课程项目，目标是给简历文本与岗位JD做匹配打分。我负责特征抽取流程：用jieba分词加TF-IDF构建文本向量，再以余弦相似度输出初版匹配分。与两名同学协作标注200条样本、制定判定规则，在留出集上统计误判案例并复盘，发现技能词权重不足后调整词典与停用词，匹配准确率由62%提升到74%（基于200条课程标注样本）。

个人实验项目，基于PyTorch在CIFAR-10子集上做图像分类。我负责数据增强、训练循环与验证集评估，记录学习率、批大小对准确率与收敛速度的影响，共跑约15组配置。与实验室同学讨论过拟合现象后加入Dropout与权重衰减，验证集准确率由71%提升到79%（单卡实验环境，5千张训练样本），并整理实验报告与后续优化方向。