课程项目，目标是给简历文本与岗位JD做匹配打分。我负责特征抽取与建模，用TF-IDF和向量相似度生成初版评分，并组织3人小组标注200条样本。在课程测试集上，Top-3匹配准确率约0.72，误判案例已整理成复盘文档。后续尝试引入词向量特征，准确率提升至0.75，并完成项目报告撰写。项目让我熟悉了文本特征工程与相似度计算，为推荐系统召回阶段打下基础。

个人实验项目，基于PyTorch对比不同数据增强与学习率设置对分类效果的影响。我负责训练脚本、验证集评估和实验记录，完成12组对照实验。在公开小样本测试集上，最优配置的准确率约0.86，实验报告已输出后续优化方向。同时将实验流程整理为可复用模板，便于后续快速迭代。通过该项目，我掌握了PyTorch训练流程与超参数调优方法，并锻炼了实验设计与分析能力。