Python

负责 paas 和 hubble 0到1组建产研团队成员5人+，负责业务规划，项目管理，技术管理等工作，持续按时保质交付产品系统 服务建设： 带领团队快速工程化0-N应用体系建设，横向协调完成数据产品持续交付，为经营、增长、商品等领域提供打包数据产品解决方案，交付产品6个，中台服务5+ 借助应用服务体系孵化数据中台服务能力体系，含指标定义、计算、管理、存储、查询等，日均万次，支持业务决策

智能花盆模型 目录 一、作品背景 二、实现功能 三、RT-Thread使用情况概述 四、整体系统框架 五、硬件框架说明 六、软件框架说明 七、软件模块说明 一、作品背景： 随着人们生活质量的提高，经常在家中工作和学习的环境中放置一些盆栽花卉，既可以通过光合作用吸收二氧化碳，净化室内空气，又可以陶冶情操，让生活，工作，学习更加愉悦。智能花盆是智能家居的一种备受喜爱的一种新型家居设备，随着科技的发展，智能家居的概念频频出现在各大媒体上，进入公众的视线。本作品基于智能花盆的思路，设计了一种智能花盆设备的模型。 二、实现功能： 通过温湿度传感器进行温湿度采集，将采集到的数据通过串口发送温湿度到上位机，并利用wifi模块将温湿度上传到云端，在手机端可以通过onenet云查看家中温湿度。 利用OLED屏幕实时显示温湿度，便于在家中查看。 如果温度过高，则电机（风扇）开启进行降温，湿度过低则，水泵开启为花卉浇水。 云端控制4种颜色led灯的开关，实现光源供应。 三、RT-Thread使用情况概述： 3.1 内核方面 使用了线程，邮箱实现任务调度。具体创建了三个线程分别进行温度的检测与上传，湿度的检测与上传和OLED显示数据。 使用两个邮箱，一个在"温度检测与上传"线程中用来传递温度值给"OLED显示数据"的线程，另一个在"湿度检测与上传"线程中用来传递湿度值给"OLED显示数据"的线程。 3.2 软件包方面 aht10传感器驱动库：实现AHT10驱动，在应用层调用测量温湿度。 u8g2不同种类单色屏驱动库：实现OLED驱动，在应用层调用显示温湿度。 cJSON: 超轻量级的 C 语言 json 解析库。 OneNET连接中国移动 OneNet 云的软件包：实现硬件连接云端，在应用层调用上传温湿度，以及下发命令控制硬件。 AT DEVICE：AT 组件在不同设备上的移植或示例。 WebClient(RT-Thread 官方开源的 http/https 协议客户端)。 3.3 设备驱动框架使用情况 pin设备驱动框架， IIC设备驱动框架 UART设备驱动框架, SPI设备驱动框架,

本项目是一个Python脚本工具，用于从中国国家统计局获取数据，并将数据存储到MySQL数据库中。它包含了创建数据库表、插入数据以及管理数据库连接等功能 数据库配置 在 national_data.py 模块中的 config 字典里设置数据库连接参数。根据数据库设置更新这些参数。 模块介绍 mysql_connect.py：处理MySQL数据库连接和操作。 national_data.py：从国家统计局API获取数据，并将其存储到数据库中。 数据编码对应 dbcode.json：存储数据库代码及其相应的名称。 zb.json：包含用于查询不同类型国家数据的类别和子类别代码。 wbcode.json：可能包含与数据获取过程相关的额外代码（如果使用的话）。

后端使用springboot+spring security框架，前端使用vue3框架，视频处理方面采用stable diffusion，音频处理采用qwen大模型，旨在帮助影视后期工作者减小剪辑视频、添加字幕等压力，能够进行风格转换，生成不同风格的视频，提供更多灵感

