
使用猪八戒APP
随时随地享服务
供应链风险预警AI人工智能AI监控全球**天气等
【AI工业质量控制】 【AI商业空间管理】 【AI住宅物业管理】 【AI公共设施维护】 【智能矿山】 【AI电网能源】 【锂电智能制造】 【AI出行及交通管理】 【AI城市服务】 【AI环境保护】 【智慧诊疗】 【智慧就医】 【智慧医学科研】 【智慧医疗云】
¥100 查看详情
核心业务系统风险管理软件城市管理电子**系统
-- Android安卓app开发定制 我们拥有杰出的安卓APP研发团队,可根据您的需求定制各类安卓APP,我们致力于为您提供高品质的一站式安卓APP开发解决方案,主力您的智能生活-- iOS苹果app开发定制 针对主流iphone、ipad等平台设备,实行原生APP定制开发。基于Apple的CocoaTouch框架,采用MVC的设计模式
¥100 查看详情
核心业务系统风险管理软件城市管理电子**系统
-- Android安卓app开发定制 我们拥有杰出的安卓APP研发团队,可根据您的需求定制各类安卓APP,我们致力于为您提供高品质的一站式安卓APP开发解决方案,主力您的智能生活-- iOS苹果app开发定制 针对主流iphone、ipad等平台设备,实行原生APP定制开发。基于Apple的CocoaTouch框架,采用MVC的设计模式
¥100 查看详情
低成本问卷调查需求
需求背景:现因业务发展需要,需开展一项问卷调查以获取相关数据。核心要求:完成一份符合研究目的的问卷调查,预算在500元以下。服务商要求:有丰富问卷调查经验,能高效、准确完成问卷设计、数据收集与分析工作的服务商优先。
需人才报价 查看详情
国企招标采购风险防控与案例分析培训PPT
· PPT主题:国企招标采购风险防控与案例分析以及工程总承包模式(EPC) · PPT用途:培训类 · PPT页数:50至60页(预计培训时长2小时) · 素材准备:附件中已有PPT文件需要涉及的培训内容范围和部分法律法规条文需整理 · 其他要求:培训内容需根据培训对象的特殊属性,即地方国有企业及其下属各分、子公司相关负责人,区别《招标投标法》以及《政府采购法》在国企招标采购中的不同适用情况分别进行阐述,可适当引用个别案例以加强培训效果;另外,还需要单独对工程总承包(EPC)模式的概念、前置条件、与施工总承包模式的差异进行简单介绍,并重点阐述EPC模式在招标采购中的注意事项。综上,对培训PPT主要要求为:重点要体现是对地方国有企业招标采购的针对性培训而并非对招标采购法和政府采购法相关条文的宣贯培训,要求图文应简明清晰、通俗易懂,严格控制PPT内容、培训范围以及培训时长,不应过于宽泛和冗长。
¥0 - 1000元 查看详情
解决京东商城线上网银支付风险检查失败问题
核心需求要点: 1.京东商城线上网银支付,每次支付均提示风险请求检查失败。 2.出现风险检查失败提示时,无其他具体错误代码或相关提示信息。期望达到的目标和效果: 成功解决京东商城线上网银支付风险检查失败的问题,使网银支付能正常进行。其他关键信息:价格好商量。
需人才报价 查看详情
土地违法侵占和安全风险智能识别
开发一款单机版软件小工具,上传土地现状图片后可以自动识别土地违法侵占和安全隐患,具体如下: 1.根据坐标圈出无人机图片中地块边界范围 2.识别边界范围内土地违法侵占和安全隐患情况 3.识别边界范围外周边环境情况 4.识别情况可以导出 备注:软件可以实现经授权后方可安装,授权时间可以自由设定
¥25000 查看详情
信息科技风险审计
· 其他要求:对信息系统开展风险调研,梳理完善内部系统地图,审计对象包括应用系统、网络设备、数据库等,偏向于技术风险梳理 · 行业类型:通讯行业 · 系统应用:企业经营管理系统
¥108000 查看详情
开发一款用于空气污染风险沟通的APP
