『天空。』的案例列表
考培系统
该考培系统分为管理端与用户端，管理端支持用户、题库、试卷、考核、培训课程（PDF、视频、直播）及报名等全流程管理；用户端可参与考核、练习、观看课程、管理收藏错题及好友等。我作为核心开发，负责前后端架构设计与核心模块开发，包括管理端权限控制、课程管理、题库组卷，以及用户端交互功能实现，保障系统稳定运行与用户体验。
机器学习-预测模型
结合LSTM-Transformer混合模型，利用LSTM捕捉药品销售的时间依赖性（如季节波动、历史趋势），并通过Transformer的多头注意力机制整合多变量特征（如天气、政策、患者类型等）构建多维度销量预测模型，输出可视化分析报表，为生产排期与库存策略提供数据支撑。
机器学习-预测模型
结合LSTM-Transformer混合模型，利用LSTM捕捉药品销售的时间依赖性（如季节波动、历史趋势），并通过Transformer的多头注意力机制整合多变量特征（如天气、政策、患者类型等）构建多维度销量预测模型，输出可视化分析报表，为生产排期与库存策略提供数据支撑。
案例判断参考
『天空。』的案例列表
考培系统
该考培系统分为管理端与用户端，管理端支持用户、题库、试卷、考核、培训课程（PDF、视频、直播）及报名等全流程管理；用户端可参与考核、练习、观看课程、管理收藏错题及好友等。我作为核心开发，负责前后端架构设计与核心模块开发，包括管理端权限控制、课程管理、题库组卷，以及用户端交互功能实现，保障系统稳定运行与用户体验。...
机器学习-预测模型
结合LSTM-Transformer混合模型，利用LSTM捕捉药品销售的时间依赖性（如季节波动、历史趋势），并通过Transformer的多头注意力机制整合多变量特征（如天气、政策、患者类型等）构建多维度销量预测模型，输出可视化分析报表，为生产排期与库存策略提供数据支撑。...
机器学习-预测模型
结合LSTM-Transformer混合模型，利用LSTM捕捉药品销售的时间依赖性（如季节波动、历史趋势），并通过Transformer的多头注意力机制整合多变量特征（如天气、政策、患者类型等）构建多维度销量预测模型，输出可视化分析报表，为生产排期与库存策略提供数据支撑。...
