实验室项目，机密。1.在高噪声下寻找量子观测最优解。2.使用多数前后端技术完成预警系统，并优化算法。使用过的技术与框架：ML、DeepML、LLM、C、JS/MJS、TS/TSX、Vue、tauri、Websocket、前后端分离。

项目包含指标体系设计、数据宽表构建、指标计算、BI报表开发、数据质量校验五大模块。可完成用户分析、交易统计、业绩核算等核心指标的自动化计算，构建可复用的业务宽表，对接BI工具实现数据可视化展示，支持多维度钻取、实时查询，提供数据质量监控与流程优化能力，提升报表生成效率与数据准确性。

项目包含多源数据接入、全量/增量同步、数据清洗转换、维度表构建、调度运维五大模块。支持关系型数据库到大数据平台的自动化数据同步，完成数据去重、补全、关联等加工处理，构建统一公共维度层与业务宽表，提供数据异常告警、链路监控、数据核对功能，保障数据同步的稳定性、准确性与时效性。

项目包含数据分层建模、ETL数据加工、指标体系建设、数据调度运维四大核心模块。可完成多源数据的清洗、转换与加载，实现风控指标、经营分析指标、监管报送指标的自动化计算，支持T+1数据定时产出，提供数据质量校验、异常告警、SQL性能优化等能力，全面支撑业务报表输出与合规审计需求。

一、基础数据与配置管理物料与供应商管理：支持物料按批次、品牌、产地、规格等维度精细化管理；供应商分类（主料、辅料、物耗等）并配置入库模式（先称后录/先录后称）。仓库与货位管理：支持多仓库、线边仓、门店货位设置，并与仓库编码建立对照关系。系统配置中心：包括物料转换系数（原材料→半成品→成品）、库存预警

代码合并和构建阶段，AIOps就不再只是运行测试脚本，而是充当“风险评估师”的角色。智能代码审查与架构漂移检测：AIAgent不仅检查语法错误，还会结合历史Git提交记录、Jira需求文档和架构规范，自动审查代码的逻辑一致性和潜在安全漏洞。如果发现代码实现偏离了预设架构（如出现循环依赖），它会直接预

智能异常检测与故障预测：传统的阈值告警在流量波动大的互联网场景下容易产生误报或漏报。大厂利用机器学习模型分析历史数据，建立动态基线，能够智能识别出偏离正常模式的异常行为，甚至在系统容量耗尽前就预测到瓶颈，实现从“被动响应”到“主动预防”的转变。统一监控与告警收敛：将服务器、容器、数据库、中间件等不同

1.燃油零售：精准营销与客户留存面对网约车和物流车队的电动化替代，本站今年重点实施了“会员分级运营”策略：车队卡风控升级：针对企业客户（车队卡），上线了“单车限量、限油品、限时段”的智能风控规则。本年度成功拦截异常加油行为30余起，规避了约15万元的潜在套现风险。夜间经济挖掘：针对物流货车夜间进站特

1、海啸模拟2、风场洋流模拟3、污染物扩散模拟4、海底地形模拟5、气象数据模拟

基于Python开发CTF杂项竞赛项目，实现Web漏洞靶场一键部署、流量分析取证、隐写数据提取等功能，可用于安全培训、攻防演练与电子数据取证，具备自动化、可扩展的工程化能力。