在课程项目中负责语义通信场景下的信道估计与信号恢复模块，使用Python与PyTorch搭建卷积神经网络，将导频序列与接收信号联合建模。通过引入残差连接与注意力机制，在自建仿真数据集上对比最小二乘与线性插值基线，归一化均方误差降低约18%，推理耗时控制在每帧12毫秒以内。组织4人小组完成数据生成、训练调参与消融实验，输出特征可视化与误差归因报告，并据此提出导频密度优化建议，为后续语义编解码联合优化提供可复用实验框架。

针对简历与岗位JD匹配任务，负责特征抽取与相似度评分模块，使用Python和scikit-learn实现TF-IDF与余弦相似度，并引入词向量加权与技能词典匹配策略。在200份人工标注样本上评估，Top-3匹配准确率由基线65%提升至约78%，误判案例经归因分析后形成特征优化清单。同时组织3人小组制定标注规则，统一边界样本判定口径，协助撰写实验报告并复现全部指标，为后续引入轻量语义模型提供数据与流程基础。