1.企业级监控与报警体系建设部署并维护Zabbix/Prometheus监控平台，监控服务器、数据库、中间件运行状态；编写自定义脚本监控业务指标，接入钉钉/企业微信，实现秒级报警；建立日志采集与可视化分析（ELK/Grafana）。成果：平均故障发现时间缩短60%，业务可用性提升到99.9%。2.自

java、go微服务项目部署到k8s容器平台cicd:gitlab-ci，jenkinspipeline从0-1的搭建完成监控系统：prometheus+grafana日志平台：elasticsearch、loki

数据库部署、配置、数据处理、数据备份、数据迁移Jenkins配置自动发版，CI/CD流水线Nginx网站发布，SSL配置各种中间件搭建、docker容器搭建

1.基于现有车辆，及车载设备实现车载设备信号接入，下发实现车辆智能调度，车辆行为，驾驶员行为监管2.基于现有计划实现车辆及驾驶员智能调度3.基于第三方视频平台实现车辆轨迹及视频监控4.基于位置信息，设备信息等实现车辆状态，驾驶员状态，位置，报警实时监控及历史数据设计数仓对数据进行挖掘分析

slam多线激光导航无人车，自动驾驶。物联网关，边缘智能闭环算法实现。AGV仓储物流业。实现大型扫地机器人自动驾驶，多线激光建图，路径规划，多传感器融合技术实现。AGV实现机器人rcs调度。AGV机器人运动pid，S曲线控制等。

建立数据仓库，实现业务库到数据仓库的T+1实时更新建立展示系统，对不同业务系统、不同业务功能数据进行聚合展示兼容各个业务终端、各版本浏览器、监控室大屏幕、手机页面展示

欺诈风险库，用以查询现有以明确身份的风险人、车、机构，帮助用户识别直接风险；欺诈筛选引擎，通过业务规则，对需要查询的人、车、机构进行筛查，识别人、车、机构的潜在风险，并给出相应的提醒策略

1）精听播放器：支持中英双语字幕、逐句播放、自动下一句、AB循环、倍速、静音/后退/前进、收藏句子等；提供完整快捷键（空格、方向键、A、F、Enter等）提升操作效率。2）学习记录：登录后自动保存学习进度、已学篇目、收藏句子与打卡天数；未登录场景下用localStorage做临时记忆。3）内容管理/

在线商城Java系统作为一套完整的电商解决方案，功能设计涵盖了商品管理、用户服务、交易流程以及后台运维等多个环节，能够满足不同规模企业的线上经营需求。在前端功能上，系统支持商品浏览、搜索和分类展示，用户可以通过关键字、价格区间或品牌标签快速定位商品。购物车与收藏夹功能帮助用户灵活管理心仪商品，订单模

本次项目从零开始实现了电信IPTVCDN完整功能。电信CDN包含以下功能模块：1、内容接入：指内容从内容源接入到CDN网络的行为。CDN内容接入有三种接入方式：内容注入方式、内容预注入方式、实时回源方式。2、RR&SLB调度：RR和SLB均是CDN的服务请求调度模块，负责把用户的服务请求根据CDN的

核心成就：构建自动化Zabbix全栈监控体系，实现运维智能化情境：应对数百台异构服务器及复杂应用的监控挑战，原有方式效率低下。行动：设计ZabbixProxy分布式架构保障性能与可靠性的；通过自动发现(LLD)和API实现监控自动化；为MySQL/Redis/Nginx及业务应用深度定制监控模板与告

设计Filebeat（轻量级，低资源消耗）部署在所有业务节点，用于采集日志文件。引入Kafka集群（3节点）作为日志数据的“缓冲区”，实现了日志采集与消费的解耦，避免了日志洪峰冲垮ELK系统，提高了系统的可靠性和扩展性。采用Logstash作为消费者，从Kafka拉取数据，利用其强大的过滤器（Gro

1.基础框架功能。2.常用系统功能。3.设备管理。4.生产管理。5.质量管理。6.基础数据管理。7.仓储管理。8.考勤系统，绩效系统。

此系统分为系统管理员、权限管理员、审计管理员、市直主管部门、区县主管部门、部门管理员及部门录入人员七种角色。市直主管部门主要是管理目录发布（通过与驳回、上报到省平台）、目录撤销审核、目录查询、目录导出、目录规范情况、目录维护、服务发布（上报到省平台）、服务查找、服务撤销、服务维护、接口服务日志、级联

-文件上传/下载-照片以媒体库形式存储-电影资源分布式存储管理-保证设备高可用性-设备离线感知-与硬件闪灯联动-感知硬盘状态，确认设备问题点-转发支持外网访问-p2p连接减少转发服务器流量-多种语言开发-不同进程间通过rpc通讯-使用多种设计模式

1、素材组合广告‌2、新老广告排序优选‌3、广告质量模型‌分析用户行为数据，建立点击率预测、转化率预估等质量评估维度，结合频次控制避免过度曝光。模型持续学习素材表现，自动淘汰低效广告。4、相似广告识别通过对广告素材的向量化，构建广告相似度模型，判别文本和广告素材的相似度，过滤低相似度的广告组合。5、

是基于JetsonNano的系统开发，收集了大量的数据集，使用YOLOv11的卷积神经网络进行目标检测的学习，能够在复杂场景下红绿灯，交通标志，行人和车辆等。