课程项目，基于校园内容平台脱敏日志构建排序样本，负责特征工程与模型选型：融合用户历史点击序列、内容类别与时间衰减特征，对比LR、GBDT与双塔DIN结构；用固定时间切分的验证集评估AUC与GAUC，并做特征消融。与两名同学分工完成数据清洗与训练脚本，最终DIN变体在验证集上AUC较LR基线提升约2.1个百分点，报告记录了负采样比例对指标的影响。

个人项目，探索用序列生成思路做下一物品预测：在公开电商行为数据集上构造用户行为序列，基于PyTorch实现Transformer编码器与候选物品打分，加入位置编码与序列截断策略；在本地单卡环境按时间划分训练/验证集，用HR@10与NDCG@10评估，并与ItemCF、GRU4Rec基线对比。调参记录显示序列长度与温度系数对指标影响明显，最终HR@10较GRU4Rec基线提升约3个百分点，代码与实验日志已整理归档。