• 系统学习了计算机科学与技术专业的核心课程，包括《机器学习》《深度学习》《数据结构与算法》等，平均绩点3.8（满分4.0），专业排名前10%。 • 参与学校组织的人工智能创新实践项目，独立完成图像识别算法的优化，识别准确率提升至95%。

• 参与公司核心产品的算法优化项目，负责数据预处理和特征工程模块。通过对海量用户行为数据的清洗和特征提取，构建了高效的特征向量，使模型训练速度提升30%。 • 协助算法团队进行模型调优，尝试多种优化策略（如学习率调整、正则化参数优化等），最终使模型在测试集上的准确率从82%提升至88%。 • 参与团队技术分享会，定期汇报工作进展和技术难点，与团队成员共同探讨解决方案，提升团队整体技术水平。

• 在实习期间，主导了一个小型推荐系统的开发项目。从需求分析到算法选型（采用协同过滤和深度学习相结合的方法），再到模型训练和上线部署，全程参与。该推荐系统上线后，用户点击率提升15%。 • 负责搭建算法实验平台，实现不同算法模型的快速迭代和对比测试。通过自动化测试框架，将模型测试周期从原来的3天缩短至1天，提高了算法研发效率。 • 与产品团队紧密合作，深入理解业务需求，将算法模型与业务场景相结合，为产品优化提供数据支持和算法建议。

• 项目名称：基于深度学习的图像分类系统 • 项目描述：该项目旨在构建一个高精度的图像分类模型，应用于电商平台的商品图片分类。

• 数据收集与预处理：收集了10万+张商品图片，通过数据增强（旋转、缩放、裁剪等）扩充数据集至20万张，提高模型的泛化能力。
• 模型选择与训练：采用ResNet-50作为基础模型，在ImageNet预训练模型上进行微调。通过调整超参数（学习率、batch size等），在验证集上实现了92%的准确率。
• 模型部署：将训练好的模型部署到线上服务器，通过Flask框架搭建API接口，实现了实时图像分类功能，响应时间小于100ms。

• 项目名称：智能客服对话机器人 • 项目描述：该项目致力于开发一个能够自动回答用户常见问题的对话机器人，提高客服效率。

• 数据标注与预处理：对历史客服对话数据进行标注，构建了包含5万+条问答对的数据集。通过文本清洗、分词、词性标注等预处理步骤，为模型训练做准备。
• 模型构建与训练：采用Transformer架构，结合预训练语言模型（如BERT）进行微调。通过引入对话历史信息，提高了机器人对上下文的理解能力。在测试集上，机器人的回答准确率达到85%。
• 系统集成：将对话机器人集成到公司的客服系统中，实现了与用户的实时交互。通过日志分析和用户反馈，不断优化模型性能。