在课程项目中担任算法负责人，围绕可穿戴设备采集的心电信号设计分类流程，完成带通滤波去噪、滑动分窗与统计特征构造，并用PyTorch搭建一维卷积分类模型。与两位组员分工完成数据清洗和交叉验证评估脚本，在约两千条标注样本上对比时域特征、频域特征与端到端卷积三种方案，通过调整卷积核尺寸与正则化参数优化模型，使F1由0.78提升至0.86，并输出完整实验报告与误判样本误差分析。

作为核心成员参与文本岗位匹配模型实验项目，基于Python与深度学习框架完成文本向量化与相似度建模，构建数据预处理、训练与评估流水线，系统记录不同学习率、批大小与正则强度下的指标变化，并用脚本固化实验配置以保证可复现。与同学讨论误判样本原因，补充类别不平衡处理与负采样策略，在课程提供的标注样本上使验证集准确率由81%提升至88%，整理实验报告用于课程展示并总结模型优化经验。