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、TF-IDF与句向量相似度构造特征，再训练逻辑回归做初版排序。与两位同学分工标注300条样本并制定标注规则，在留出验证集（150条）上对比不同特征组合，准确率约0.81。输出实验报告，复盘了同义表述与长度偏差导致的误判。

个人实验项目，基于PyTorch在CIFAR-10子集上复现ResNet-18训练流程。我负责数据增强、学习率与批大小对比实验，记录每轮验证集准确率与损失曲线，并做随机种子重复测试。在固定划分的验证集（5000张）上，最佳配置准确率约0.91，较基线提升约4个百分点。整理实验记录与后续优化方向，如标签平滑和更强增强策略。