课程《机器学习》综合项目，目标是区分正常与异常流量文本。我组织3人小组完成数据标注规范、分词与TF-IDF特征工程，对比朴素贝叶斯、SVM与TextCNN，用交叉验证选参并做错误分析。使用Python、scikit-learn与PyTorch，在课程提供的1.2万条标注样本上，TextCNN五折平均F1达0.89，较SVM基线提升约6个百分点，撰写实验报告并完成课堂答辩。

个人项目，针对本地生成的模拟日志做异常检测原型。我用Python构造滑动窗口与统计特征，训练自编码器与孤立森林，并实现简单的阈值告警与可视化页面。在自建的5千条模拟样本上，自编码器AUC约0.91，推理延迟单条低于10毫秒；同时整理数据生成脚本与README，便于后续替换真实数据继续验证。