1.如果远程用的hfs的漏洞版本可以远程修改administrator密码。 2.如果远程用的hfs的漏洞版本可以远程新建一个用户。

1. b2b2c 商城 (管理端,商家平台,客户平台) 2. 全栈开发(设计，开发，运维) 3. 熟悉电商开发，运营流程 个人能力: web全栈开发能力 熟悉java，h5，js，数据库设计等常用技术 擅长产品设计 熟悉linux操作，可独立部署系统

1产品功能有播放、停止、暂停、下一曲、上一曲 2.可以根据音乐的播放时间进度条也会跟着走，音乐结束进度条结束。

在该模块中，我们需要实现拼团的发起和参与功能。 用户可以选择某个商品进行拼团，也可以加入已经开启的拼团。 拼团需求没有达到要求时，用户可以随时退出拼团。 拼团状态查询模块：在该模块中，我们需要实现拼团状态的查询功能。 用户可以通过拼团编号查询当前拼团的状态。 后台管理模块：在该模块中，我们需要实现后台管理功能，以提供给管理员管理系统的各种信息。 管理员需要对用户、商品、订单、拼团等进行管理和操作。

在该模块中，我们需要实现拼团的发起和参与功能。 用户可以选择某个商品进行拼团，也可以加入已经开启的拼团。 拼团需求没有达到要求时，用户可以随时退出拼团。 拼团状态查询模块：在该模块中，我们需要实现拼团状态的查询功能。 用户可以通过拼团编号查询当前拼团的状态。 后台管理模块：在该模块中，我们需要实现后台管理功能，以提供给管理员管理系统的各种信息。 管理员需要对用户、商品、订单、拼团等进行管理和操作。

扫码点餐功能 功能有权限管理 菜品管理 菜品标签管理 首页总览 台桌管理等，商户新增菜品后，需要新增台桌，自动生成台桌上的二维码，用户可以扫码点餐，并在网站及时弹窗通知商户用户下单，商户可以进行订单处理。

这个项目是一个综合了CS:GO饰品开箱、提货和管理服务的网站，其中： 后端开发语言： 项目的后端API服务是使用Golang开发的，这个语言以其高性能和并发处理能力而闻名。 前端界面： 网站的前端用户界面采用了Vue.js，这是一种流行的JavaScript框架，用于构建现代、响应式的用户界面。 主要功能： 项目旨在提供CS:GO饰品相关的一站式服务，包括开箱、提货、以及饰品管理等功能，使用户能够方便地管理和交易饰品。 我的主要工作： 在项目中的职责包括对基础功能的维护、新功能的开发，以及新增小游戏等内容。这些都有助于增加网站的吸引力和多样性。 还实现了支付相关的统一接口，支持多种支付方式，如汇付、微信、支付宝等。这有助于用户方便地进行交易和支付。

使用DcatAdmin进行数据应用开发，含有CMS，数据的展示，流程控制，最重要的是关联表的建立，以及数据的智能应用，暂且谈不上智能吧，目前对人工智能还没有很深入的了解，这是我Laravel框架的第一个作品，其次擅用ThinkPHP。

前端用REACT框架，配上MUI渲染框架, 后端采用nodejs做REST API， 数据库采用postgresSQL, 来实现简单的全栈的简单ERP网页

项目分前端uniapp、后端vue、前端api服务、后端api服务。前端api是基于spring boot、spring cloud构建的微服务，后端api是基于若依框架系统。这系统主要实现了对资源（音视频）的上传、购买、播放、管理等功能。这资源有直接传阿里云的，也有自己服务器并分片成m3u8格式。 在这个项目中，我主要负责音视频App的整改工作、重构前端api框架、m3u8资源的分片加密、UniApp Android应用的打包和插件开发等。

我负责使用Java编程语言spring cloud架构开发了在bsn上线的一个边界智能-NFT功能。对接文昌链的API，实现了NFT上线的独立微服务。 在这过程中，也实现了ERC1155接口的一个自定义nft，发布联盟链上。

为老板，开发部，咨询部，陪同部开发大屏，可以让各部门直观的了解公司当日，当月，当季，当年的业绩状态，只管的激励鼓励各部门人员 我主要参与老板，咨询，陪同等主要大屏的开发工作

PA40: 人员操作 业务场景：SAP人事调动操作等，在保存之前需要校验检查，定制用户自己的业务检验场景。 增强类型：出口增强   扩展名称：PBAS0001  增强名称：EXIT_SAPFP50M_002

ODN资源系统梳理平台。 开发环境：spring+springboot +mybatise+maven+mysql 项目时间：2022.03-2022.07 项目描述： ODN系统管理平台是一个微服务搭建的框架,它主要是为了让用户更好的了解以及体验光纤在日常生活中的流转过程，以及如果遇到问题能够快速的定位到问题，例如自家wifi的光纤使用情况，可以通过该系统了解到该wifi提供的厂家来源，社区搭建地，数据包使用情况等。该项目主要分为app端和pc端，而我负责的是pc端功能的实现。主要模块有，原始分光器模块、已经梳理的分光器模块、PON和ONU数据管理模块、拓扑图数据管理模块、系统管理模块。 责任描述： 1、原始分光器模块和pon和onu数据管理模块、已经梳理的分光器模块，：将厂家提供的数据的execl文档通过IO流读取到服务器的数据库中，在这些模块中主要是对数据的 查询（分页），修改，删除，以及将数据指定数据导出Excel文档。 2、系统管理模块：单点登录，采用jwtl+token方式，权限认证；日志管理，将整个系统的增，删，改，查等操作相关信息记录到日志表

