课程项目，目标是给简历文本与岗位JD打匹配分。我负责特征抽取与评分流程：用TF-IDF与向量相似度构建初版模型，在课程提供的800条标注样本上测试，与组员一起制定标注规则并复盘误判案例；用Python实现数据清洗与批量评估脚本，输出对比报告，为后续引入语义模型提供基线参考。后续我补充了基于预训练模型的语义相似度方案，在相同测试集上对比召回与排序指标，整理特征与阈值选择经验，形成可复用的评估流程文档。

个人实验项目，在公开小规模图像数据集上复现分类流程。我基于PyTorch完成数据增强、训练与验证集评估，系统记录不同学习率和批大小下的准确率与损失变化，在固定测试集上对比实验组结果；与同学交叉复核实验配置，输出实验报告和后续调优方向，锻炼了模型训练与结果分析能力。在此基础上尝试迁移学习与学习率调度策略，整理超参对比表并复现最优配置，形成可追溯的实验记录。