Python

1、用户登录注册系统、会员管理系统、素材管理系统、评价管理系统、支付记账系统、门店系统、订单系统、工单系统、优惠券系统、用户消息系统、硬件管理系统、日志系统，用户从小程序端访问，只需授权登录，可访问各大店铺各大包间，并使用优惠券，发起预定支付，可充值会员获取各项福利，在下单之后收到预定消息等通知，并可在订单结束后进行评价。 2、我的工作在于开发后端接口，提供前端和小程序端各个功能模块所需要的接口，首先设计mysql数据库表，然后从用户管理表为中心开始接口的开发，采用python3的django框架，其中采用视图集、序列化器、过滤器、ORM等操作来实现接口的开发，针对订单系统和工单系统等需要设置定时任务的，还采用了redis+celery来实现，后端部署采用nginx+uwsgi+django的形式 3、其中遇到的难点在于提供的接口不同时使用于小程序端和web端，但需要的功能接近，后来采取了子序列化器继承父序列化器的方式，既同时满足小程序端和web端的需求，不重复造轮子、代码低耦合性和高扩展性。

主要包含车牌定位及车牌号码的识别 车牌定位的主要工作是从获取的车辆图像中找到汽车牌照所在位置，并把车牌从该区域中准确地分割出来。 车牌识别将截取的车牌图片进行二值化处理，通过设置阈值将图片先水平分割，垂直分割后的图片分割成七个字符图片，最后使用模板匹配的方法，主要是基于均值哈希算法、差值感知算法、哈希值对比来进行模板匹配，匹配对应的字符。

手写字识别将截取的图片进行二值化处理，通过设置阈值将图片先水平分割，垂直分割后的图片分割成七个字符图片，最后使用模板匹配的方法，主要是基于均值哈希算法、差值感知算法、哈希值对比来进行模板匹配，匹配对应的字符。

1.该项目主要是通过神经网络分析大量的历史股票交易价格，找出影响股票价格变动的特征因子，给特征因子设置权重，再通过模拟对冲交易，分为纯多头组合和对冲组合获得的夏普利率、年化利率、波动率、最大回撤与沪深300指数进行对比，预测出最适合交易的股票组合进行投资 2.应用了人工智能-神经网络技术、python数据分析、数据库，设置数据自动更新节点，给股票投资前提供具有参考价值的股票组合。

1.功能模块 1）根据按钮有不同功能 2.主要负责界面开发，功能调试、测试； 部分功能由于使用内部接口，使用api-xml方便将前后端剥离

基于光学系统的低慢小探测系统，利用工业相机进行拍照，采集图像，分析目标，对图像进行滤波处理后进行切片，识别与跟踪，利用GPU Cuda进行加速

1.小程序分为6个功能模块, 智能选股：用户可以在此界面测试自己的风险偏好以及抗风险的能力，心理承受能力等. A股数据：为了保障行情数据源稳定、高效、实时传输，本程序股票行情数据接口从源头获取数据，拒绝二次转接. 资金流向：资金流向测算的是推动指数涨跌的力量强弱，这反映了人们对该板块看空或看多的程度到底有多大。 财经新闻：用户可以在此界面查看实时的财经新闻以及财经热点 主力追踪：主力对股价的趋势起决定性的影响，长期来看股价都是围绕主力资金的方向波动，主力减仓，股价的后续上涨将缺乏动力。 股票学习：旨在让用户能够独立的投资股票，有一些自己专业的看法而不是跟风式地投资股票

使用python 开发测试平台和测试工具。 1、维护更新测试平台 2、开发一些实用测试工具，提升工作效率，减少时间成本

技术栈：Java, Python, Flask, Springboot, Docker, Vue, MySQL, Redis 模块：音乐上传，音乐播放，音乐交易，音乐智能生成 描述：使用Springboot和Vue实现了一个创作者和听者互相交易购买歌曲的平台，使用事务处理交易，用flask和tensorflow实现音乐分类和识别

