Python

➢ 独立完成项目，主要内容是制作即时应答的携程酒店信息搜索系统， 实时输入酒店 id 得到需要的酒店信息； ➢ 利用 flask 框架将服务器部署至阿里云服务器，接受传来的酒店 id 信 息，从小程序中爬取所需要的信息并返回给请求的接口； ➢ 该项目为公司酒店平台提供了新的搜索功能；

项目由广告平台端、dsp端、是ssp端和etl端组成，为广告主提供了从创意管理、定向投放到投放数据的全链路功能。 同时也支持媒体管理广告位，流量源及投放策略。 项目不同模块基于不同的技术栈，平台端基于php + mysql + redis, dsp分为中控端和核心投放端，中控基于python + mysql + redis实现，完成数据的同步、更新；核心投放端基于lua+redis 实现，实现与ssp/adx的对接；ssp也分为中控端、核心管理端，都是基于golang + mysql+redis实现，完成与终端的对接

➢ 独立完成项目，主要内容是爬取给定的艺龙酒店 id 的酒店房态价格之 类的数据； ➢ 先利用 flask 框架制作酒店 id 收集服务器部署至阿里云服务器，通过 接口接收传来的有变动的酒店的 id 并存入数据库，本地程序提取数据 库内的酒店 id，通过 https 协议，利用了多线程，fake-hearder，多 ip 代理等技术爬取需要的酒店信息并且发送至目标端口，； ➢ 该项目为公司酒店平台提供了数据支持；

自2013年大气污染防治行动以来，PM2.5、PM10、SO2、NO2等空气污染物浓度都有不同程度下降，但臭氧污染仍有上升趋势，臭氧污染已成为制约我国空气质量持续改善的关键问题。地基站点可以提供空间上特定点的臭氧浓度，但无法获得近地面臭氧连续的空间分布。遥感卫星反演的臭氧柱浓度产品可以反映整层臭氧柱浓度，但整层臭氧柱浓度与近地面浓度无明显相关性，因而无法体现近地面臭氧浓度。本文综合地基监测数据、再分析资料、卫星产品，采用三种集成学习方法，得到近地面臭氧浓度的时空分布，结果表明集成学习方法可以准确估算近地面臭氧在空间上的分布状况和在时间上的变化趋势。本文对比了梯度提升回归树（GBRT）、极端随机森林（ERT）、极端梯度提升器（XGBoost）三种不同的集成学习方法在近地面臭氧污染估算的效果表现，三种集成学习方法在2019、2020两年的平均R2都在0.9以上，极端梯度提升器（XGBoost）方法在RMSE、MAE指标上有最好的表现,2019年、2020年两年的平均RMSE、MAE分别为14.21μg/m3、9.24μg/m3，且模型训练时间复杂度最低。极端随机森林(ERT)方法在空间分布

批量数据填报和数据抓取,放反爬机制,全自动人工操作自动上传.多线程机制,同时上传.抖音等app用户数据下载,视频解析真实地址等功能实现

1.在海上目标数据集的基础上，训练当前多种目标检测数据集，包括yolov7,detr,faster-rcnn等模型 2.通过替换骨干网络（如swin-trainsformer）,添加多尺度策略，各种数据增强手段（cutout/Erasing等）提高模型精度 3.通过tensort在桌面端进行部署

➢ 独立完成项目，主要内容是爬取给定的同程小程序里的酒店 id 的酒店房态价格之 类的数据； ➢ 先利用 flask 框架制作酒店 id 收集服务器部署至阿里云服务器，通过 接口接收传来的有变动的酒店的 id 并存入数据库，本地程序提取数据 库内的酒店 id，通过 https 协议，利用了多线程，fake-hearder，多 ip 代理等技术爬取需要的酒店信息并且发送至目标端口，； ➢ 该项目为公司酒店平台提供了数据支持；

