课程项目中负责训练与部署链路：基于PyTorch做数据增强与迁移学习，记录不同学习率、批大小下的验证集指标；再将模型导出为ONNX并用量化工具压缩，在树莓派4B开发板上用自写C++推理程序测试单张耗时。与两名同学分工数据清洗和结果可视化，输出实验报告。在课程自建的三类样本集（共约1800张）上，量化后模型体积约为原模型三分之一，板端单张推理耗时由约120ms降至约70ms。

校园技术竞赛项目：为社团招新做简历与岗位描述的粗筛工具，负责TF-IDF特征抽取与余弦相似度打分，用Python实现批量处理脚本并做误判案例复盘，与队友约定标注规则后抽样评估。在人工标注的300条样本上，Top-3命中率约七成，误判主要集中在技能词同义表达；据此补充同义词表并整理成文档，作为后续改进方向提交给社团。