• 专业课程涵盖深度学习、机器学习、数据结构等，成绩优异，多门课程90+； • 参与学校组织的学术讲座与技术交流活动，拓宽专业视野。

• 协助团队进行深度学习模型的优化，参与图像识别模型的调优工作，通过调整超参数，使模型准确率提升了5%； • 负责数据预处理工作，清洗和标注图像数据5000+张，为模型训练提供高质量数据； • 参与团队技术讨论会议，学习并掌握了多种深度学习框架（如TensorFlow、PyTorch）的使用技巧，能够独立完成简单模型的搭建与训练。

• 参与自然语言处理相关项目，负责文本分类模型的训练与测试，在小规模数据集上实现了80%的分类准确率； • 协助团队进行算法优化，通过分析算法执行效率瓶颈，提出并实施了一种数据缓存策略，使算法运行速度提升了30%； • 学习并应用前沿的AI算法理论，如Transformer架构，为项目引入新的技术思路。

• 项目名称：基于深度学习的自动驾驶场景目标检测系统； • 担任角色：算法实现与优化； • 项目描述：参与构建自动驾驶场景下的目标检测模型，使用YOLO系列算法，在公开数据集上进行训练与测试。通过数据增强（如随机裁剪、旋转等）和模型微调（调整网络层数、通道数等），使模型在复杂路况下的检测准确率达到90%以上，召回率达到85%以上。同时，对模型进行轻量化处理，使其在嵌入式设备上的推理速度提升了20%，满足自动驾驶实时性要求。

• 项目名称：智能客服对话系统优化； • 担任角色：模型训练与评估； • 项目描述：针对智能客服对话系统，使用Transformer架构构建对话生成模型。收集并清洗客服对话数据10万+条，进行数据标注（意图分类、实体识别等）。在训练过程中，采用预训练-微调的策略，先在大规模通用语料上进行预训练，再在客服领域数据上进行微调。通过引入BLEU、ROUGE等评估指标，对模型生成的回复进行质量评估，不断优化模型参数，使模型在意图识别准确率达到95%，回复相关性提升30%。