问题；

1. 改造latent diffusion源代码，添加多个条件，通过self attention和cross attention机制训练自定义的多个控制条件的扩散模型训练，实现发型的变形，融合，支持精确控制。 2. 基于50W头发数据训练VAE编码器和解码器模型，实现高清发型的生成

1. dreambooth微调模型，自动生产3D数字服装的平铺纹理 2. 利用controlnet模型实现stable diffusion生成图像的可控性。 3. 利用大模型对prior和decoder的学习产生大批量优质logo图案