课程项目，构建简历文本与岗位JD的匹配评分流程。负责文本清洗、TF-IDF特征抽取和余弦相似度计算，并制定样本标注规则。与两名同学协作完成200份模拟简历的交叉验证，在测试集上匹配准确率约78%。通过误判案例复盘，补充技能词权重和同义词映射，优化后准确率提升至84%，并将评分流程整理为可复用脚本，供小组后续实验直接调用。

个人实验项目，基于PyTorch完成CIFAR-10图像分类。负责数据增强、模型训练和验证集评估，对比不同学习率与批大小下的损失变化。使用ResNet-18在验证集上取得约91%的准确率，并记录过拟合现象。输出实验报告，提出引入早停和权重衰减的后续优化方向，同时整理训练日志与可视化曲线，便于复现和对比不同超参数组合的效果。