1?！逗孟敫嬖V你》第二季多出來個帥哥。第一季很感人。
2?！秷D書館戰(zhàn)爭》，女主角跟《穿越時空的少女》有點像，很虎很可愛。男主角也很喜歡。很搞笑。
3?！恫襞c妖精》，后面幾集出現(xiàn)了另一個妖精帥哥，跟《吸血鬼騎士》里的玖蘭很像。
4。
《愛麗絲學園》，前幾集看不下去，后面越看越愛呀。
5?！侗压怼愤@個有點悲傷，帥哥眾多，但是有點逆后宮，而且偏歷史。
6?！恫试茋镎Z》大愛靜蘭啊，貌似也是逆后宮，帥哥眾多，但最后劇情太復雜了看不下去。。。
7?！堆黶s仆》這個也有一點2男1女的感覺，女主角性格很特別。
8?！稌L大人是女仆》，這個是經(jīng)典中的經(jīng)典啊，錐冰拓海太完美了啊，雖然一開始因為這個名字而不太想看，但是手欠看了一集就愛上了啊。
9《櫻蘭高校男公關部》這個也很出名。
10?！段覑勰鉨aby》，講的是一帥哥跟一個小蘿莉的親情故事，很治愈，也有愛情。
11?！睹勖鬯恰冯m然就2集，但是我感覺很好啊，男主角很酷的那種。
12?！赌凶痈咧猩娜粘！愤@個。。。不是少女動漫，但是很好玩啊，尤其第7集結(jié)尾，很搞笑。
13?！段灮鹬?，OVA一集，太感人了啊，最后哭的稀里嘩啦的。
跟《夏目友人帳》是一個作者。
[上聯(lián)]：稅收催發(fā)展 [下聯(lián)]：社會樂和諧 [上聯(lián)]：生財有道誠為本 [下聯(lián)]：納稅無私譽似金 [上聯(lián)]：民生遠景千鈞重 [下聯(lián)]：稅政新程萬里春 [上聯(lián)]：理財不忘春風意 [下聯(lián)]：納稅當存寸草心 [上聯(lián)]：稅收情系千秋業(yè) [下聯(lián)]：財政事關百姓家 [上聯(lián)]：和諧好創(chuàng)千秋業(yè) [下聯(lián)]：發(fā)展多憑兩稅功 [上聯(lián)]：恤商興業(yè)，方能裕課 [下聯(lián)]：克己奉公，自可正人 [上聯(lián)]：正隊伍，廉政生威昭日月 [下聯(lián)]：抓稅收，金徽煥彩映乾坤 [上聯(lián)]：依法征收，不貪不占心無愧 [下聯(lián)]：照章繳納，沒漏沒偷臉有光 [上聯(lián)]：萬言大法，治稅無私安社稷 [下聯(lián)]：兩袖清風，聚財有道惠民生 [上聯(lián)]：稅足財豐，為九域騰飛添翼 [下聯(lián)]：業(yè)興民樂，讓萬家富裕無疆 [上聯(lián)]：澍雨滋時，春水財源齊涌動 [下聯(lián)]：和風過處，稅花聯(lián)蕊共芬芳 [上聯(lián)]：憑信聚財，溪流百里成滄海 [下聯(lián)]：秉公執(zhí)法，稅活千行燦錦程 [上聯(lián)]：廣納神州稅，納稅謀求發(fā)展 [下聯(lián)]：匯聚天下財，聚財改善民生 [上聯(lián)]：廣辟稅源，引來活水三春潤 [下聯(lián)]：倍崇人本，送去和風百業(yè)昌 [上聯(lián)]：付出資金，須備存疑真證據(jù) [下聯(lián)]：索回貨票，已成納稅好公民 [上聯(lián)]：奉獻無私，稅花映照心花美 [下聯(lián)]：管征有道，廣水引來活水長 [上聯(lián)]：鼎峙三關，美景和諧商旅地 [下聯(lián)]：繁榮兩稅，新風浩蕩對聯(lián)城 [上聯(lián)]：德政惠民，稅苑新葩開兩朵 [下聯(lián)]：和風諧世，山城碩果綴千枝 [上聯(lián)]：秉誠納稅，稅聚細流盈廣水 [下聯(lián)]：依法聚財，財興大業(yè)淌銀川 [上聯(lián)]：可敬可親，納稅人是衣食父母 [下聯(lián)]：任勞任怨，稅務所作經(jīng)濟橋梁 [上聯(lián)]：各頂半邊天，兩稅堪稱金柱石 [下聯(lián)]：同興千載業(yè)，他年再上玉臺階 [上聯(lián)]：業(yè)主淘金，真金在誠信中閃亮 [下聯(lián)]：稅收載夢，好夢于和諧里延伸 [上聯(lián)]：稅作源，財作柱，江山方永固 [下聯(lián)]：誠為本，信為根，事業(yè)乃長青 [上聯(lián)]：攜大業(yè)騰飛，兩稅垂天舒健翼 [下聯(lián)]：向雄關跨越，一城拔地起宏圖 [上聯(lián)]：為社會和諧，真情化作分分稅 [下聯(lián)]：促城鄉(xiāng)發(fā)展，實干贏來路路財 [上聯(lián)]：處處集財，處處惠民，處處聚沙成塔 [下聯(lián)]：人人致富，人人交稅，人人飲水思源 [上聯(lián)]：廣水春榮，商系民生，創(chuàng)業(yè)商鋪春際筍 [下聯(lián)]：古城錦繡，稅昌財運，興邦稅政錦中花 [上聯(lián)]：開放榕江，破壁騰龍，投資客戶千帆入 [下聯(lián)]：和諧揭?guī)X，筑巢引鳳，納稅商家四海來 [上聯(lián)]：稅弘大業(yè)，財促小康，神農(nóng)架上云霞燦 [下聯(lián)]：心系千行，情融百姓，揚子江中魚水親 [上聯(lián)]：廣闊財源，地興百業(yè)，立異標新登虎榜 [下聯(lián)]：繁榮經(jīng)濟，稅活百行，超群拔萃占螯頭 [上聯(lián)]：展萬里山河，盛世豪情，紛呈民眾和諧愿 [下聯(lián)]：免千年賦稅，農(nóng)家樂事，看盡田園錦繡風 [上聯(lián)]：小康源活水，廣聚溪流，稅納寶盆添富裕 [下聯(lián)]：大業(yè)靠強基，高夯堤壩，法依金軌促和諧 [上聯(lián)]：十五年風雨，兩稅定天，萬代根基撐砥柱 [下聯(lián)]：三千里河山，九州生色，八方盛世駐和諧 [上聯(lián)]：收稅秉公心，納稅見誠心，心心互印和諧曲 [下聯(lián)]：生財行正道，聚財開大道，道道相通發(fā)展篇 [上聯(lián)]：取于民，用于民，福祉同謀，千溪活水盈滄海 [下聯(lián)]：征以法，納以法，和諧共建，一片冰心在玉壺 [上聯(lián)]：征者依規(guī)，納者遵章，征納獻丹心，和諧共活一池水 [下聯(lián)]：謹于執(zhí)法，嚴于律己，謹嚴興大業(yè)，誠信同迎兩稅春
中國財政收入中煙酒稅占近3%吧。其中：煙草占了0.9%。主要是指稅收，稅收占財政收入95%以上。
除了升級主城，擴建城區(qū)之外占領系統(tǒng)城池城區(qū)和多開分城是獲取高額稅收的一大頭。另外就是周六周日下午刷新出來的山寨也是另外一大銅錢的來源。
分城的中心是一塊六級地的話，還可以在分城建筑里面建造錢莊，進一步增加稅收收入
進入網(wǎng)上地稅的辦稅大廳—點擊申報查詢—輸入您要查詢的月份—點擊確定就可以看到并打印你所查詢的報表了。
稅收具備強制性、無償性和相對固定性三個基本特征。稅收的強制性指在國家稅法規(guī)定的范圍內(nèi)，任何單位和個人都必須依法納稅，否則就要受到法律的制裁。稅收的無償性指國家征稅以后納稅人交納的實物或貨幣隨之就轉(zhuǎn)變?yōu)閲宜?，不需要立即付給納稅人以任何報酬，也不再直接返還給納稅人。稅收的相對固定性指國家在征稅以前，就通過法律形式，把每種稅的納稅人、課稅對象及征收比例等都規(guī)定下來，以便征納雙方共同遵守。三個特征，是缺一不可的，是稅收與公債、規(guī)費、罰沒和財政發(fā)行等各種財政分配形式區(qū)別的標志。 具有強制性無償性固定性
之前看了Mahout官方示例 20news 的調(diào)用實現(xiàn)；于是想根據(jù)示例的流程實現(xiàn)其他例子。網(wǎng)上看到了一個關于天氣適不適合打羽毛球的例子。
訓練數(shù)據(jù)：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
檢測數(shù)據(jù)：
sunny，hot，high，weak
結(jié)果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代碼調(diào)用Mahout的工具類實現(xiàn)分類。
基本思想：
1. 構造分類數(shù)據(jù)。
2. 使用Mahout工具類進行訓練，得到訓練模型。
3。將要檢測數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對vector數(shù)據(jù)進行分類。
接下來貼下我的代碼實現(xiàn)=》
1. 構造分類數(shù)據(jù)：
在hdfs主要創(chuàng)建一個文件夾路徑 /zhoujainfeng/playtennis/input 并將分類文件夾 no 和 yes 的數(shù)據(jù)傳到hdfs上面。
數(shù)據(jù)文件格式，如D1文件內(nèi)容： Sunny Hot High Weak
2. 使用Mahout工具類進行訓練，得到訓練模型。
3。將要檢測數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對vector數(shù)據(jù)進行分類。
這三步，代碼我就一次全貼出來；主要是兩個類 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 測試代碼
*/
public static void main(String[] args) {
//將訓練數(shù)據(jù)轉(zhuǎn)換成 vector數(shù)據(jù)
makeTrainVector();
//產(chǎn)生訓練模型
makeModel(false);
//測試檢測數(shù)據(jù)
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//將測試數(shù)據(jù)轉(zhuǎn)換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失?。?#34;);