一、需求 这款APP目的是探索智能手机应用在引导敏感人们规避有害空气污染暴露的可行性。 1. 通过图像分析为用户呈现PM2.5暴露信息 该功能分为两个内容: (1)根据用户所拍摄图像,为用户估算其所在位置的PM2.5浓度。对于部分(1)的实现,委托方会提供一个算法:该算法包括一套从图像中提取相关特征的计算算法,以及一个基于XGboost的模型权重文件,用以实时根据图像估测PM2.5浓度。该算法将会计算返回一个PM2.5浓度估计值,显示在用户界面上。 (2)对用户所拍摄的图像进行视觉分析,获取关于周边环境PM2.5浓度的一些环境相关信息(如场所的类型,图像中的机动车、路面、树木等)。并在照片进行标注,并且根据用户所处的场所类型进行提示,在图片中标注处机动车和路面排放大气污染物、树木吸附大气污染物的情景。 内容(2)可以进一步分为子模块①与②。对于内容(2)的两个子模块的实现,委托方目前提出了多种方案: ①识别用户所在的场所。第一个方案是使用在places365数据集上训练的模型来直接对用户当前所处的场所来做出判别。Places365是大规模的场景识别数据集,在该数据集上训练的模型拥有根据图像判断用户所处场所的能力。APP可以根据判断结果做一些提示,譬如:胡同/小巷——通风和卫生条件可能较差,建议注意防护;商业街——人群密集,建议注意防护,等等。模型的下载地址在https://github.com/CSAILVision/places365?tab=readme-ov-file。需要注意的一点是,对于模型输出结果,需要进行后处理。譬如,在places365上训练的模型能够细分出非常多的场景类型,但许多场景类型,如售票处、跑马场,是与PM2.5完全无关的。委托方只需要在识别出与PM2.5可能有关的场景类型(如工地、街道、商业区等)时给出提示即可。因此,如果采用第一个方案,则制作方需要帮助委托方将现成的开源模型部署在APP中,并且对APP输出进行后处理。第二个方案是使用国内外主流互联网企业提供的API服务(如百度的图像识别API、腾讯的图像标签API)。如华为、科大讯飞提供的图像识别API,似乎能够判断出用户所在的场景类型,从而实现①的功能。如果选择第二个方案,则制作方需要帮助委托方在APP中调用API,并且同样对API输出进行后处理。②标注出照片中与PM2.5浓度相关的要素(包括机动车、路面、植被、工地、吸烟者等等)。目前来说,第一个实现方案同样是使用国内外主流互联网企业提供的API服务(如百度的图像识别API、腾讯的图像标签API等。据我了解,https://aistore.stonedt.com/media/tag/all这家挺不错)。这些API往往有较强的图像识别能力,比如说:可以识别新能源和非新能源车牌、识别与PM2.5有关的行为要素(抽烟)等。当然,对于API输出结果需要进行后处理。譬如,通用的图像标签功能可能会将照片中的所有物体,如桌椅板凳全部标注出来,但是委托方只需要标注图像中与PM2.5有关的要素(如植被、车辆等)即可。如果选择第一个方案,则制作方需要帮助委托方在APP中调用API,并且同样对API输出进行后处理。 第二个实现方案是委托方寻找开源的语义分割/目标检测模型。如果采用第二个方案,则制作方需要帮助委托方将现成的开源模型部署在APP中。 (3)用户使用流程设想如下:用户打开app后,能看见摄像头对准的实时画面,随着用户点击屏幕中的“开始估算PM2.5浓度”按钮,app会抓拍视野内的照片。 抓拍完成后,app会完成两项内容:①为用户实时估算所在位置的PM2.5浓度。该算法将会计算返回一个PM2.5浓度估计值以及污染程度等级(如优/良/轻度/中度/重度),并显示在用户界面上。②对用户所拍摄的图像进行视觉分析,获取关于周边环境PM2.5浓度的环境相关信息(如场所的类型,图像中的机动车、路面、树木等)。并在照片进行标注,并且根据用户所处的场所类型进行提示,在图片中标注处机动车和路面排放大气污染物、树木吸附大气污染物的情景。 2. PM2.5估测的校正 在应对复杂的真实情境时,委托方提供的PM2.5估测模型预测可能会产生误差。因此,委托方还希望能够根据附近监测站点数据进行校正。 具体而言,APP还会通过GPS定位以收集手机用户的空间位置,并且就用户手机与最邻近站点的实时PM2.5浓度数据进行匹配。当模型预测结果与最邻近站点的PM2.5浓度相差大于15微克每立方米时,则不对用户输出模型的预测值,而改为进行如下输出: (1)获得最邻近站点的监测数据,在该数据的基础上增加一个随机数值。