人工智能 爬虫/脚本 软件定制 案例

使用Python脚本进行开发，可以爬取许多网站，但会遵守robots协议，不做违法爬取。 也可以使用Python制作一些偏只能的东西 web前端也可以制作，反正这俩基本都能做 其他的也没有什么了，以后可能会继续学习较为困难的爬虫技术。web后端也会逐渐接触 库下载慢都用清华库

1.背景：学者在引用论文时往往出于不同的目的，有批判、中立和积极等类型，通过分析引文引用的动机，可以更好地识别引文引用的过程 2.目标：对30万篇Xml格式全文本论文进行解析通过大语言模型进行微调，构建引文分类模型，甄别出不同学者引用他人论文的目的

1. 股票数据采集模块 - 多维度数据采集 ：同时采集日K线和月K线,收盘价等一系列数据 - 流式数据保存 ：每采集一只股票立即保存，避免数据丢失 - 断点续爬机制 ：支持中断后继续采集，自动记录处理进度 2. AI智能分析模块 - 深度学习分析 ：集成多个AI系统进行专业股票分析 - 多维度评估框架 ： - 量化条件检查 - 基本行情分析 - 短期技术分析 - 长期技术分析 - 综合投资价值评估 - 智能选股功能 ：自动识别具有投资价值的股票 - 详细分析报告 ：为每只股票生成专业的分析理由 由于保密原因，图片只附上一小段源代码

1. 项目背景与目标： 针对企业招聘流程中，HR在前期沟通筛选环节耗费大量重复性精力、效率低下的核心痛点，本项目旨在打造一款企业级智能招聘助手。其商业目标是通过AI+RPA技术，实现主流招聘渠道的7x24小时无人值守自动化运营，将HR从繁琐重复的工作中解放出来，聚焦于核心人才的深度沟通，最终为企业降低招聘成本、提升人才筛选效率。 2. 软件核心功能模块： o 多账号智能托管与RPA引擎： 支持同时管理多个主流招聘平台账号，基于强大的RPA核心，自动化执行“打招呼”、“已读”、“筛选”等日常操作。 o AI大模型驱动的对话机器人： 集成大语言模型，通过预设的知识库（公司介绍、岗位JD）和对话策略，实现与候选人的多轮智能对话，精准解答疑问、挖掘候选人信息。 o 可自定义的候选人筛选漏斗： 企业可根据岗位需求，灵活配置多维度（如工作年限、技术栈、薪资期望）的自动化筛选规则，AI将自动分类并标记高匹配度候选人。 o 自动化流程管理： 从初步接触、简历接收、意向判断到面试邀约，全流程自动化触发与执行，并将关键节点信息同步至管理后台。 o 数据可视化分析后台： 提供Web管理后台，实时监控各账号运行状态，统计分析招聘数据（如沟通量、简历收取率、邀约成功率），辅助企业优化招聘策略。 3. 业务流程： 用户（HR）通过桌面端配置招聘岗位要求与AI对话策略 -> 启动自动化任务 -> 应用自动登录平台账号并与候选人沟通 -> AI根据筛选规则过滤并收取简历 -> 自动发送面试邀约 -> HR在管理后台查看结果并跟进核心候选人。

朋友要去华侨城找工作，人工找太难了，想把数据提取下来，做数据分析之后，快速的找项目找工作，机器提取招标平台的项目数据，寻找合作机会 项目主要功能就是提取数据，分析数据，保存数据 结束

电价预测模型 — 独立项目 时间：2024年暑期 基于时间序列与深度学习模型（LSTM、Transformer）构建电价预测系统，探索短期与中长期预测的差异化效果； 实现数据预处理与特征工程（缺失值处理、归一化、滞后特征构造、节假日与天气特征融合），提升模型鲁棒性； 在实验中对比了ARIMA、XGBoost与改进的Transformer结构，并以MAPE、RMSE为指标进行量化评估； 使用PyTorch + sklearn 完成模型搭建与训练，并基于可视化分析解释预测结果，撰写完整技术报告； 项目代码与报告开源至GitHub，积累实践经验并初步形成科研表达能力 Summer 2024 Developed a time-series forecasting system for electricity prices using LSTM and Transformer-based models, comparing short-term and long-term forecasting performance. Designed and implemented data preprocessing & feature engineering, including missing value imputation, normalization, lag features, and integration of holiday/weather factors. Conducted benchmarking with ARIMA, XGBoost, and enhanced Transformer variants, evaluated via MAPE and RMSE metrics. Built and trained models using PyTorch and scikit-learn, with visualization for interpretability and a full technical report. Open-sourced project on GitHub, gaining hands-on experience in applied machine learning and technical reportin

