课程项目，目标是对污水处理模拟时序数据做短期指标预测。我负责特征工程与模型对比：用Pandas做缺失值插补和归一化，构造滑动窗口特征，在PyTorch中实现LSTM与GRU，并与随机森林、XGBoost基线对比。与两位同学协作完成数据标注和结果复核，在课程划分的验证集上，LSTM的RMSE较线性回归基线降低约两成，报告已提交课程评审。

个人项目，目的是练习文本特征与相似度计算。我收集公开岗位描述与示例简历文本，用jieba分词和TF-IDF抽取关键词，结合余弦相似度做初版匹配评分，并用PyTorch训练一个简单分类器区分匹配与不匹配样本。独立完成数据整理、训练和误差复盘，在自建小样本测试集上准确率约八成，主要误差来自同义表述，后续计划引入句向量改进。