随机数值的范围为2~10。这是根据委托方收集数据时经验制定的:通常,在街道上进行实测,得到的数值会略高于监测站点报告的数值。 (2)根据内容(2)提供的一些信息,对数值进行修正。譬如:当图像中的场景为公园或者住宅区时(这些地方通常植被茂密),则下调输出给用户的PM2.5数据。而当图像中的车辆较多(譬如,识别出的车辆超过某个阈值),则进一步上调输出给用户的PM2.5数据。并且给出提示或者警告(如:车辆较多,建议远离/植被茂密,适合停留等)。具体的方案取决于我们最后选择的API/模型可以识别出图像中的多少元素。 3. 健康建议的推送 委托方希望制作方能够提供两个版本的APP:一个版本会为用户提供推送健康建议。另外一个版本则不会为用户推送健康建议。 (3)APP会为用户定时,或者在特定时机(比如说:拍摄到某些东西时),进行健康建议推送。体的方案取决于我们最后选择的API/部署的模型可以识别出图像中的多少元素。 4. 用户位置动态 在用户许可的条件下,持续动态(比如每隔30分钟)收集手机用户的空间位置。
¥30000 查看详情
基于交通大数据的事故预测与动态风险评估
描述: 该系统基于交通流量、历史事故数据、天气等大数据,通过机器学习模型预测交通事故的发生概率,评估不同路段的交通安全风险,帮助城市规划和交通管理部门采取预防措施。技术栈: Python, Spark, Hadoop, TensorFlow/PyTorch (事故预测), Kafka, GIS, Flask/Django。 预想技术路线:数据预处理使用Python的pandas、numpy等库对采集到的数据进行清洗、转换和预处理,然后利用Hadoop和Spark进行数据存储和分布式计算。然后模型构建:运用TensorFlow或PyTorch搭建机器学习模型,如决策树、随机森林、神经网络等,对交通事故发生概率进行预测。保证数据流的数据传输与实时性处理,采用Kafka实现数据的实时传输和处理,以便及时更新交通数据和预测结果。最终形成一个结果展示:通过GIS技术将交通数据和预测结果进行可视化展示,再使用Flask或Django搭建Web应用,将系统的分析结果呈现出来。
¥2000 查看详情
火箭总体设计风险识别论证测试Matlab制导编写
一对一定制原理图设计、电路图设计、PCB 板设计、测试板生产、功能性测试、稳定性测试、单片机设计等,专注于为单位、高校、科研机构、行业头部企业提供深度、高效、高质、持续的硬件定制研发技术服务。
¥100 查看详情
**核心业务系统风险管理软件城市管理电子政务系统
-- Android安卓app开发定制 我们拥有杰出的安卓APP研发团队,可根据您的需求定制各类安卓APP,我们致力于为您提供高品质的一站式安卓APP开发解决方案,主力您的智能生活-- iOS苹果app开发定制 针对主流iphone、ipad等平台设备,实行原生APP定制开发。基于Apple的CocoaTouch框架,采用M*C的设计模式
¥100 查看详情
需要银行服务,协助办信贷(非担保,无风险
任务描述:本人通过中介申请了一笔装修信贷,额度、利息和还款期限已经审批下来了,但是提款时因为个人负债较高,银行风控系统拒绝放款到本人名下的账户,所以需要一个信用良好的伙伴提供一个银行账户协助放款(即银行将款放到你的卡里,你再将款项打给我,你可以先扣除佣金) 风险承诺:和中介的客服经理反复确认了对于你没有任何风险,不涉及担保责任。首先信贷合同是我和银行双方之间签订,信贷只记录在我个人征信名下,全程不需要你签字、刷脸或进行任何有风险的事情,后续还款也是我独立完成并负全责 对你的期望: ** 仅限北京,因为需要线下办理;成功办理的情况下仅需一人 1. 个人信用良好(没有逾期,没有高负债),需要打印征信报告 2. 在北京有稳定的工作,社保公积金半年内正常缴纳(公积金个缴在1000以上) 3. 需要在工作日请假,线下和我一起办理(预计需要请半天至一天的假,当天完成全部流程,办理成功即刻结算,线下参与后如果不是你的原因未办理成功,我可付你200元补贴) 4. 感兴趣随时联系,可详细介绍
需人才报价 查看详情