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉(zhuǎn)換成向量失?。?#34;);
System.out.println(2);
}
}
public static void makeTrainVector(){
//將測試數(shù)據(jù)轉(zhuǎn)換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失?。?#34;);
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉(zhuǎn)換成向量失敗！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成訓練模型失敗！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("檢測數(shù)據(jù)構造成vectors初始化時報錯。。。。");
System.exit(4);
}
}
/**
* 加載字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加載df-count目錄下TermDoc頻率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1時表示總文檔數(shù)
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要從dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用貝葉斯算法開始分類,并提取得分最好的分類label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("檢測所屬類別是："+getCheckResult());
}
}
1. 請介紹一下WebGIS的概念和作用，以及在實際應用中的優(yōu)勢和挑戰(zhàn)。
WebGIS是一種基于Web技術的地理信息系統(tǒng)，通過將地理數(shù)據(jù)和功能以可視化的方式呈現(xiàn)在Web瀏覽器中，實現(xiàn)地理空間數(shù)據(jù)的共享和分析。它可以用于地圖瀏覽、空間查詢、地理分析等多種應用場景。WebGIS的優(yōu)勢包括易于訪問、跨平臺、實時更新、可定制性強等，但也面臨著數(shù)據(jù)安全性、性能優(yōu)化、用戶體驗等挑戰(zhàn)。
2. 請談談您在WebGIS開發(fā)方面的經(jīng)驗和技能。
我在WebGIS開發(fā)方面有豐富的經(jīng)驗和技能。我熟悉常用的WebGIS開發(fā)框架和工具，如ArcGIS API for JavaScript、Leaflet、OpenLayers等。我能夠使用HTML、CSS和JavaScript等前端技術進行地圖展示和交互設計，并能夠使用后端技術如Python、Java等進行地理數(shù)據(jù)處理和分析。我還具備數(shù)據(jù)庫管理和地理空間數(shù)據(jù)建模的能力，能夠設計和優(yōu)化WebGIS系統(tǒng)的架構。
3. 請描述一下您在以往項目中使用WebGIS解決的具體問題和取得的成果。
在以往的項目中，我使用WebGIS解決了許多具體問題并取得了顯著的成果。例如，在一次城市規(guī)劃項目中，我開發(fā)了一個基于WebGIS的交通流量分析系統(tǒng)，幫助規(guī)劃師們評估不同交通方案的效果。另外，在一次環(huán)境監(jiān)測項目中，我使用WebGIS技術實現(xiàn)了實時的空氣質(zhì)量監(jiān)測和預警系統(tǒng)，提供了準確的空氣質(zhì)量數(shù)據(jù)和可視化的分析結(jié)果，幫助政府和公眾做出相應的決策。
4. 請談談您對WebGIS未來發(fā)展的看法和期望。
我認為WebGIS在未來會繼續(xù)發(fā)展壯大。隨著云計算、大數(shù)據(jù)和人工智能等技術的不斷進步，WebGIS將能夠處理更大規(guī)模的地理數(shù)據(jù)、提供更豐富的地理分析功能，并與其他領域的技術進行深度融合。我期望未來的WebGIS能夠更加智能化、個性化，為用戶提供更好的地理信息服務，助力各行各業(yè)的決策和發(fā)展。
這塊您需要了解下stm32等單片機的基本編程和簡單的硬件設計，最好能夠了解模電和數(shù)電相關的知識更好，還有能夠會做操作系統(tǒng)，簡單的有ucos，freeRTOS等等。最好能夠使用PCB畫圖軟件以及keil4等軟件。希望對您能夠有用。
1.負責區(qū)域大客戶/行業(yè)客戶管理系統(tǒng)銷售拓展工作，并完成銷售流程；
2.維護關鍵客戶關系，與客戶決策者保持良好的溝通；
3.管理并帶領團隊完成完成年度銷售任務。
