项目是基于gis系统对反欺诈稽核数据进行的可视化展示，本人负责了系统应用的数据库全表设计、3个主要模块处理数据的定时存储过程编写以及3个主要模块的系统应用后端开发，并协助前端开发解决地图下钻、标点展示等各方面问题。 系统共分为减损、高风险案件、高风险人员、高风险区域、高风险修理厂5个模块，点击各模块统计总数据可以展示明细分项各维度统计页面，点击地图中的省份会切换展示到具体省市的数据。

项目是以我们集团下的学校，构建智慧校园 环境、资源、管理和服务等应用，为师生员工及社会公众提供泛在的服务。包含学校 行政管理、教学管理、科研管理、人力资源管理、资产设备管理、财务管理等协同办公，打造智慧教学环境、智慧教学资源、智慧校园管理、智慧校园服务等。

该平台是通过大数据云计算实现对知识点掌握情况的精准定位，教师智能组卷和测评，实时跟进学生学习情况，定制复习规则并自动推送任务，形成错题库和经典试题收藏，以提升学习效果和个性化教学。 1. 项目核心业务： 该项目为分布式微服务项目, 采用阿里巴巴开源框架SpringCloudAlibaba构建, 使用Nacos实现 服务治理、注册与发现、负载均衡、容错、配置中心等; 使用SpringCloud Gateway实现日志拦截、权限控制、跨域、限流、熔断、负载均衡、黑名单\白名单拦截、授权等; 2. 分布式基础设施： Nacos实现分布式配置中心, 分布式任务调度平台XXL-Job, 分布式事务使用的是Seata, 分布式锁使用Redisson, 分布式Session使用JW生成Token存放在Redis页面存放在Cookie中; 3. 项目管理\环境部署：代码托管版本控制使用的是SVN，使用Nginx实现反向代理与服务高可用。

从某服务器下载对应文件，从界面布局到底层逻辑，均由本人独自完成。其中涉及http/Qsocket等多种通信方式，多线程也是必不可少。

qt开发，识别并连接手机获取手机相关信息（QSerialPort）,以及和手机进行交互，使用sscom发送指令和http通信。承接整个项目，从需求评审到具体开发，独自完成。

使用qt，其中使用的库包括QwebSocket(wss)/QNetworkaccessmanager(http)以及根据zip格式自行编写的文件接收解析算法。识别并连接手机获取手机相关信息（QSerialPort）,以及和手机进行交互，使用sscom发送指令和http通信。

驾校教学信息管理平台，主要想解决的问题是： ○1、学员信息电子化管理，只要录入各学员的学习进度，就可以产生各种关联数据，一键完成各种查找，统计，分析任何时间段的学员各种数据，车辆数据等。分析各科目学习，考试数据。大大节约学员管理人员的工作时间，提高工作效率。 ○2、让学员通过手机就可以预约练车，预约考试。系统自动完成预约后的科学化车辆分配，提高工作效率，给教练公平公正分配学员。 ○3、学员，教练，学校对各阶段信息都实时了解，提升了品牌效应。 ○整体下来工作效率至少提高50%以上，节约人力成本2人以上！

项目背景是为保险理赔稽核人员制作的分析多案件潜在的关联关系进而确认风险团伙的使用工具，项目除数据处理外全部由本人独立完成。 共有三大功能模块：关联查询、调查取证、风险名单。 关联查询可以根据主体的类别、主体的特征id查询展示出对应的图形，用户可以对图形中的节点进行拖拽、标记、隐藏、多选节点进行标记、置为风险团伙等操作。并且用户可以保存本次查询条件，在后面使用时根据已保存的历史查询条件进行快速查询，也可以快速查询出由自己标记的风险团伙图形。 调查取证是用户针对风险团伙进行调查稽核后录入调查信息的页面，可以根据条件查询出特定风险团伙然后点击跳转到录入结果页。 风险名单可以根据主体的特征id进行查询，查询后点击其所在的风险团伙可以跳转至相应的展示页面，展示该风险团伙的关联分析图形以及包含的案件信息列表。

