在课程项目中围绕公开轴承振动数据集完成异常识别，负责时域与频域特征提取、模型对比与结果复核，使用Python、scikit-learn与Flask搭建可交互演示页面，并与两名同学分工数据清洗和实验记录。在固定划分的测试集（约20%样本）上，对比基线模型使F1提升约8个百分点，整理误差分析与可复用特征处理流程，为后续工业场景建模积累经验。

个人项目面向实验室设备日志做轻量数据看板，独立完成后端FastAPI与SQLite聚合接口、前端Vue趋势展示与筛选交互，并补充接口文档与部署说明。自测采用本地构造的500条模拟日志，接口平均响应约120毫秒；根据同学试用反馈优化筛选条件与页面加载体验，形成从数据接入到可视化呈现的完整全栈实践。