程序聚合 软件案例 Live Edu Online - 国际在线教育平台

Live Edu Online - 国际在线教育平台

2026-04-12 23:19:27
行业:在线教育、企业内部管理
载体:网站
技术:Java、Spring Boot、Scrum

业务和功能介绍

Live Edu Online 是一个面向国际市场的在线教育平台,提供完整的在线教育解决方案。平台支持多种课程类型(录播课程、直播课程、1对1辅导、专题讲座),具备完善的社区论坛、会员体系、积分系统和学习进度跟踪功能。
核心特点
🌍 国际化支持:完整的中英文双语界面
📚 多元化课程:支持录播、直播、1对1等多种教学模式
💬 社区论坛:师生互动,话题讨论,知识分享
🎁 会员体系:多层级会员权益,积分兑换系统
📊 学习分析:详细的学习进度跟踪和数据分析
🔐 权限管理:完善的用户权限和课程访问控制
🎨 现代化UI:基于 Tailwind CSS 的响应式设计

项目实现

基于springboot+mybatis+mysql

后端技术
技术 版本 说明
Spring Boot 3.2.0 应用框架
MyBatis Flex 1.10.9 ORM框架
MySQL 8.0.33 数据库
JWT 4.4.0 认证鉴权
Hutool 5.8.25 工具库
Druid 1.2.18 数据库连接池
Apache POI 5.3.0 Excel处理
Spring Security 3.2.0 安全框架
Mail 3.2.0 邮件服务


第三方服务
阿里云OSS:对象存储服务
阿里云VOD:视频点播服务
环信SDK:即时通讯
Agora:实时音视频通信

示例图片视频


皮哥的信念
1天前活跃
方向: 后端-Java、项目经理-项目经理、
交付率:100.00%
相似推荐
医疗大屏改造项目-医疗信息平台
系统为医疗数据可视化大屏,通过下拉选择器可切换不同数据维度展示页面,实现多场景、多主题的数据监控与分析。主要功能包括: 1. 展示全国年度出院量趋势变化,通过折线图直观呈现多年数据走势; 2. 以地图形式展示 2024 年全国各省份出院人次分布,便于地域数据对比; 3. 统计并展示不同医疗机构类型的出院人次占比,清晰呈现机构服务结构; 4. 分析出院人群的性别、年龄结构,结合老年人口占比形成患者画像; 5. 各模块均支持数据可视化图表展示,包含折线图、地图、饼图、柱状图等; 6. 整体采用深色专业主题,布局规整清晰,适用于数据汇报、运营监控等场景。 7. 各个图表配置了合适的动态展示效果(演示地址:http://47.101.153.3:9007)
基于深度学习健康管理系统
① 慢性病风险预测: 基于用户健康数据,使用神经网络模型预测未来患糖尿病、高血压等慢性病的风险。 ② 健康年龄计算: 通过FT-Transformer 模型,计算用户的生物年龄(健康年龄),直观反映身体老化状况。 ③ 亚健康状态评估: 通过问卷与活动数据,使用聚类算法+神经网络模型对用户的亚健康状态进行分类与评分。 ① 睡眠阶段分析: 基于智能手环的心率、体动数据,使用深度学习模型1D-CNN + Transformer对用户的睡眠阶段进行精准分期。 ② 异常心律筛查: 对连续心率数据进行监控,使用异常检测算法或深度学习模型自动筛查可能的心律不齐事件,并发出预警。 ③ 运动模式识别与能耗估算: 利用设备加速度计等传感器数据,通过深度学习模型识别用户运动类型(如走路、跑步),并精确计算热量消耗。 ④ 长期健康趋势分析: 对用户长期的静息心率、步数等数据进行时间序列分析,发现周期性规律和长期变化趋势。 ① 症状自查器: 用户通过勾选症状或输入文本描述自身状况。 ② 疾病智能预测: 基于深度学习模型Feature Tokenizer Transformer(FT-Transformer),对输入的症状进行分析,输出可能的疾病及概率。 ③ AI健康助手: 集成大语言模型API,为预测结果提供人性化的护理建议与就医警示。 ④ 自查历史记录: 记录并展示用户历次的健康自查记录。 ① 智能饮食推荐: 基于用户身体指标与健康目标,使用推荐算法生成个性化食谱。 ② 自适应运动计划: 根据用户体能和目标生成并动态调整运动计划。 ③ 健康习惯追踪与提醒: 提供服药、饮水、久坐等智能提醒功能。 ④ 睡眠改善方案: 针对睡眠问题,提供个性化的改善建议。
医疗器械租赁/售卖平台
背景:跟医院合作租赁或售卖医疗设备,主要面向全瘫或半瘫老年人,辅助治疗同时收集老人的医疗数据 1、有个运营后台,可以管理设备的上下架,以及促销活动设置 2、微信小程序可以进行租赁或购买设备
医疗保险欺诈识别检测系统
医疗保险欺诈识别检测系统,主要面向医保基金监管场景,针对医保报销、就诊记录、药品使用、诊疗项目、参保人员行为等数据进行分析,识别可能存在的异常报销和欺诈行为,辅助监管部门、医院或医保管理机构提高医保基金使用的安全性和透明度。 在实际业务中,医疗保险欺诈通常表现为以下几类问题: 虚假报销:伪造就诊记录、药品清单或医疗费用进行报销。 过度医疗:开具不必要的检查、治疗或高价药品,提高报销金额。 重复报销:同一医疗行为或费用在不同渠道重复申报。 冒名就医:参保人身份被冒用,套取医保基金。 异常诊疗行为:医疗机构或个人在短时间内出现不合理的高频就诊、高额用药、集中开单等情况。 该系统的核心业务目标是: 对医保业务数据进行统一采集、清洗和整合; 基于规则分析与机器学习模型识别高风险欺诈样本; 对高风险记录进行预警、分类和可视化展示; 为医保监管人员提供决策支持,提升欺诈识别效率,减少人工审核压力。
病案管理系统
为配合实现全院无纸化,病案科也要实现病案无纸化归档,无纸化系统需要对接很多医院的业务系统,实现病历的归档,例 如:his,lis,手麻,心电等等,系统为了对接各种系统,研究定制了多种对接方案,比如单机系统采用虚拟打印方式,有 些系统采用http接口方式推送病历文档,有些采用ftp共享文档的方式拉取病历文档,收集完成的病历文档,在归档时生成患 者病案,再通过与CA系统的交互完成电子签名,进行保存。 项目运用了vue,springboot,Tomcat,redis,mysql等
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服