课程项目，目标是为招聘文本与岗位JD做初步匹配评分。我负责特征抽取与建模：用jieba分词结合TF-IDF构建文本向量，再以余弦相似度输出匹配分，并在约500条课程标注样本上做验证。为降低误判，我整理标注规则并与两名同学交叉复核，对错分案例逐条复盘。最终在课程测试集上准确率约78%，较规则基线提升约9个百分点。我同时负责代码整合与实验报告撰写，明确了同义词扩展和样本扩充两个后续方向。

个人实验项目，围绕小型图像分类任务验证数据增强与超参数影响。我基于PyTorch实现随机裁剪、翻转等增强策略，搭建训练与验证循环，并系统记录不同学习率、批大小下的损失与准确率变化。实验在本地单卡环境、约1万张公开数据集子集上完成，共跑通约20组配置；结果显示适度增强使验证集准确率提升约4个百分点。我负责实验脚本编写、结果可视化与报告整理，并归纳出学习率过大导致震荡、批大小过小影响稳定性的观察，作为后续优化依据。