• 专业课程成绩优异，如《算法设计与分析》90分，《机器学习》88分 • 曾获校级奖学金，积极参与计算机相关社团活动，提升团队协作与沟通能力

• 参与公司推荐算法优化项目，负责数据预处理模块，通过对用户行为数据进行清洗、特征提取等操作，将数据质量提升30%，为后续算法模型训练提供高质量数据 • 协助算法团队进行模型训练与调优，使用Python实现多种机器学习算法（如随机森林、逻辑回归），在测试集上使推荐准确率提高15% • 定期与团队成员进行技术交流，学习并掌握了公司内部的算法开发流程与规范，提升了代码编写的规范性与效率

• 负责图像识别算法的研究与开发，针对公司的图像分类任务，尝试了多种深度学习模型（如ResNet、VGG），通过模型微调与超参数优化，使图像分类准确率从70%提升至85% • 参与算法的工程化部署，与后端团队协作，将训练好的模型转化为API接口，实现了图像识别功能在公司产品中的应用，上线后日处理图像量达10万+ • 撰写算法相关文档，包括模型训练报告、接口设计文档等，方便团队成员理解与维护算法系统

• 项目背景：针对电商平台用户购买行为预测，提高商品推荐的精准度 • 项目内容：收集并整理用户历史购买数据、浏览数据等，进行数据清洗与特征工程，构建包含用户画像、商品特征等多维度特征集；运用LightGBM算法进行模型训练，通过交叉验证调整模型参数；最终在验证集上使预测准确率达到80%，为平台的个性化推荐提供有力支持 • 个人贡献：独立完成数据清洗与部分特征工程工作，参与模型训练与调优过程，撰写项目报告

• 项目背景：为提高短视频平台的内容审核效率，开发基于深度学习的违规内容检测算法 • 项目内容：收集大量短视频样本，标注违规内容（如暴力、色情等）；采用卷积神经网络（CNN）结合循环神经网络（RNN）的架构进行模型设计，利用迁移学习加速模型训练；通过不断优化模型结构与训练策略，使违规内容检测准确率达到90%以上，召回率达到85%以上 • 个人贡献：参与数据标注与预处理工作，协助进行模型训练与评估，撰写算法优化方案