汇观项目。 开发环境：springboot +mybatise+mysql+JpaRepository 项目时间：2022.08-2022.12 项目描述：汇观项目是一个由我们公司自己研发的一个大数据产品， 汇观中大致有这个几个模块，数据治理，数据中台，数据接入，系统告警等。而我在该项目主要负责的是数据接入。大概内容就是，根据别人提供的接口或者数据源，来进行数据采集，清洗，入库。工作中主要的难点：1、搭建数据接口进行可视化处理，根据提供的IP接口，解析出对应的json格式的数据，将这些json格式中的这些数据，以及他们的业务关系后，将这些数据灌入到不同的数据库中的不同的表中。2、数据采集的过程中如何保证每次采集的数据不会重复，记录数据正常情况下拉取到哪里，异常情况下数据拉取到哪里，详细日志的处理，这样方便运维人员分析处理数据。 责任描述： 1、搭建数据接入进行可视化处理，根据别人提供的接口路径，请求参数获取到数据，并通过jdbcTemple这种spring封装好的工具，将数据导入到不同库中的不同表中。 2、保证数据的一致性：spring+ JpaReposi

1. 本项目主要分为以下功能模块： - 数据集准备：收集和标注包含不同车型的图像数据集，包括样本图像和对应的标签数据。 - 特征提取：使用深度学习模型（如卷积神经网络）对车型图像进行特征提取，获取代表车型特征的向量表示。 - 车型识别：利用训练好的分类模型，通过对车型图像的特征向量进行分类，实现车型识别功能。 对于使用者来说，该项目能实现以下功能： - 对输入的车型图像进行识别，快速准确地判断出车型。 2. 在本项目中我负责如下任务： - 收集、清洗和标注车型图像数据集，为训练模型做准备工作。 - 使用深度学习技术（如卷积神经网络）进行特征提取，将车型图像转换为特征向量表示。 - 使用Python编程语言和相关深度学习框架（如PyTorch）实现车型识别的代码。 - 进行模型的训练和调优，提高车型识别的准确率和泛化能力。 最终达到的成果是一个能够对输入的车型图像进行准确识别的系统，可以迅速给出车型类别的判断结果。 3. 在本项目中的难点主要包括： - 数据集多样性：车型种类繁多且外观差异大，如何收集全面且具有代表性的车型

1.为基金投资人员开发企微小程序，方便投资人员实时跟踪项目投资的进度 2.主要参与项目池，项目管理模块的主要开发工作

1. 本项目主要分为以下功能模块： - 数据集准备：收集和标注包含行人和车辆的视频数据集，包括样本视频和对应的标签数据。 - 目标检测：使用YOLOv8算法对视频中的行人和车辆进行目标检测，实现实时的多目标检测。 - 多目标跟踪：利用ByteTrack算法对检测到的行人和车辆进行多目标跟踪，保持目标的连续性并给出每个目标的轨迹。 - 行人车辆计数：根据跟踪结果统计行人和车辆的数量，实现实时的计数功能。 - 越界识别：基于目标的运动轨迹和预定义的区域，识别出行人和车辆的越界行为。 对于使用者来说，该项目能实现以下功能： - 对行人和车辆进行实时的目标检测和多目标跟踪。 - 实时计数行人和车辆的数量。 - 检测并识别行人和车辆的越界行为。 2. 我在本项目中负责如下任务： - 收集、清洗和标注视频数据集，为训练模型做准备工作。 - 使用YOLOv8算法进行目标检测，并使用ByteTrack算法进行多目标跟踪。 - 使用Python编程语言和相关深度学习框架（如PyTorch）实现目标检测和多目标跟踪的代码。 -

1. 本项目主要分为以下功能模块： - 数据集准备：收集和标注自己的数据集，包括样本图片和对应的标签数据。 - 模型训练：使用YOLOv8算法对数据集进行训练，得到训练好的模型。 - 模型测试：利用训练好的模型对新数据进行目标检测，并输出检测结果。 - 模型优化：根据测试结果对模型进行优化，使得目标检测的准确率和效率都有所提升。 对于使用者来说，该项目能实现以下功能： - 制作自己的数据集，并训练自己的模型，实现目标检测任务。 - 通过可视化界面查看目标检测结果，方便直观。 2. 我在本项目中负责如下任务： - 收集、清洗和标注数据集，为训练模型做准备工作。 - 使用Python编程语言和YOLOv8算法对数据集进行训练，并根据训练结果对模型进行调整和优化。 通过这些任务的实现，我最终得到了一个可以对自己的数据集进行目标检测的模型，使得该模型可以方便地应用于实际生产环境中。 3. 在本项目中，最大的难点是如何标注数据集和如何优化模型以提升目标检测的准确率和效率。 针对数据集标注的难点，我们采用了多人标注+众包的方式，让多

项目分为采购到货、检定检测、配送出库、仓储等模块，个人负责采购到货模块，开发的产品有到货登记、品规码管理、供应商登记、生产订单管理等产品的开发及维护工作