比赛目标:解决高通量藻类细胞检测的实际挑战，开发针对性的目标检测算法。 测试性训练及数据分析：使用小规模faster_rcnn网络快速训练出一个网络，评估效果后，绘制标注框面积概率密度曲线并使用k_means聚类分析，得到合适的锚框尺寸。 模型融合：同时训练3个不同结构的faster_rcnn模型以应对不同的藻类细胞，而后参考MNS算法进行模型融合。 强化训练：对训练图片进行测试，提取其中训练效果差的图片进行强化训练 结果：模型最后的预测取得了很好的效果，能够检测并预测出90%的藻类细胞

比赛目标:解决高通量藻类细胞检测的实际挑战，开发针对性的目标检测算法。 测试性训练及数据分析：使用小规模faster_rcnn网络快速训练出一个网络，评估效果后，绘制标注框面积概率密度曲线并使用k_means聚类分析，得到合适的锚框尺寸。 模型融合：同时训练3个不同结构的faster_rcnn模型以应对不同的藻类细胞，而后参考MNS算法进行模型融合。 强化训练：对训练图片进行测试，提取其中训练效果差的图片进行强化训练 结果：模型最后的预测取得了很好的效果，能够检测并预测出90%的藻类细胞

1.使用爬虫技术追踪给定订单的预计到达时间，对快要到达的订单做预警还有对异常订单进行提示 2.涉及技术：由于多数外国物流公司都有反爬，涉及到了解密，小程序反编译，js逆向分析等

兴鼎健康问诊系统-四端开发（后台管理系统、推广端（小程序）、医生端（App）、用户端（公众号）） 技术栈：Vue、uniapp、ts 1、后台管理-OA办公审批流程相关开发、权限功能 2、推广端 - 数据报表 echarts、对接二维码等 3、医生端 - sku商品选择功能、ios/安卓的兼容适配 4、用户端 - h5相关 sku商品选择、静默授权、适配兼容手机展示效果

为工地工程提供线上办公平台 本平台包含后台管理系统 行政管平台 APP 小程序等 其中后台管理系统 行政平台的主体框架，公共组建及90%的业务功能均由我负责；PC项目实现组件化 app小程序20-30%的工作由我负责

本项目为公司自研产品，主要是自定义工作流 主要核心功能表单编辑器，流程编辑器（图1为业务人员使用流程编辑器及表单编辑器编辑的某业务流程）验身功能为报表无码编辑，可视化屏的无码编辑 目前已上线主要适用于无人HR，仓库的进销存管理等

独立负责后台管理平台 其中使用到了角色权限管理结合路由守卫，图表展示，商品管理，人员管理等 因已上线 无账号密码故截图为部分代码

使用爬虫框架自动获取某电影平台上的电影信息并持久化到Mongo DB中。整体操作在遵循robots.txt规范之下完成整个过程，同时也控制了执行频率避免了对对方平台产生攻击效果。

为某应用辅助获取最新某票信息，方便下单使用。整体符合robots.txt规范。 整体分封装到一个类中，直接根据账号信息和输入的出发城市和到达城市还有对应日期，自动检查对应平台相应票务信息并返回。

一站式在线流媒体平台。个性化推荐，多种语言支持， 应用商店上传，应用程序图标设计，启动画面，广告网络整合。

爬虫。从动态加载的网站爬取社交贴。从动态加载的网站爬取社交贴。躲过机器人识别。生成图片夹以及csv文件。

1. 项目模块： 数据预处理模块：这个模块负责对训练数据进行清洗、标准化和预处理，例如删除无效数据、分割数据集等。 模型训练模块：这个模块负责定义GPT模型的结构和参数，并使用训练数据对其进行训练。选择TensorFlow来实现GPT模型的训练过程。 模型评估模块。 应用模块：搭建一个视频自动生成程序。 2. 我的任务： 爬虫并进行数据预处理；使用分布式训练来加快训练速度；超参数调优：GPT模型具有多个超参数，如层数、隐藏单元数等。调整这些超参数对模型的性能和效果至关重要。你可以使用交叉验证、网格搜索或自动化调参工具来优化超参数选择。 过拟合和模型调优：GPT模型可能会面临过拟合的问题，即在训练数据上表现良好，但在新数据上的泛化能力较差。你可以采用正则化技术（如dropout）或早停策略来缓解过拟合，并进行模型调优以提高性能。