此项目为python基于pyqt5和无头浏览器进行的爬虫音乐播放器 此项目参考Apple Music 的界面设计，当用户进入时可以搜索歌曲。每次搜索都会去网络上爬取此音乐的相关信息（歌词、专辑封面等）进行下载与播放

基于python的pyinstaller模块，可根据用户需求，选择是否保留控制台，选择相应的环境进行，一键打包gui工具，实现懒人打包，可提供源码以及代码讲解，服务时间9：00-22：00

使用阿里云的maxcomputer模块，通过python脚本获取其他供应商提供的网页信息浏览数据，调度配置数据自动获取，数据入库后，通过逻辑处理生成可使用的文件，上传到AWS的S3桶中

文本分类：将给定的文本根据其所属的类别进行分类，例如将新闻文章分类为体育、政治、娱乐等。 情感分析：对给定的文本进行情感分析，判断其是积极、消极还是中性的。 命名实体识别：对给定的文本进行实体识别，识别出其中的人名、地名、组织名等信息。 文本生成：基于给定的主题或关键词，生成符合语法和语义规则的文章或段落。 问答系统：基于给定的问题和上下文信息，生成正确的答案。 为了实现这些任务，我们将使用一系列NLP技术和工具，包括自然语言处理库）、深度学习框架、预训练模型等。同时，我们还将收集和标注相应的语料库，以便训练和评估我们的模型

通过python脚本进行API接口取数，配置调度任务进行数据采集，数据入库后进行数据处理及分析,数据质量排查，异常数据处理等

基于60G毫米波Soc方案，开发室内定位、存在监测、跌倒监测雷达，负责信号处理、多目标聚类跟踪、跌倒算法仿真与实现

基于python的pyinstaller模块，可根据用户需求，选择是否保留控制台，选择相应的环境进行，一键打包gui工具，实现懒人打包，可提供源码以及代码讲解，服务时间9：00-22：00

1. 项目主要包括 OpenAI API 调用模块、基础聊天功能模块和函数插件模块，借助 GPT 等大语言模型，用于辅助研究生完成论文翻译、论文润色等任务。 2. 我主要在项目中添加了 LaTeX 文档相关处理逻辑，并且将该服务部署在自己搭建的云服务器上。 项目地址 https://github.com/binary-husky/gpt_academic

1.小程序分为6个功能模块, 智能选股：用户可以在此界面测试自己的风险偏好以及抗风险的能力，心理承受能力等. A股数据：为了保障行情数据源稳定、高效、实时传输，本程序股票行情数据接口从源头获取数据，拒绝二次转接. 资金流向：资金流向测算的是推动指数涨跌的力量强弱，这反映了人们对该板块看空或看多的程度到底有多大。 财经新闻：用户可以在此界面查看实时的财经新闻以及财经热点 主力追踪：主力对股价的趋势起决定性的影响，长期来看股价都是围绕主力资金的方向波动，主力减仓，股价的后续上涨将缺乏动力。 股票学习：旨在让用户能够独立的投资股票，有一些自己专业的看法而不是跟风式地投资股票

1.功能模块 1）推送至通信工具 2）定时时间设置 3）网站图片比对、图片新增删除 4）同类型脚本直接生成、删除 5）执行完成后语音提醒 6）执行完成后显示执行报告 7）脚本执行（手动执行：点击后执行； 定时执行：到时间执行） 2.所有功能由本人开发，使用python语言，主要使用request、unittest、selenium、scheduler 库； 开发完成后，帮助运维人员节约时间，到点执行脚本进行对应网站检测，将错误信息发送到对应软件，并语音播报提醒查看结果。 3.苦难： 验证码识别不准，使用了别人训练后的库，识别率极高。

通过验证码图片识别验证码中的字符 验证码识别将截取的图片进行二值化处理，通过设置阈值将图片先水平分割，垂直分割后的图片分割成七个字符图片，最后使用模板匹配的方法，主要是基于均值哈希算法、差值感知算法、哈希值对比来进行模板匹配，匹配对应的字符。