数据分析系统

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

该软件具备多类功能模块。简历解析模块，能智能提取简历关键信息；面试问题库模块，支持自定义生成不同岗位面试问题；评分模块，可依据预设标准对面试者表现打分；还有面试记录与复盘模块，能完整记录面试过程并生成复盘报告，助力企业高效、规范开展面试工作，提升招聘精准度与管理水平。

1. 是个完整的机器学习应用落地项目 2. 后台实现了机器学习的多种算法 梯度提升机 (Gradient Boosting Machine)， I-BRT， SALP， RE-BET， 多层线性模型 (HLM)，AHP 层次分析法 3. 实现了模型管理的前后端 4. 实现了数据集管理的前后端 5. 统一的机器学习模型接口框架，可以接入不同的机器学习模型 6. 软件地址 https://github.com/9DemonFox/simpleLearning/blob/master/README.md

CSUF重建系统显著减少了迭代算法的超参数依赖。并且在仅使用 20 个投影的条件下，重建的 CT 图像的峰值信噪比（PSNR）和结构相似性指数（SSIM）出色可达 26 dB 和 0.85。实验结果表明，重建图像具有较好的视觉质量，能够满足临床诊断的需求。

使用zilliz向量数据库构建企业自己的私有知识库，对于常见的问题进行问答回复，问数图表，基于数据库中的数据生成对应的表格数据方便观察，使用langchain、langgraph等架构，对应聊天日志记录 向量数据查询、向量日志存储等功能