掌握 Python 数据处理、办公自动化、网页数据采集、AI 应用开发和基础机器学习/深度学习项目开发。

熟悉技术：
1. Python 基础开发：脚本编写、文件批处理、自动化工具开发
2. 数据处理：pandas、NumPy、openpyxl、CSV/Excel 数据清洗与统计
3. 文档处理：PDF/Word 内容提取、批量转换、自动生成报告
4. 网页数据采集：requests、BeautifulSoup、Selenium/Playwright，公开网页数据采集与整理
5. 数据可视化：matplotlib、seaborn、pyecharts，图表生成与实验数据可视化
6. AI 应用：Dify、Coze、LangChain/RAG、AI 知识库、文档问答机器人
7. 模型调用：OpenAI API、DeepSeek API、通义千问/Qwen 等大模型接口调用
8. 机器学习：scikit-learn，分类、回归、聚类等基础任务
9. 深度学习：PyTorch，了解 CNN、Transformer、目标检测等常见模型
10. 计算机视觉：OpenCV、YOLO，图片分类、目标检测、结果可视化
11. Web 后端：FastAPI、Flask，接口开发与简单后台服务
12. 简单前端/演示工具：Streamlit、Gradio，快速搭建可交互 demo
13. 数据库：SQLite、MySQL 基础使用
14. 部署工具：Git、Docker 基础，Linux 服务器基础操作

构建过一套电子病历质控数据与规则的分析工作集，由一份病历质控明细数据集和两份相互配套的质控规则表组成。数据集记录了质控人员在病历中发现并标注的问题（涵盖近万份病历文书、上万条质控问题），已完成清洗与字段解码，每份文书可对应一条或多条质控问题。规则表是质控评分所依据的完整条目库（百余条），按"是否在数据中实际出现过"拆分为两部分，并附人工可用性标注。数据集与规则表通过规则编号和病历类别相互关联，可配套使用。项目的核心目标之一，是处理那部分仅有文字描述、尚未映射到现有规则的问题——即从质控自由文本中归类，进而扩充或改写规则库。