图数据库

项目内容：构建美国科学研究系统的知识图谱，由NIH和NSF数据构建网络，并用复杂网络理论对合作模式进行挖掘。 项目技术：Schema设计、ER图、Scrapy爬虫、知识图谱、Neo4j、复杂网络分析（节点中心性、聚类系数）、Mediawiki 项目成果：爬取数据后，构建极大连通子图包含52883条12年NIH数据、47949条14年NSF数据，数据融合后总计100832条数据43个特征，并绘制4类实体UML类图、Protege本体图，构建含71489个节点86177个关系的Neo4j知识图谱，并通过复杂网络统计指标分析，揭示跨机构合作模式，通过MediaWiki展示在SMW平台

主要面向企业数据分析师、知识工程师、AI 研发团队以及希望构建智能问答系统、知识管理平台的机构。在知识图谱及动态数据问答分析需求日益增长的背景下，当前知识大脑构建存在诸多痛点：知识建模缺乏灵活且标准化的工具，导致知识结构混乱；知识编辑效率低，难以快速更新与修改；不同来源数据难以融合，形成数据孤岛；数据接入渠道单一，无法适配多样化数据源；数据入图过程复杂，耗时长；数据标引不精准，影响知识检索与应用；知识图谱底层存储性能不足，无法满足高并发、大规模数据存储需求。本方案旨在一站式解决知识大脑构建环节中的这些问题，提升知识管理与应用效率。​ 2.【50%】相比于市场常规方案，本方案有哪些特点​ 一体化全流程覆盖：市场常规方案往往只能解决单一环节问题，如仅提供知识图谱存储或数据接入功能。而本方案涵盖知识建模、编辑、融合、数据接入、入图、标引及底层存储等全流程，各模块紧密配合，形成完整闭环，大幅提升知识大脑构建效率。​ 高度灵活与可扩展性：知识建模模块支持自定义多种知识结构模板，可根据不同行业、业务需求快速调整；数据接入模块兼容关系型数据库、非关系型数据库、API 接口、文件等多种数据源，且能轻松接入新的数据源类型；底层存储可根据数据规模动态扩展存储节点，适应数据量增长。​ 智能高效：知识编辑模块配备智能辅助编辑功能，如自动语法检查、语义关联推荐等，提高编辑效率；知识融合利用机器学习算法，自动识别数据间的关联与冲突，实现高效融合；数据标引采用自然语言处理与深度学习技术，实现自动化、精准化标引。​ 高性能存储与查询：底层存储采用分布式图数据库技术，相比传统方案，在处理大规模知识图谱数据时，查询响应速度提升数倍，能支持高并发的知识问答与分析请求。​ 3.【20%】方案的产品组成或技术选型​ 知识建模工具：采用基于本体的建模技术，结合可视化建模界面，用户可通过拖拽、配置等操作快速构建知识模型，支持 OWL、RDF 等标准语义网语言。​ 知识编辑平台：基于 Web 的富文本编辑界面，集成 AI 辅助编辑功能，支持多人协作编辑，确保知识更新的及时性与准确性。​ 知识融合引擎：基于深度学习的实体对齐与关系融合算法，自动处理数据冲突，实现多源数据的无缝融合。​ 数据接入网关：支持 JDBC、RESTful API、FTP 等多种数据接入协议，提供数据清洗、转换等预处理功能，保障数据质量。​ 数据入图工具：采用并行处理技术，将清洗后的数据高效导入知识图谱，支持增量更新与全量更新模式。​ 数据标引系统：基于 BERT 等预训练语言模型，结合自定义标注规则，实现自动化、高精度的数据标引。​ 知识图谱存储：选用分布式图数据库 Dgraph，具备高可用性、强一致性和水平扩展性，能够高效存储和查询大规模知识图谱数据。​ 这套工具集全面覆盖知识大脑构建需求并独具优势。若你对其中某个工具、技术或有其他优化需求，欢迎随时和我说说。

