Python

基于RuoYi框架开发的一款智能对话系统，解决用户在使用中遇到的各种问题，即时对话。根据提问智能推送答案。集数据统计，数据监控等各种辅助功能，根据用户需求深度定制

边缘计算网关项目 项目功能：实现了智能家具场景下和工业物联网场景下的数据采集和控制 项目描述： 1、大致分为三大层，用户接口层，边缘网关层，设备层 2、客户端通过QT端，Web页面提供数据展示和用户控制接口 3、网关使用虚拟机代替，基于LINUX系统开发起数据中转作用，向上对接客户端，向下连接设备层。 4、设备层使用STM32单片机自主开发，工业设备使用ModbusSlave软件进行模拟。 项目负责: 1、Web界面的前端开发，通过Web显示出采集数据和控制设备，进行简单的美化界面。 2、CGI进程后端开发，主要负责数据中转，通过共享内存和消息队列与其他进程通信。

【100%】python flask项目与springboot项目相互加密请求响应 【100%】文件MINIO存储，阿里云存储（后续对接其他存储方式） 【70%】文章上传切割并且对文章进行云存储 【40%】文章自动生成对话文本，明确该章节内容

网站起始页 可以登录注册；自定义网站起始页链接 1. 调用第三方api实现每日壁纸 2. 前后端分离开发模式；后端遵循fast api 规范 3. 跨域调用资源 4. 本地持久化存储 5. 组件化，异步加载

1、调用wechatpyAPI 制作机器人 2、功能实现，对接人工智能接口，实现实时信息回复， 3、关键词触发，复位特定关键词，触发回复 4、定时回复 5、朋友圈自动点赞

与网易云功能相似，带有歌曲榜单，歌单等模块，点击歌曲后可跳转到歌曲详情，歌词可随歌曲播放而滚动，搜索歌曲可弹出相应歌曲

根据用用户需求，通过AI技术设计出用户需要的图片。 直接与用户深度沟通，根据用户需要的元素，通过人工智能技术设计用户需要的图片。还可以利用python对视频素材进行剪辑、添加字幕等操作。

Flask项目开发脚手架；分为 API开发脚手架和 简单web全栈开发脚手架； 1. 集成ORM等一系列常用库 2. 实现登录、注册、鉴权

这个网站使用django技术，制作出的商城页面，用了redis进行页面的缓存，使用mysql对数据的储存，接入支付宝接口可以对商品付款

实现功能：从多个网站上爬取相关数据，并插入到客户数据库中 用到了光学识别文本，selenium自动化，requests模拟请求等技术

1. 该项目是一个专注各大平台（bilibili、小红书等）爬虫的一体化爬虫框架，开箱即用，有丰富的命令行入口 2. 该项目由我个人开发维护 3. 项目主要难点在于js逆向，这一点主要是依靠自己进行debug以及参考其他作者的算法来实现

网站使用django搭建的，使用redis缓存页面，并用mysql进行数据存储，并且接入支付宝接口进行支付，登陆时有短信验证码验证

项目分为1，通过sparksql 读取多个csv文件。2，建立机器学习模型。3，实时从kafka接收数据，使用模型进行预测 整个项目是我自己开发

根据用户需求使用AI工具生成可视化图表 项目后端使用django，负责prompt构建，调用AI模型 前端使用Echats生成可视化图表

基于人工智能的语音识别和处理项目包括以下功能模块： 1. **语音采集与预处理**： - 语音采集：负责收集语音数据。 - 预处理：包括去噪、归一化、切割等，为后续特征提取做准备。 2. **特征提取**： - 从预处理后的语音信号中提取特征，如MFCC、PLP等。 3. **模型训练与优化**： - 使用标注好的训练数据训练语音识别模型。 - 优化模型参数，提高识别准确率。 4. **解码与后处理**： - 将模型输出的概率分布转换为文字。 - 进行词性标注、命名实体识别等后处理。 5. **用户接口**： - 提供语音输入和文本输出的界面。 - 支持命令控制、交互式问答等。 6. **系统集成与测试**： - 将语音识别系统集成到其他应用中。 - 进行系统测试，确保性能稳定。 对于使用者来说，基于人工智能的语音识别系统能够实现如下功能： - 语音转文字：将语音转换为文本，用于字幕、会议记录等。 - 语音控制：通过语音命令控制设备或应用。 - 交互式问答：与智能助手进行语音交互，获取信息或执行任务。 任务包括： - 项

1、数据获取，使用爬虫爬取历年空气质量以及温湿度情况，数据分析，制作csv文件以及存mysql 2、数据训练，使用随机森林树，进行模型训练 3、使用DHT11温湿度传感器+esp8266wifi模块，进行实时数据传递 4、分析数据，传入的数据进行分析，获取预测数据 5、数据可视化处理，使用FLask进行数据可视化网页显示

《代理池之随机二级链路》是一款强大的代理管理作品， 以突出的随机二级代理链路为特色，提升了系统的稳定性和安全性。 该代理池不仅具备智能的分发规则，确保请求的高效分配，还配备了精密的过滤规则， 过滤掉不稳定或不安全的代理，为用户提供稳定、可靠的代理服务。

本人在此项目中主要负责利用模板匹配识别停车标志、应用OpenCV识别锥桶并提取锥桶位置，对锥桶位置进行逆透视变换得到变换后的锥桶坐标位置信息、车、以及车辆底层控制系统（pure pursuit）的搭建

此项目为本人全栈独立完成 1）爬虫部分采用selenium , BeautifulSoup4定时搜索并抓取亚马逊指定商品数据 2）采用pandas对数据进行清洗后保存数据库， 3）用户界面部分采用Django + Echarts，提供商品数据增删改查功能，数据可视化分析。爬虫任务管理等功能。 4）爬虫采用POM模型，APSchedule 定时任务管理， 5）绘图接口类，接收数据与参数后，自动生成javascript 语句插入django模板，绘制图形。

html+css+js 前端页面设计，python爬虫等技术，由导航栏，侧边栏，轮播图，照片栏，个性介绍组成，完成基本的界面跳转和登录注册登出等基本操作，接入百度api接口导入地理位置，