Python

信用飞app，admin后台，催收平台等，为用户提供消费贷款的平台；功能包含：登录、ocr、face、银行卡绑定、账单、api导流、资金对接、权益卡，签到、商城、机票分期等功能

1. 采用多阶段分割方式提升了视盘分割的鲁棒性 2. 采用cycle-gan对图像做了数据质量增强 3. 使用ResNet的分类结合SA-UNet的粗分割进行视盘定位 4. 使用提出的创新性算法对视盘进行惊喜分割

抓取直播间 弹幕评论，点赞，刷礼物，关注，用户下单购买等数据 抓取到的数据进行归类统计 有后台管理系统查看数据报表分析

• pdf 和 word 等文档互转，文件切割合并等 • 邮件处理, 解析邮件内容，附件等，并整理数据入库 • excel 文件数据抽取，核对数据，添加标记，整合数据等 • 船务集装箱物流状态数据爬取更新至 excel 文件 • saplogon 等程序利用脚本录制操作步骤开发机器人流程自动化 • paddlepaddle，Tesseract 等开源框架开发文字识别，图片识别，条形码和二维码识别等 • 功能性定制脚本编写(视频切割工具、屏幕录制工具、网页登录工具、日志检测工具)

对于功能学习，首先要做的就是学习过程中如何看到结论，如何对现象总结。要明确每一步动作的初衷，避免背离最初的目的。 一、测试环境 在能够运行系统的前提上，我们要拥有对应系统的源码供我们进行调试，明确学习方向后需要增添流程debug。 同时还要拥有版本维护的手段，常用的版本工具有SVN和git工具。 二、需求梳理 可以让我们很好的观察系统运行状态，是否正常。最常用的方式通过前端界面完成，这一部分也是这篇主要讲述的地方。 首先我们应该选择一个前端框架帮助我们完成界面的设计。在此之前先明确我们需求。 1.支持以脚本为单位创建标签页 2.支持导入python脚本 3.支持执行python脚本，并获取回显内容。 a) 支持根据json格式解析回显内容，使用树状图形展示每个节点信息。 b) 支持将节点信息关联到文本框。 4.支持配置保存 三、设计 根据需求我们将工具分为前端、中间数据、底层三部分 3.1、前端 主页面包括地址栏，脚本/脚本结果/添加筛选key。还提供对地址、脚本、筛选key保存配置的功能 3.2、中间件 中间件通过python的flask实现，通过拨不同句柄响应用户。

web前后端开发，java，h5，js，spring，vue，python，爬虫，js逆向，app逆向。因在职敏感，不能贴工作项目截图，只能简单展示简单自用框架以及其他小项目接单部分源码。

1. 基于pyqt的可视化平台搭建 2. 基于卷积神经网络等技术的视盘分割、视杯分割、血管分割 3. 基于对抗生成网络的图像质量增强 4. 基于分割结果的直径弯曲度等参数的测量

功能模块： 参数解密：该模块涉及深入的JavaScript调试，通过在浏览器控制台设置断点，找到参数生成和解密的方法。这对于了解加密机制和抓取所需数据非常重要。 数据爬虫：数据爬虫模块使用Python编写，使用RPC方法调用浏览器控制台来生成参数。这些参数随后用于与特定API通信，以获取商品和详情信息。 我的任务和技术栈： 我负责开发和维护数据爬虫部分，使用以下技术栈： 参数解密：JavaScript编程，通过在浏览器控制台进行调试，找到参数生成和解密的方法。 数据爬虫：Python编程，由于部分代码被混淆，使用RPC方法调用浏览器控制台进行参数生成，然后使用HTTP请求库与API进行通信，获取所需数据。 项目成果： 通过解密参数生成和创建数据爬虫，项目实现了以下成果： 实现了数据爬虫，使用户能够轻松获取得物品牌商品和详情信息，无需依赖网站界面。

本项目为：使用RNN对股票价格进行预测。RNN为循环神经网络，这里使用了Adam优化器。股票价格的波动受到多种因素的影响，例如：股票自身的波动、外部突发舆情的影响等等。

1.数据抓取、或拿源数据做需求分析 2.根据用户需求，数据清洗，数据格式整理，数据分析 Power BI是一款强大的商业智能工具，通过其内置的Power Query和Python功能，我们可以对大量数据进行高效的处理、分析和可视化。Power Query可以帮助我们轻松地连接、转换和整理数据，而Python则提供了丰富的库和函数来支持复杂的数据处理任务。结合这两者，我们可以快速地从原始数据中提取有价值的信息，并通过图表、报表等形式直观地展示分析结果，为业务决策提供有力支持。