1、深度渗透测试，一般通过远程互联网开展，或者本地程序部署测试 2、代码审计及原创漏洞挖掘，通过源代码高价值评估系统存在的漏洞 3、以需求为主线的各类工具系统开发，重点侧重于基于黑客技术的工具等开发工作

这款鼠标隔空手势识别系统，让你摆脱物理鼠标束缚，用手势掌控数字世界。通过摄像头捕捉手部动作，精准识别食指移动、拇指点击、握拳拖动等指令，抬手间完成光标定位、左右键操作。基于MediaPipe手部追踪与OpenCV图像处理，响应灵敏，适配多种场景。无论是办公演示中隔空翻页，还是寒冬里蜷在被窝操作电脑，都能带来无接触的流畅体验，重新定义人机交互的便捷与自由。

1.图像路径输入：在控制台输入图像路径，程序读取并预处理图像、检测红点。 2.坐标轴标定：在弹出的 Matplotlib 窗口中，依次点击 4 个坐标轴点（x 起点、x 终点、y 起点、y 终点），点击后控制台会提示已标定的点。 3.命令行选坐标系：4 个点标定完成后，控制台会让你分别为 X 轴和 Y 轴选择坐标系（输入1选直角，2选指数）。 4.输入物理范围：选择完坐标系，按提示输入 X、Y 轴的物理最小值和最大值。 5.输出结果：控制台打印红点物理坐标，同时弹出新图标记坐标，方便核对。

通过模块与数据结构框架，对多功能系统进行统一整合，比如，对数据的读写能力与整理分析能力进行模块化与结构化，然后通过算法及算法优化对相关函数功能进行整合，实现高效与高质量。用户可在使用过程中感受到兼具效率与质量的使用感受。

1. 网页数据采集功能 支持多站点、多类型页面的数据抓取，包括： 商品信息 / 课程信息 / 招聘信息 / 用户评论 / 发帖内容 等。 兼容静态页面与 JavaScript 渲染页面，具备动态内容解析能力。 提供字段提取、数据清洗、结构化输出能力，自动纠正部分脏数据或格式异常。 2. 用户行为模拟功能 模拟常见用户行为，包括： 登录 / 注册 / 签到 / 表单提交 / 评论发布 / 点赞收藏 等。 支持滑动验证码破解（打码平台接入）、Cookie 自动管理与会话持久化。 可批量处理多个账号，设置行为间隔、模拟真实用户操作节奏。 3. 反反爬机制支持 实现多层次防封锁机制，包括： 动态 User-Agent / Referer 模拟 高匿代理池轮换与自动检测 浏览器指纹伪装（UA、语言、分辨率、WebGL 伪装等） 基于 JS 逆向的 Token/签名参数生成 支持 Playwright、Selenium 等驱动下的无头浏览器与可视化调试模式。 4. 任务调度与容错机制 自定义调度系统，支持定时抓取、增量更新、周期性签到或执行任务。 实现任务队列、失败重试机制、异常自动重启。 所有操作记录详尽日志，支持错误通知、执行结果邮件/钉钉推送。 5. 数据存储与接口输出 支持多种存储方式： 本地 CSV/JSON 数据库：MySQL / MongoDB / Redis 提供 API 接口服务，供前端页面、管理后台、分析平台调用使用。 6. 配置化与扩展性 所有任务脚本配置化，支持快速添加新站点或新逻辑模块。 核心代码模块解耦，便于多人协作与后期维护。 可作为基础平台用于衍生业务，如舆情监测、内容聚合、竞品分析等。