项目概况：是一款生活类服务APP 工作职责：负责产品的整体美术风格、交互设计、界面结构、操作流程等做出初步设计，输出整体视觉效果，配合团队完成其他页面设计，制定移动端设计规范，提高团队工作效率与视觉统一性。

自然语言处理基准库评测平台，人工智能算法展示、评测平台。团队长期致力于自然语言处理技术的研发和应用，采用迁移学习、对抗学习、条件随机场、图神经网络、动态图卷积网络等先进的深度学习技术，结合千亿级全球多语言文本语料数据资源，构建了精准高效的多语自然语言处理算法，包括分词、词性标注、语种识别、相似度计算、句法依存、情感分析、文本摘要、关键词抽取、文本分类、文本质量评估、命名实体识别、三元组抽取、事件抽取、知识消歧、文本生成、检索问答等各个层面，能够为深度分析全球跨语言文本提供一站式信息处理解决方案。目前平台可以支持180多种语言的处理，提供10多类算法及60余种算法服务。

根据客户选择的售后方式生成售后单，根据商品、售后方式不同匹配相应的售后流程。协调仓储系统、物流系统、财务系统，对客户申请的售后需求进行操作

根据固定违规条目自动生成处罚或客服手动建立处罚，处罚创建后会进行申诉，申诉失败则根据商家合作模式、违规次数、违规严重等级对商家进行相应的处理

根据已经设置的工单类型匹配相应的处理组，并按照各个坐席工单数量进行自动分发，在处理过程中记录工单处理节点，对紧急问题优先处理，后台分析坐席处理情况统计工作情况

This article mainly discusses the application methods and allocation plans of two typesofdrones dealing with wildfires in specific situations. We established a model to coordinateforest fire supporting drones based on computer simulations. In State Victoria, we have collectedandprocessed the relevant data of forest fires with digital image processing technology. We selectedthe most representative area and used the Alpha Shapes algorithm to estimate the boundariesofthe state's forest fire-pr

作品因涉及母公司信息安全，不便透露过于详细。 主要涉及的技术栈有Hive，python，Spark，shell，linux 主要是通过数据分析对模型进行深度学习，采用一系列权重打压等方式解决误召回问题。

1. LTS调度平台主要给用户提供定时任务处理， 分别提供了周期性任务、跨集群依赖任务、定时任务等 2. 平台任务支持高度灵活配置， 并记录任务运行日志， 实现可追溯、可统计等 3. 一般用户数据转移、数据入湖和运行一些DB任务、URL任务等来实现用户的诉求

华为花瓣地图车机导航，涉及UI界面，手车流转，SDK调用通讯，AIDL通信等模块开发。主要语言为安卓Java，当前项目已商用预置在问界系列车型上。

负责以下核心内容 1. 音视频通话模块，通道的切换，编码方式的切换以及码率的自动调整功能 2. 信令服务的开发与维护，核心的通信基础保证 3. 代码编辑器的开发与协同能力的完善 为保护隐私，以下为竞品截图

花瓣搜索分为大数据搜索和垂域搜索，本人参与和负责酒店垂域搜索，涉及Flask微服务框架搭建，ES调用，redis缓存，多线程并发召回，以及召回结果粗排。

随着智能制造相关技术的高速发展，传统的制造模式已无法满足订单个性化、多样化、定制化的市场需求，柔性化、智能化和高度集成化的离散生产模式是未来制造业生产模式的发展趋向，多品种、小批量、混合生产是其生产特点。但这种生产模式带来了车间资源组织的复杂性、设备负载的不均性、制造过程的多扰动性、运行状态的不稳定性，并给车间的高效管控带来极大复杂度。 为此，DTWorks 区别于离线仿真系统，并将不局限在现场管理层。通过在线不断收集车间中的扰动事件以及设备的状态变化，测定产品单元级生产工时，并工时为基准进行现场作业改善。以车间设备模型和产品制造模型作为核心模型，以工艺流程为链条串连起制造工序工时。以数据驱动的数字孪生车间为核心载体，以排产计划为管理纲领，工时管理基准作为切入点，寻找引发计划变动的因素，并把变动控制在小范围波动上，从而指导车间作业生产。

负责核心音视频通话模块 1. web音视频通话 2. 小程序与web音视频通话 3. 小程序 web 通信，重写底层 imsdk，支持多线路切换 为保护隐私，截图为竞品截图

功能介绍： 孕妇管理、采集员管理、采集管理、结算管理、商城管理、库存管理、采集统计、结算统计 技术架构： 基础框架：Spring Boot 2.6.14 Vue3版本：Vue3.0+TypeScript+Vite+AntDesignVue+pinia+echarts等新方案

负责过文档产品的核心开发工作 1. 富文本编辑器的适配更新，兼容性改造 2. 协同编辑处理，核心渲染逻辑更新 3. 客户端开发 由于目前全职在职，只能提供相似竞品产品截图

1. 后端主力开发，负责商品服务和订单服务等模块，并重构了部分项目 2. 主要使用Nodejs，基于koa，eggjs框架，主要使用es6特性风格，后端数据库使用MongoDB

教学系统主要功能： 学校管理、班级管理、老师管理、学员管理、排课管理、课程管理、课时管理、缴费管理、活动报名、商城管理等

负责交易所管理系统的开发和整体维护，包括需求的分析和整体开发上线流程。 参与交易所核心开发。（用户服务、资金服务、杠杠服务等其他业务服务后端开发）。 主要使用开发语言Java，部分服务（网关服务）使用Node.js（基于koa）。 参与交易所的系统架构方案讨论、重构、优化。

鼹鼠工厂主要功能： 仓库管理、供应商管理、客户管理、销售订单、出入库管理、产品管理等； 技术架构： 核心框架：SpringBoot 2.0.0 持久层框架：Mybatis 1.3.2 UI框架: Ant-Design-Vue 1.5.2 项目管理框架: Maven 3.2.3

问题主题识别是问答系统中的重要步骤，可以定位问题领域，缩小查询范围精化答案。本研究提出引入外部 word2vec 维基百科词嵌入的英文文本分类方法，并针对 MadSci 上三类主题的问题集进行了相关试验。该方法首先训练维基百科语料库获得 word2vec 词向量字典，其次，对问题集进行数据清洗，进行转小写，去标点，词形还原等操作。建立基于词向量的特征提取方法，例如，完全平均法，根据词性加权，根据词长加权等。最后通过 SVM 经典分类器和 KNN 分类器对其进行分类实验。试验结果表明，本研究可以有效的进行英文文本分类，且分类效果显著高于没有引入 word2vec 对照试验的分类结果。