课程项目，针对公开化工过程数据集预测关键质量变量。我负责特征工程与建模，用Python完成缺失值插补、时序滑窗和相关性筛选，对比线性回归、随机森林与LSTM在课程划分验证集（约8000条样本）上的RMSE。与两名同学协作分工调参与报告撰写，最终随机森林基线较初始版本误差下降约12%，并输出可复现实验脚本。

个人项目，基于校园公开用电数据识别异常能耗模式。使用Python与PyTorch实现自编码器重构误差检测，对样本做归一化和滑动窗口处理后，在自建测试集（约1.2万条记录）上对比阈值法与孤立森林的召回表现。独立完成数据清洗、模型训练与可视化，整理误报案例并撰写复盘文档，为后续工业设备异常检测积累经验。