主要分为1.边缘计算设备，作为本地的计算核心，部署LLM，Mcp服务，语音交互工作流，深度学习的算法模型检测等。2.控制器，基于Esp32s3过uart串口与边缘计算设备通信，传输数据调用mcp服务控制机器人的休眠状态，功放开启等

主要分为1.边缘计算设备，作为本地的计算核心，部署LLM，Mcp服务，语音交互工作流，深度学习的算法模型检测等。2.控制器，基于Esp32s3过uart串口与边缘计算设备通信，传输数据调用mcp服务控制机器人的休眠状态，功放开启等

主要分为1.边缘计算设备，作为本地的计算核心，部署LLM，Mcp服务，语音交互工作流，深度学习的算法模型检测等。2.控制器，基于Esp32s3过uart串口与边缘计算设备通信，传输数据调用mcp服务控制机器人的休眠状态，功放开启等

ljq_gsch是一个完整的股票数据采集、存储、分析和预测系统。系统通过BaostockAPI获取股票数据，存储到MySQL数据库，并提供API接口和机器学习预测功能。功能特性1.数据采集股票基本信息历史K线数据（日线、分钟线）财务数据（利润表、资产负债表等）指数成分股数据宏观经济数据2.数据存储M

个人主要负责搜索.1.可以搜索地名,地址,地标,商家;2.除了模糊搜索,还可以按类型,范围,区域搜索,以及组合搜索;3.除了可以搜,还可以评论,下单买电影票,订酒店,买团购.

●项目介绍：本项目设计并实现了一个从单张人脸图像预测BMI的端到端系统。我们自行爬取数据并制作数据集，设计并实现了一个轻量级CNN。最终，模型在独立测试集上取得了4.39的平均绝对误差（MAE），并使用Flask框架将其封装成一个可交互的Web应用，完整实现了从数据获取、模型训练到服务部署的全流程。

本平台聚焦零售场景数据价值挖掘，以“用数自由”为核心目标，整合零售业务数据与查询指标，通过“可视化呈现-智能预测-归因分析-高效交互”全流程能力，助力业务人员快速洞察数据、决策优化，核心功能如下：一、多维度可视化BI展示基于零售核心指标（如销售额、客流量、库存周转率、客单价等），提供5类专业BI控件

1. 负责设计和开发分布式网络爬虫系统，进行多平台信息的抓取和分析工作； 2. 负责互联网资源清洗和结构化，网页转码，网页聚合，信息抽取，数据清洗，网页分类； 3. 负责设计和开发分布式网络爬虫系统，进行多平台信息的抓取和分析工作； 4. 有票务、股票、证劵等爬虫经验的优先，具备HTML、CSS、JavaScript等前端技术知识，能够解析网页结构； 5. 优化爬虫策略和调度，提升爬取速度、降低资源消耗

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

项目技术：数据增强（镜像反转、左右各旋转30度、增加噪点、MSRCR处理光线）、迁移学习、ReduceLROnPlateau缩小学习率、Xception/InceptionResNet-V2特征融合 项目成果：从Kaggle中获取999条数据，采用迁移学习及微调模型比较多个深度学习模型的准确率后，得到Xception模型最高仅为95.6%，对模型进行特征融合，模型准确率提升至98.4%