zip-dir 是一个小型库，用于将目录递归压缩到 zip 文件中。设计该第三方库的初衷是，基于当时并未有一个第三方库能方便的讲目录递归压缩成zip文件。

通过输入课表，自动识别日期，转化日期格式，添加时间地点，自动匹配项目格，从而生成cal并自动上传至服务器，生成URL以供iOS导入。

在推理过程中，如果我们希望不增加计算力和空间随着推理长度的增加，可以考虑使用某些特定的算法和数据结构。例如，可以使用动态规划、滑动窗口等技巧来降低算法的时间复杂度和空间复杂度。 以动态规划为例，它是一种通过将复杂问题分解为更小的子问题来解决原问题的方法，并且保存子问题的解以避免重复计算。这样，在处理长序列的推理任务时，动态规划可以帮助我们避免不必要的重复计算，从而减少计算力和空间的消耗。 再比如，当我们在处理文本数据时，可以使用滑动窗口技术来处理长文本。滑动窗口技术允许我们在不增加额外空间的情况下，对文本序列进行分块处理，从而减少了空间复杂度。 除此之外，还有一些模型压缩和优化技术，如模型剪枝、量化、低秩分解等，可以在不牺牲太多性能的情况下，减少模型的体积和计算量，从而使得模型在推理时更加高效。 总之，通过合理地选择算法和数据结构，以及使用模型压缩和优化技术，我们可以在推理过程中不增加计算力和空间随着推理长度的增加。

1、使用python对三年航班数据（约1700万条数据）进行数据清洗与分析 2、使用python采用dijkstra算法求得两地之间最短飞行路径，从而得到最佳的航班出行计划 3、使用sklearn库中的Logistic回归分析模型建立模型，分析航班延误的原因并预测航班是否延误

本产品是一款针对现代化物流仓库的智能化定位及引导解决方案，可通过485总线独立编址控制，内置3颗独立可编程RGB彩色LED以及发声单元，可提示拣货员快速定位到货柜位置，提高拣货效率。 负责嵌入式软硬件设计独立开发，软件部分包含私有通讯协议、SPI模拟时序驱动WS2812、定时器蜂鸣器PWM； 硬件部分包括电源输入保护、DCDC电源、485芯片、MCU控制电路 特性： 板载3颗可独立控制的RGB彩色LED光源 板载可独立编程发声单元，可以通过编程播放带有旋律的提示音 使用485总线进行通讯，默认通讯速率 9600 电源有过流保险丝、TVS、防反接二极管保护 485总线有TVS保护 输入12V电源，通过板载DCDC降压到3.3V给系统各部分供电，发热量低

这是为了方便制作操作步骤文档而开发的工具，可以是实现截图后按顺序保存到word文档中，以便于之后编写教程用。 点击开始按钮可以实现：屏幕截图，保存到一个截图变量列表中 点击保存按钮可以实现，创建一个系统的图形化界面，将截图变量列表中的文件按顺序保存到 word 文档， 点击清空按钮时实现将截图变量列表清空； 4.同时按下ctr+空格也可以进行截图

FontPruner字体剥离和精简工具；采用PyQt5封装。直接可点击 FontPruner.exe 运行。字体文件必须是 ttf 格式的，不能直接处理 otf 字体，均会报错。在处理前建议使用 FontCreator 将 otf 转换为 ttf 然后在处理，选择 “File->Export Font As...->Export as TrueType/OpenType Font...” 弹出的对话框中第一个选项 “Outline Format” 一定要选择 “TrueType”，否则即使最终在保存对话框选择 ttf 格式后导出了也无法使用。

语音录制与识别：使用PyAudio库录制用户语音，以WAV格式保存至speech.wav文件。随后通过百度语音识别API（AipSpeech）将语音转为文本，支持多种语言（普通话、英文、粤语、四川话）。用户通过输入数字选择识别语言。 AI对话生成：利用dashscope库调用Qwen Turbo模型，根据用户语音识别结果生成AI助手的文本回复。回复内容通过call_with_messages函数获取，该函数处理Dashscope API响应，确保输出小助手的回答。 语音播报：使用百度语音合成API（baidu_text_to_speech函数）将用户语音识别结果和AI助手的回答分别转化为语音。生成的音频文件以MP3格式存储并使用pygame.mixer播放。播放完毕后，临时音频文件立即被删除。 循环交互：程序以循环方式运行，用户输入y时继续下一轮交互。每轮交互包括用户语音录制、识别、AI对话生成及双端语音播报。

基于alphabeta剪枝算法的揭棋对战算法，水平大概揭七-八之间(C++、Python)。 该算法在知晓吃掉对方何种子力和不知晓己方暗棋损失的情况下，基于目前已经出现的明子和暗子的出现概率、分析不同走法的数学期望。 其他: Codeforces Master

当前系统能力： 数据源：贝壳网页版 数据展示方式：飞书通知、生成excel、命令行展示 规则配置：按照不同用户配置监控房源、配置房源黑名单 监控触发方式：手动触发、job触发

Combined with yolov3, deep sort and flask, it is a target detection and multi-target tracking platform that can run on Web pages. You can upload pictures or videos. When the image is uploaded, target detection is carried out. When the video is uploaded, multi-target tracking is carried out (the default is pedestrian, which can be changed to other objects). The mobile terminal provides an online shooting interface for real-time target detection and multi-target tracking.

