在大学期间，系统学习了计算机相关课程，如编程语言（C、Java 等）、数据结构、算法设计等，具备扎实的理论基础。通过参与学校组织的编程竞赛和项目实践，锻炼了自己的逻辑思维和问题解决能力。

• 负责图像数据标注工作，主要针对自动驾驶领域的图像，包括道路标识、车辆、行人等目标的标注。
• 熟练使用标注工具（如 LabelImg），按照项目要求的标注规范进行精确标注，标注准确率达到 98%以上。
• 每月标注图像数量超过 5000 张，且能够按时完成任务，从未出现延误情况。
• 与项目团队保持良好沟通，及时反馈标注过程中遇到的问题，如数据模糊、标注规则不明确等，并协助团队优化标注流程。

• 参与文本数据标注项目，主要是对电商平台的商品评论进行情感分析标注（正面、负面、中性）。
• 制定了一套高效的文本标注方法，通过关键词匹配和语义理解相结合，提高标注效率。平均每天标注文本数量达到 2000 条，且标注质量高，错误率低于 2%。
• 对标注后的数据进行初步统计分析，如不同情感标签的分布情况，为后续的数据分析和模型训练提供有价值的参考。
• 定期参加公司组织的数据标注培训课程，不断提升自己的标注技能和对不同领域数据的理解能力。

• 项目名称：自动驾驶图像标注项目
• 项目背景：为某自动驾驶公司提供图像数据标注，用于训练其自动驾驶模型。
• 担任角色：图像标注员
• 项目内容：
  • 负责对采集的道路图像进行标注，包括车辆、行人、交通标志等目标的边界框标注和分类标注。
  • 严格按照项目制定的标注规范进行操作，确保标注的准确性和一致性。
  • 与团队成员协作，共同完成每月 10000 张图像的标注任务。
• 项目成果：标注的数据被自动驾驶公司采用，用于模型训练，模型在实际测试中的目标检测准确率提高了 5%。

• 项目名称：电商评论情感分析标注项目
• 项目背景：为某电商平台提供商品评论情感分析标注数据，用于优化其用户评价系统。
• 担任角色：文本标注员
• 项目内容：
  • 对海量的电商商品评论进行情感分析标注，分为正面、负面、中性三种情感标签。
  • 建立了一套标注标准和流程，确保标注的一致性和准确性。
  • 采用批量标注和抽样检查相结合的方式，提高标注效率和质量。
• 项目成果：标注的数据为电商平台的情感分析模型提供了高质量的训练数据，模型的情感分类准确率达到 85%以上。