课程项目，目标是验证量子线路作为特征编码层对小型分类任务的影响。负责用Python与PennyLane构建变分量子线路，接入PyTorch训练流程，完成数据预处理与超参对比。与同组同学分工调试梯度计算与批训练逻辑，在课程自建数据集上重复3次实验，记录准确率与训练耗时，整理实验报告并总结可改进方向。为贴近量子AI算法工程师岗位要求，我进一步将量子编码层封装为可复用模块，对比不同线路深度与测量方式对收敛的影响。

个人项目，基于公开小型图像数据集复现卷积网络分类流程。使用PyTorch完成数据增强、学习率与批大小对比实验，借助TensorBoard记录损失与验证指标。在本地单卡环境下重复5组配置，比较不同优化器对收敛速度的影响，输出实验记录与调参小结，并整理成可复用的训练脚本模板。为对接量子AI算法工程师岗位，我额外梳理了训练全流程中的显存与吞吐瓶颈，尝试混合精度与梯度累积策略，形成调优清单。