1.在公共数据集MICCAI2017 LITS上训练模型，达到肝脏精度dice per case96.5,肿瘤精度72.0 2.改进当前模型，通过结合Transformer,扩散模型等前沿方法做创新应用 3.基于算法结果，做QT应用端部署

项目可以实现对合格证内容的编辑，省去了员工扫描并上传的繁琐操作。本人独立完成了该项目的开发，并应用于企业生产实践中。

接口测试平台的开发，实现项目管理、接口测试、用例管理、用例执行、测试报告生成等功能。使用react、flask、python登技术栈

JWT认证系统 第三方开发获取token,本系统生成并校验token; 采用JWT技术生成token,对token过期,合法性进行校验,采用先进的docker容器化部署,可单机或k8s集群部署;

该项目是一个大型的爬虫框架，用于各个不同网站的数据抓取 1. scrapy项目搭建 2. 各中间件编写，如绕过cloudflare，UA头，使用代理，异常捕获及处理 3. 各网站独立式spider开发 4. 管道数据存储开发，根据不同需求，分别编写存入mysql和mongo的管道 5. 数据抓取存储，项目稳定长期运行

运营平台 1.项目通过数据整合、分析，帮助运营做出正确的决策以及及时调整策略，在激烈的市竞争中取得一些优势。 2.参与解决开发过程中遇到的技术问题，需求分析以及 bug 的修复，数据分析，数据库优化。 3.编写 JavaScript 插件，实现自动化获取客户指定数据。

1-功能模块：爬取全国各个县市级的天气，数据时间在2021年-至今， 2-编写代码登入网址，爬取相关数据输入到文本中，根据城市进行分类 3-难点：反爬机制处理

1-项目：优美图库https://www.umei.cc/meinvtupian/rentiyishu/中人体艺术的图片 分类全部保存到文档中 2-用python代码编写，实现项目过程

1.医院信息平台平台建设,交互标准指定,场景定义,技术实现(包含但不局限容器化部署服务,TOKEN生成并认证, 接口字段级别校验); 2.采用的技术: JavaScript, freemarker, django, docker, ELK;

1.调研：目前针对3D点云的处理除了经典的Pointnet和Pointnet++外，图卷积十分适合处理点云这种非结构化数据，3D 点云具有数据量庞大、形态多样性及密度分布不均等特性，目前的大多数网络虽然都将点云的局部信息考虑进来，但还是忽略了 3D 点云中点与点之间的相关信息 2.方法：通过数据增强模块丰富每一个三维点及其邻域点的上下文语义特征来增强原始输入点的特征表现形式，以邻接矩阵的形式获取 3D 点云中的采样点，通过计算采样点中每两个点之间的余弦相似度来得到该点云的相似矩阵。接着，采用 K 近邻算法提取前 K 个最相似的点构成一个局部邻域图。最后，在这个邻域图上实现动态图卷积来获取原始 3D 点云的局部特征。

使用python flask 框架开发聊天机器人，分为预处理模块，消息的解析和数据处理环节，消息的返回环节 使用技术包括：python, mysql, redis

该项目是一个数据处理Windows软件，可实现Excel数据导入导出，以及分类、聚类、回归、缺失值检测与处理、插值、相关性分析等数据处理功能。本人在该项目中主要负责界面UI设计以及按钮功能实现。项目成功申请软件著作权。

深入研究深度残差网络特点，并以此为基础提出了两种改进的深度残差网络：基于注意力机制的深度残差网络和基于多尺度特征融合模块的深度残差网络，并用这两种改进的深度残差网络对电机载荷为0马力，采样频率为48KHz的驱动端轴承故障数据集进行分析，实现轴承的故障分类。最后，通过搭建基于改进深度残差网络模型的故障诊断系统展示提出的两种改进模型的故障诊断性能验证所提两种改进网络模型有着更高的准确率和更低的损失值，并实现本地诊断与实时诊断的仿真模拟。