1. 测试应用app的托管 2. 提供相关的接口发布应用，发布后会生成对应的链接，以及二维码 3. 用户可以通过二维码下载测试app，包含安卓和ios

1. 在线教育平台 2. 包含组织，老师，学生等端 3. 可以发布课程，学习课程，以及在线学习等功能 4. 前后端都有，都由个人开发

程序功能模块和用户功能解析： 这个程序是一个网页爬取工具，主要包含以下功能模块： 用户界面模块： 使用 PyQt5 库构建，提供图形界面，让用户可以方便地输入关键词、选择搜索引擎、设置爬取页数和导出目录等参数，并查看爬取状态和结果。 爬取模块： 利用 requests 库发送网络请求，获取网页内容；使用 BeautifulSoup 库解析 HTML 内容，提取标题、日期、链接和正文等信息。 并发处理模块： 使用 concurrent.futures 库实现并发爬取，提高爬取效率。 文件处理模块： 将爬取结果保存到文本文件中，并提供文件列表、复制和删除等功能。 日志记录模块： 使用 logging 库记录程序运行过程中的信息，方便调试和监控。 用户可以使用这个程序实现以下功能： 根据关键词，从指定的搜索引擎中爬取多个网页的内容。 选择爬取页数，控制爬取范围。 选择导出目录，方便管理爬取结果。 查看爬取状态和结果，包括字数、字符数等统计信息。 复制爬取结果到剪贴板。 删除不需要的爬取结果文件。 我的任务、技术栈和成果 在这个程序开发中，我主要负责以下任务： 设计和开发用户界面，包括布局、控件和交互逻辑。 实现网页爬取和解析功能，包括处理各种异常情况。 集成并发处理模块，提高爬取效率。 实现文件处理功能，包括保存、复制和删除等操作。 编写日志记录代码，方便调试和监控。 我使用了以下技术栈： Python： 作为主要的编程语言。 PyQt5： 用于构建图形用户界面。 requests： 用于发送网络请求。 BeautifulSoup： 用于解析 HTML 内容。 concurrent.futures： 用于实现并发处理。 logging： 用于记录日志信息。 最终成果： 我成功地开发了这个网页爬取工具，实现了预期功能，并具有以下优点： 易于使用： 图形界面友好，操作简单直观。 功能强大： 支持多个搜索引擎，可以爬取大量网页内容。 效率高： 采用并发处理，爬取速度快。 结果清晰： 将爬取结果保存到文本文件中，方便查看和分析。 难点和解决方案 在开发过程中，我遇到了一些难点，例如： 网页结构变化： 不同的网页结构不同，需要针对不同网站编写不同的解析规则。 反爬虫机制： 一些网站会采取反爬虫措施，需要采取相应的应对措施，例如设置请求头、代理 IP 等。 并发控制： 并发爬取时，需要控制并发数量，避免对目标网站造成过大的压力。 针对这些难点，我采取了以下解决方案： 灵活的解析规则： 使用 BeautifulSoup 库提供的多种解析方法，并根据实际情况编写不同的解析规则。 反爬虫措施： 设置 User-Agent 头部信息，模拟浏览器访问；使用代理 IP 池，避免被封禁。 限制并发数量： 使用 concurrent.futures 库的 ThreadPoolExecutor 类，设置最大线程数，控制并发数量。 通过以上解决方案，我成功地克服了开发过程中的难点，并最终完成了这个网页爬取工具的开发。

该系统前后端分离，api使用restful协议，方便二次开发，后端使用Python，Django，DRF等技术，前端代码使用AntD进行构建，包含采购管理，销售管理，库存管理等业务管理流程。移动端使用Uniapp，包含产品标签打印，出入库扫码等功能。

机器人是基于go-cqhttp开发的QQ机器人，部署在linux平台上面 在Linux平台上面部署go-cqhttp需要用到两个文件，我的Linux架构是amd64的，如果你是其他架构就在官方去下载相同架构就可以了