1.shell、python自动化工具制作 2.ansible自动化代码编写 3.相关需求代码编写 4.降低部署运维难度 5.具体价格看代码量和需求

1 基于client-go开发kubernetes api 2 cicd jenkins/tekton/argocd运用 3 编写golang和python脚本，智能运维 4 prometheus 夜莺监控 5 kubsphere,rancher,kuboard ui使用

功能模块： 1.小程序解密：这个模块涉及深入的反编译和解密工作，通过JavaScript脚本对小程序前端源码进行处理。方便分析和理解小程序的结构、逻辑和加密机制。 2.数据爬虫：数据爬虫模块使用Python编写，用于与特定API通信，以获取所需数据。核心任务是构造API加密请求参数的生成方式，并将其整合到Python脚本中，以有效地提取目标数据。 我的任务和技术栈： 我负责开发和维护数据爬虫部分，使用以下技术栈： 小程序解密：JavaScript编程，深入了解小程序前端源码的解密需求，可能需要开发或使用解密工具。 数据爬虫：Python编程，使用requests库进行HTTP请求和响应处理，hashlib库用于生成API请求参数的签名。 项目成果： 通过解密小程序前端源码和创建数据爬虫，项目实现了以下成果： 实现了数据爬虫，为用户提供了方便的途径来获取相关数据，例如商品信息等，无需依赖小程序界面。 难点和解决方案： 在项目中，涉及一些技术难点，包括： 1.小程序解密：解密小程序前端源码需要深入了解小程序的加密机制，需要对wxapkg文件进行详尽的分析。解决方法需

1 使用spider解析数据； 2 使用 中间件和selenium 处理动态加载数据； 3 使用 配置文件和中间件处理反爬； 4 使用管道持久化；

该项目为多个网站的后台销售数据的表格下载，实现自动化。 我负责整个产品的开发。 通过selenium helium 实现网页的自动化操作，最终实现数据下载。

该项目为某工作室为了实现自己网站的自动化操作，省去人员的频繁操作。 我负责整个脚本的开发。 此脚本通过获取API接口的方式，通过POST方式直接将需要的操作进行执行。省去了人工节省大量时间。

1. 基于深度学习的血管分割，进一步缓解分割中断裂的问题 2. 基于卷积神经网络对动静脉进行分割，进一步解决血管分割断裂的问题

孔明预测是一款基于tensorflow人工智能技术，使用最新神经网络算法，专门针对A股港股等构建多特征模型并进行量化分析的软件。 如图所示的预测，绿线为实际股票走势，竖线为用于训练数据的最后时点值。红线为训练后预测的走势。粉线为基于训练数据的预测走势（即在竖线时点时的预测，当时并未获得竖线后的任何数据）。对比粉线的预测走势与实际的走势，可见预测结果与实际走势非常接近，二次最低位都准确预测到！ 后端使用技术：Linux shell & C++、Perl、Python；数据库方面涉及SQL存储过程开发，使用的数据库包括：Mysql、MongoDB；涉及的前端技术：vue.js、node.js等。 【注：作品是以项目原型改造开发的测试版本软件，因涉及版权及敏感商业信息，工作成品不便上传。】

项目名称一：摩拜单车App 时 间：2015/7-2017/11 项目概述：自行车交互，用户交互功能；主要功能：App功能：注册，登陆，实名认证，押金,余额充值，行程，预约，开关锁,骑行轨迹 等功能 主要工作内容： 1.组建内部功能，自动化，硬件测试团队 2.推动敏捷，规范测试流程，发布流程，提升测试团队效率 3.基于python,flask,sqlalchemy,bootstrap,mysql搭建用例,缺陷,接口一体化平台 4.推动组内python,appium,pytest,allure,git,jenkins构建主功能UI自动化测试 5.使用jmeter, jvisualvm等完成appServer和bikeServer压测支持1亿+流量 6.构建测试组人员接口和UI自动化技术培训 7.负责团队任务调度，绩效，年度考核，向CTO汇报 未出现线上重大bug 业绩： 高质高量的按期迭代完成测试任务，无生产事故和性能瓶颈

项目描述：项目包括智慧厂区的后台管理，智慧厂区的大屏端设计 项目职责： 原始数据的清洗、预处理和数据分析 大屏端的页面布局，完成基础页 面进行页面展示 数据实时展示 根据需求实现前端的功能，考虑SEO优化，浏览器 兼容性处理 主要技术： 使用Python的Numpy对原始数据进行数据清洗 使用HDFS编程对数 据进行数据分析 使用Vue框架开发项目，用Vue-cli3脚手架对项目进行快速搭 建，前端模板使用Element-UI 使用Node+Express编写API接口 使用Axios进行 异步获取后端数据 此外根据用户的角色对权限进行了管理，并且使用了Base64加 密技术，对注册的密码加密后写入数据库。可视化模块是通过Vue和ECharts动态 展示可视化结果。异常数据推送，是使用WWxPusher的API进行的信息推送