基于DolphinPHP（ThinkPHP的二次开发框架）.本项目主要用于管理好房网（www.haofang5.com）的楼盘信息。其中楼盘录入系统中用到了信息采集技术。利用正则匹配目标网页，抓取相关的楼盘信息，然后筛选掉重复信息录入到数据库中。在采集过程中也曾遇到过目标网址验证的问题，为了保持采集频率，后来采取三方类Snoopy来进行数据采集。

面向全国食品药品检验研究院的实验室管理系统，包括从人事到财务到业务等全方面功能，主要功能为检验流程的管理，包括检品信息登记、检品受理、检品接受、任务指派、结果录入、校对、室主任审核、审核任务分配、业务科审核、业务科主任审核、签发报告书、打印报告书、报告书归档等一系列配套功能。

uniapp＋graceUI+腾讯IM＋vuez 国内最大的投资人俱乐部，汇聚数千家PE/VC/券商/基金/会计师及律师事务所的16万用户 独立开发

该项目使用了Layui前端UI框架，接入了天地图API，包含各种可视化大数据分析模块，优化排放口信息管理难度。将经纬坐标在地图上精确显示，排放口位置一目了然。

uniapp＋vuex＋uview 小鹿本专注解决家庭教育问题、助力亲子关系重塑，让家庭生活更美好。小程序包含文章倾诉日记测试四大板块

球员约球运动小程序，给热爱体育运动，但是缺少组局人数的群体提供，大家可在上面约球。项目用了uni-app开发，有小程序版，app版，全局统一设置页面变量，自己封装项目。利用生命周期进行页面操作，优化了页面卡顿问题

针对商业地产行业经纪人的专业APP，包括房源、业务流程支持、运营内容、大数据（项目周边）等核心功能。 后端：微服务、全容器化集群 前端：React / React Native

上海亚广展览服务有限公司，做的一套CRM客户管理系统。客户分配，客户等级，客户跟进，跟进提醒，客户展览数据，数据导入导出html+jquery+css3+ajax 。 整个项目业务逻辑流程梳理需求，建立项目文档，沟通协助出解决方案。 1、熟悉MySQL，有一定的数据结构设计能力以及SQL优化能力。 2、熟悉Redis、memcached等技术组件。 3、具有良好的代码习惯，代码结构清晰、命名规范、逻辑性强。 4、熟悉HTML、JS等基本前端技术。 5、熟练Linux系统使用，有系统运维经验。 1：主管整个项目进度，业务逻辑 2：梳理需求，跑通主流程 3：ui设计交互，接口对接 4：数据处理，各个魔筷功能处理

公司内部自用erp开发，涉及硬件产品管控，进销存售后等，全程产品与流程梳理独立完成，参与开发周期评估与后台表设计，跨部门沟通进行功能梳理以及评估可行性

上海磊嘉机电主营电梯维护属于物联网，在电梯运行动态中需要抓取数据，查看电梯监控进行售后管理。springboot+layui+redis+mysql 包含维修，保养，派工。 电梯是一直在运作中，一旦有损坏容易发生事故，动态抓取精准数据，一旦有任何问题报错迅速响应。 1：整个项目流程业务逻辑 2：调整修改，维护物联网 3：协调沟通解决方案，跟踪协助 4：接口对接，售后管理

构建符合W3C的web主页，适应多种浏览器的页面尺寸，构建语义化的html页面 使用jquery，bootstrap以及css实现web主页的动态效果 跟UX/UIteam合作还原设计稿 做前端性能的优化,包括JS防阻塞，图片懒加载，使用flex布局，减少浏览器的重排操作，使用事件委托以及使用localstorage缓存等

1.简历面向对象的组建写法 2.实现状态数据中心 3.实现视图 表单及传参的绑定 4.实现复杂的业务逻辑 5.使用iframe引用金融页面接口 6.实现部分组件定制需求

银行软件不良资产管理的开发和维护工作，基于vue2+ElementUi+axios和Echarts进行开发，实现页面多种动态效果，配合后端接口实现前后端交互， 使用非对称加密技术（RSA）完成对公司数据的安全传输 完成前端页面开发及效果实现，及各种组件以及插件的开发和维护并顺利测试上线

1，这是几家旅行社联合做的一款旅游网 2，前端主要技术是emui Vue.js 3，后端比较特别的技术是 有用到lua脚本配合nignx做了首页高可用缓存 4，后端是基于doubble的ssm架构 数据库mysql

1，基于苹果手机端的app 2，主要业务是家具家电B2C商城 3，前端开发技术含量不大， 基本上都是tableview接数据显示数据

2C项目,主要服务于老师和学生,功能主要是组卷,考试,生成报告 微服务架构,cloud全家桶 现在受众用户已经有3万+,得到各界校长学生老师的好评

项目概述：该项目主要职责是根据房子的一些属性来预测其房价，先对数据进行前期处理，提取有效特征，之后分别利用岭回归、随机森林和 XGBoost 对房价进行了预测； 项目职责： 1.利用 pandas 读取数据，检视源数据，将测试和训练数据进行合并，减少数据前期处理步骤； 2.数据前期处理：对房屋价格采用对数方法进行平滑处理、对属性特征进行 one-hot 编码和利用平均值来处理缺失值； 3.将数据分成训练和测试集，采用交叉验证方法，分别利用岭回归、随机森林和 XGBoost 来建立模型； 4.取均方误差作为损失函数，利用网格搜索，调整超参数，选出最好的 alpha 值； 5.根据测试数据表现，选择最优模型，最后发现 XGBoost 对房价预测效果最好

cloud-operators是有IBM开发的提供将IBM云平台上的服务或功能封装为kubernetes上的资源的operator.

service binding operator是有redhat(红帽)和IBM合作开发的能够提供将kubernetes平台的上的用户应用与相关的云服务进行绑定的组件。

CloudFoundry 是开源的 Platform-as-service 平台。app-autoscaler 是 CloudFoundry 社区用于提供对 用户应用基于运行数据和定制计划的自动化伸缩功能的项目。项目启动与 2016 年 3 月，由来自 IBM,SAP 和富士通的成员共同开发和维护。