在校期间，系统学习了计算机科学与技术专业的核心课程，包括《算法设计与分析》《机器学习》《深度学习》等。通过课程项目和实验，积累了扎实的理论基础和实践经验。参与了导师的科研项目，负责数据处理和算法优化部分，锻炼了团队协作和问题解决能力。

在公司主要负责深度学习相关算法的研发工作。参与了多个项目的算法设计与优化，如基于深度学习的图像识别项目。带领团队对模型进行调优，使识别准确率从85%提升至92%。负责与产品团队沟通需求，将业务需求转化为算法解决方案。建立了算法评估体系，定期对算法性能进行评估和分析。

在字节跳动任职期间，主导了多个深度学习项目的研发。负责自然语言处理方向的算法研发，如文本分类、情感分析等。带领团队开发了新的文本分类模型，在公开数据集上取得了优异成绩，准确率达到95%以上。与跨部门团队合作，将算法应用于实际产品中，提升了产品的用户体验。优化了算法的推理速度，使模型在移动端的响应时间缩短了30%。

该项目是一个基于深度学习的图像识别系统，用于识别不同种类的花卉。我在项目中担任算法负责人，负责算法的设计与优化。首先对大量花卉图像进行数据预处理，包括图像增强、归一化等操作。然后选择合适的深度学习模型，如ResNet，并进行参数调整和优化。通过多次实验和调优，使模型在测试集上的准确率达到90%以上。同时，对模型进行轻量化处理，使其能够在移动端设备上快速运行。

此项目为自然语言处理中的文本情感分析项目。我带领团队进行算法研发，首先对大量文本数据进行标注和清洗。然后尝试了多种深度学习模型，如LSTM、GRU等，并结合注意力机制进行优化。通过对比实验，选择最优模型，并在实际应用中不断调整参数。最终，模型在测试集上的情感分类准确率达到93%，能够准确识别用户文本中的情感倾向，为产品的用户反馈分析提供了有力支持。