该智能监控平台主要面向企业管理者和数据分析师，旨在解决实时数据收集和分析的问题。通过整合各类企业数据，平台使用户能够快速获取关键信息，从而提高决策效率和准确性。该项目实现了适配方案，主要涉及到的库有vue.js、echars.js、datav、采用rest Api实现接口的对接，是利用websocket实现实时数据的展示与同步，使用tailwind.css完成项目UI像素级还原，达到产品验收标准,使用户界面响应更加迅速且交互性强。其次，平台使用echars多维度的数据展示，包括视图地图、实时指标和各种图表，使数据分析更加可视化。此外，系统的自定义仪表盘功能允许用户根据特定需求设置显示，提升了多样化和个性化体验。在技​​术选择方面，该方案提供了数据处理框架（如Axios用于数据请求的高效），确保系统在处理大规模数据时保持高性能和低延迟。同时，利用WebSocket技术实现实时数据更新，确保用户始终获取最新信息。整体而言，该智能监控平台不仅提升了企业的数据利用效率，还为用户提供了强大的决策支持工具。

• 项目描述：面向农业产业链金融场景，提供信贷全流程风控管理和数字化可视化管理。包括功能如下： 贷前准入：资质审核、征信评估、风险预测（信用风险、反欺诈风险）、预授信 贷中监控：资金用途监管和核实、还款风险监测、生物资产的监控预警 贷后风险：还款管理：还款计划、历史还款、还款提醒、逾期管理 风险管理：风险定义(逾期、气象灾害、价格收入、涉诉、亏损等风险)、风险等级和规则管理 预警策略管理：预警对象、预警形式(报告、大屏看板)、预警时间和频率、预警手段（短信、邮件、微信服务） • 技术挑战：提升风险预警的准确性和实时性，优化大数据处理和分析，搭建灵活且可扩展的规则引擎。 • 技术应用：引入大数据技术框架（如Hadoop、Spark、Flink）和知识图谱技术，使用机器学习算法（如随机森林、梯度提升树）进行风险预测。 • 项目成果：风险预警的准确率提升至90%以上，有效降低了信贷业务的风险损失。

医院病理科室：提升诊断效率，实现切片数字化和AI辅助诊断 第三方检验机构：实现高通量处理、自动化分析和结构化报告 科研与教学机构：用于图像标注、模型训练、结果统计分析 区域/远程医疗平台：支持远程阅片与多机构协同会诊 AI原生融合：AI模型与阅片界面深度集成，支持多模型协同分析 高性价比部署：支持本地化/云端部署，符合国产化与合规要求 开放可扩展：模块化架构、插件式设计，便于二次开发与系统集成 格式兼容强：兼容多品牌扫描仪与主流切片格式，无设备绑定 结构化输出：支持标签数据导出、智能报告生成，便于科研与对接 前端：React + TypeScript + OpenSeadragon（数字切片高效阅片） 后端：FastAPI + PostgreSQL + Redis + Celery（微服务架构） AI模块：PyTorch + ONNX Runtime（支持病灶检测、核分割等任务） 存储方案：MinIO 对象存储 + 本地缓存（支持大图快速加载） 标准兼容：支持 DICOM-WG26、SVS、NDPI、MRXS 等格式

1，支付中台建设 2，全站支付中台建设，包含前后端及中台部分独立负责路径规划及三方支付接口调用部分 3，中台规划，包含数据中台业务中台两部分

1、通过后勤运维管理系统为用户设计开发设备管理、仓库管理、流水线管理、项目管理、对账管理、供应商管理等功能，便于使用软件平台帮助用户标准化物料流程，加强需求货物和采购货物的核对，提前预知需求货物，通知供应商备货极大的缩减了供货周期，提高生产效率，同时加强管理层对项目进度的把控，加快物料入库的效率，防止错记漏记。 2、负责项目的需求分析、市场调研、竞品分析、完成产品设计和PRD文档，对项目快速推进管理。

