课程项目，目标是给简历文本与岗位JD做粗粒度匹配打分。我负责特征抽取与相似度计算，用Python、scikit-learn实现TF-IDF与余弦相似度，并尝试Sentence-BERT向量做对比；与两名同学分工标注120条样本、复盘误判案例。在课程自建测试集（120条人工标注）上，Top-3命中率由基线58%提升至76%，报告被选为课堂展示案例。

个人实验项目，基于PyTorch在CIFAR-10子集上复现ResNet-18训练流程，负责数据增强、学习率与批大小对比实验，并记录验证集准确率变化；与同学讨论过拟合现象与正则化策略。在本地单卡环境、5次重复实验下，最优配置验证集准确率约83%，波动±1.2%；输出实验报告并整理后续优化方向。