课程项目，构建简历文本与岗位JD的匹配评分流程。负责特征抽取与相似度计算，对比TF-IDF与Sentence-BERT效果，在自建500对标注样本上评估，准确率约78%。组织3人小组完成标注与误判复盘，输出匹配规则文档与可视化结果，并针对长文本截断问题提出分段编码优化思路。结合煤矿无人化开采岗位描述特点，尝试抽取安全规程与设备参数等实体，验证领域词表对匹配召回的提升。

个人实验项目，基于PyTorch完成图像分类训练与验证。负责数据增强、学习率与批大小对比实验，在CIFAR-10测试集上记录不同配置的准确率变化，最佳配置约88%。整理实验报告，分析过拟合现象并提出正则化与早停等优化方向，同时复现ResNet基线并对比训练耗时。后续将方法迁移至煤矿井下监控图像场景，验证小样本条件下的模型泛化能力。