协议开发是一个涉及定义、设计和实现通信规则的复杂过程，这些规则确保了不同系统或组件之间能够准确、有效地交换数据。以下是一个协议开发的内容概述： 一、需求分析与定义 明确通信目标：确定协议需要支持的功能、应用场景和性能要求。 定义数据类型：识别需要传输的数据类型，如文本、二进制、图像等，并定义其格式和结构。 确定通信模式：确定是单向通信还是双向通信，以及是否需要支持广播、多播或单播。 安全性考虑：分析数据传输过程中可能面临的安全威胁，如未授权访问、数据篡改或窃听，并确定相应的安全策略。 二、协议设计 消息格式设计：定义消息的组成部分，包括头部（如版本号、消息类型、长度等）、主体（实际数据）和尾部（如校验和、时间戳等）。 编解码规则：定义如何将数据结构转换为可在网络上传输的字节序列，以及如何将接收到的字节序列还原为原始数据结构。 错误处理机制：设计错误码和错误处理策略，以便在通信过程中出现问题时能够及时发现并处理。 流控与拥塞控制：设计合理的流控和拥塞控制算法，确保数据传输的稳定性和可靠性。 扩展性考虑：在协议设计中预留扩展空间，以便在未来添加新功能或优化性能时不需要对协议进行重大修改。 三、协议实现 编程语言选择：选择适合项目需求的编程语言，如C/C++、Java、Python等。 开发环境搭建：配置开发工具、编译器和调试器，确保开发环境满足项目需求。 编码实现：根据协议设计文档，编写代码实现协议的编解码、传输、错误处理等功能。 单元测试：编写单元测试用例，对协议实现中的各个模块进行独立测试，确保每个模块都能正常工作。 集成测试：将各个模块集成到一起进行测试，验证整个协议系统的功能完整性和性能表现。 四、协议优化与调试 性能优化：分析协议实现中的性能瓶颈，通过改进算法、减少冗余数据传输等方式提高协议性能。 调试与排错：使用调试工具对协议实现进行调试，发现并修复潜在的问题和错误。 兼容性测试：测试协议在不同操作系统、网络环境和硬件配置下的兼容性。 五、文档编写与发布 编写协议文档：编写详细的协议文档，包括协议规范、设计思路、实现细节等，以便其他开发人员能够理解和使用协议。 发布与维护：将协议文档发布到公共平台或内部网站，并提供必要的支持和维护服务。 版本管理：对协议进行版本管理，记录每次修改的内容和原因，以便追溯和审计。 通过以上步骤，可以完成一个协议的开发工作。在实际项目中，还需要根据具体需求和环境进行适当调整和优化。

1、503项目的长远目标是建立规划设计与数据集成平台，支持公司内部城市规划设计的规划设计决策平台，并为建筑设计提供工作环境数据。支持片区建设信息集合，为其它民生信息提供时空坐标的建设数据时空平台。为城市提供全维度、多业务系统和应用的城市管理平台。 2、主要负责城市要素管理、城市字典管理、城市个体管理、指标管理、项目文件管理、项目管理、模块的开发。独立完成使用elasticsearch对项目文件进行检索。参与业务规则模块的开发工作（包括书写drl规则文件）。参与多维空间编码模块的开发，参与城市平衡计算的开发，使用多线程实现了个体模型贴图的生成。

这个记账pc软件，是从0-1的一个记账软件！里面可以添加便签，上传图片、视频、音频等！录入自己的支出和收入的账目！由我自己设计完成，和前端开发进行对接！可以设置自己喜欢的主题！

利用VUE3脚手架完成整个项目的框架搭建，利用axios通过api获取到项目所需要的全部数据，首先将大屏分成几个视图模块，然后依次将数据制作成所需要的图像，在echarts模板上进行添加制作成需求图像，通常用于创建交互式的大屏幕展示或数据可视化

1。项目背景：项目为银行内部系统，用于银行工作人员从国家金融系统中抓取数据，因国家系统中指标过多，银行工作人员仅需要一些常用指标，故委托我司开发此系统。 2。项目的主要功能：数据抓取 指标定义 报表定义 报表展示 用户等模块 3。我独立完成了整个项目

城市监控AI模型是一个高度复杂且技术先进的系统，旨在提高城市安全和监管效率。这个项目通过集成多种机器学习技术和大数据分析，为公安部门提供实时监控和事件预警功能。以下是对这个项目的详细介绍： 项目名称：城市监控AI系统 项目概述： 目的：利用人工智能技术，增强城市监控系统的自动化和智能化水平，提升事件响应速度和准确性。 技术栈：采用深度学习、模式识别和图像处理技术，结合Python和TensorFlow等开发工具。 核心功能： 实时视频分析： 系统能够处理和分析来自城市各个角落的实时视频数据。 应用图像识别技术自动检测并标识异常行为或潜在风险事件。 行为识别与预警： 通过行为分析模块，系统可以识别各种特定行为模式，如聚众、异常行走路线等。 一旦检测到潜在威胁，系统会自动触发警报并通知相关部门。 数据分析与报告： 系统集成了高级数据分析工具，可对收集到的数据进行深入分析，生成安全报告。 支持数据可视化，帮助决策者快速理解情况并采取行动。 个人贡献： 负责主要的算法设计和优化，确保系统能够高效准确地处理大规模数据。 在系统集成和测试阶段发挥了关键作用，确保所有组件的无缝协作。

