在课程项目中负责晶圆缺陷图像分类的算法设计与实现：先用OpenCV完成去噪与对比度增强，再基于PyTorch搭建轻量CNN，加入翻转、裁剪等数据增强，并系统对比学习率与批大小对收敛的影响。与两名同学分工完成标注与调参，在自建约600张、含4类缺陷的验证集上记录准确率与混淆矩阵，定位误判集中的类别，输出完整实验报告并给出改进方向，为后续检测场景的模型迭代提供参考。

独立实现简历文本与岗位JD的匹配评分流程：用jieba分词与TF-IDF抽取关键词特征，结合余弦相似度计算匹配分，并设计规则对技能词加权，突出岗位核心要求。在自建120组简历-JD样本上人工核对排序结果，统计前3命中情况，整理误判案例并撰写优化思路，验证了特征加权对排序效果的提升，也加深了对文本建模与实验评估方法的理解。