主要利用大语言模型、pyhton、jiava等实现企业知识库管理、证书管理、报表训练、智能问答等功能。 主要负责产品设计、原型设计、设计文档编写、平台应用设计和调试等工作。

1.导入相关头文件 2.根据要求加载数据 3.对数据进行预处理 4.定义函数并传入参数实现控制卷积的行为 5.构建网络模型类（实现更深层次的残差网络模型） 6.选择合适的卷积层和激活函数 7.正确使用TensorFlow 的Keras接口输入张量 8.实现网络模型的前向传播 9.导入CIFAR10训练集，对训练集数据进行预处理 10.导入CIAR10测试集，对测试集数据进行预处理 11.构建网络模型对象、损失函数、优化器 12.使用fit函数对数据集进行训练 13.使用loss,代optimizer,和metrics对模型进行评估 14.输出代价损失函数 15.输出精度指标 16.创建一个ResNet-18的实例，并设置输出类别数为10，随后打印模型结构以检验。 17.添加必要注释

系统以人工智能为载体，以摄像头实时采集的多学生人脸为样本， 将采集到的人脸信息进行多特征点标注，将其与系统中预录入的学生人脸比对从而实现课堂的高效签到。采用深度学习算法，将采集到的面部信息关键帧传输至多层卷积神经网络学习的模型中进行识别并分析结果。

基于SpringCloudAlibaba、filnk、tidb、dbswitch、neo4j等构建，结合了实时计算和离线计算两种场景的需求。 flink在实时计算方面表现出色，能够处理高速数据流并支持流批一体化处理。tidb则作为高性能的分布式数据库，具备强大的海量数据处理能力。 同时，dbswitch负责离线数据的同步计算，支持多种主流数据库。此外，我们采用neo4j构建图数据库，以高效的方式处理复杂的关联数据。 包含数据集成，数据开发，数据治理，数据资产，数据服务，数据集市六大模块，解决数据孤岛问题，实现数据统一口径标准，自定义数据开发任务，解决数据孤岛问题：通过统一的数据管理和整合，打破信息壁垒。 统一口径标准：确保数据的准确性和一致性。 自定义数据开发任务：满足企业特定的数据处理和分析需求。 高效的数据处理能力：flink和tidb的结合使得数据处理速度更快。 支持多种使用场景：无论是实时计算还是离线计算，都能得到满足。 提供全面的数据服务：从原始数据到个性化报表，满足各层次的数据需求。

计算机专业出身，8年前端，小程序，app，h5，web全做过项目，开发过组件库等等，uniapp，vue，react全家桶都ok。app只开发过ios哈

1:使用java + kotlin 语言进行开发 MVVM 框架进行开发 2:封装了图片加载工具（Glide）加强开发效率 3:整体封装BaseRecyclerViewFragment 将刷新加载更多 事件的点击都整体封装 便于后期每一个滑动的页面 大大提高开发效率 4:首页使用ViewPage + Fragment 进行左右滑动 5:负责三方支付微信支付，支付宝支付 6: 对jetpack包的ViewModel二次分装方便数据到位直接操作 7: 对过渡动画统一封装，fragment和activity还有特殊页面做区别 8: 对新出台的App政策做出相应的修改（如营业执照） 9: 后期手机号绑定政策开发 10:自定义首页详情头部 尾部的 切换动画, 整体封装加载动画 11:负责修改商品详情列表滑动来定位当前Tab 12:负责详情购买商品的提示 拿到DecorView 跟视图 添加视图 复用ChildView 来实现 13:自定义banner指示器等自定义View的展示 14:负责网易云信自定义消息与ios 统一类型，的展示 15:编写WebActivity 每一个交互的逻辑都在里面行进编写，webView进行交互 16:使用okhttp进行对视频Apk的下载 17:使用okhttp 日志拦截器，方便查看日志改错 18:根据项目需求对三方库进行修改

1.项目为后台管理系统，主要包括业务管理，数据监控，系统工具等模块，实现了一个公司常用的所有功能模块 2.我负责了整体前后台所有技术的实现 3.主要技术栈 后台spring cloud,sharding-jdbc,redis 前台vue 4.通过分库分表优化了海量数据下的查询速度，利用缓存技术大幅提升了前台页面表现，前台使用最新的vue3构建，实现了多种定制化需求