大三学生个人自我鉴定.docxVIP

大三学生个人自我鉴定

大三学生个人自我鉴定

一、学业发展：深耕专业基础，探索学术边界

（一）课程学习：构建系统知识体系，夯实专业根基

进入大三，我以“理论扎实、视野开阔”为目标，系统完成专业核心课程学习，累计修读32门课程，其中专业必修课25门，平均学分绩点3.75/4.0，专业排名始终保持在前5%（全专业120人），连续两年获校级一等奖学金。

在核心课程中，注重理解底层逻辑与交叉应用：《数据结构与算法》以92分位列班级第2，独立完成“基于哈希表的快速查找系统”课程设计，通过LRU缓存策略优化查询效率，平均响应时间从120ms降至35ms；《操作系统》课程中，深入掌握进程调度与内存管理机制，编写模拟LinuxCFS调度器的代码，在1000个进程并发场景下，调度公平性指标（vruntime波动范围）优于标准实现18%；《数据库原理》实验中，设计“高校学生信息管理系统”ER模型，通过BCNF范式分解解决数据冗余，20万条数据查询效率提升40%。

为拓展跨学科视野，选修《机器学习导论》《Python数据分析》等课程，自学《统计学习方法》（李航）教材，完成“基于逻辑回归的用户churn预测”项目，使用Scikit-learn库构建模型，AUC达到0.89，获课程“优秀项目案例”称号。

（二）科研探索：参与学术项目，培养创新思维

大一下学期加入学院“智能信息处理实验室”，跟随导师参与省级大学生创新创业训练计划项目“基于深度学习的古籍文字识别与修复系统”（项目编号：S202210376012），担任核心成员，负责文字检测与分割模块。

具体成果：

1.数据处理：整理10万页清代古籍扫描图像，标注5万条文字边界框，构建数据集“GuDing-Text-V1”，开源后获3所高校团队引用；

2.算法优化：针对古籍文字模糊、断裂问题，改进MaskR-CNN模型，引入注意力机制与空洞卷积，文字检测mAP从76.3%提升至89.7%，相关成果被《计算机应用与软件》录用（第二作者）；

3.系统开发：基于Flask框架开发Web演示系统，实现“图像上传-文字识别-结果导出”全流程，获“2023年大学生计算机设计大赛”省级二等奖。

大三上学期，作为负责人申报校级科研项目“面向社交媒体的情感分析模型研究”，设计基于BERT与BiLSTM的混合模型，在中文情感数据集（ChnSentiCorp）上测试，F1-score达0.92，目前完成中期报告，计划申请发明专利1项（“一种融合上下文语义的情感分析方法”，申请号：20231XXXXXX）。

（三）学术竞赛：以赛促学，锤炼实战能力

近三年累计参与学科竞赛8项，获省级及以上奖项4项，逐步形成“问题导向、算法驱动”的竞赛思维。

-全国大学生数学建模竞赛（2022年）：团队获省级二等奖，负责“城市共享单车调度优化”问题建模。通过分析30万条骑行数据，建立考虑时空需求动态变化的整数规划模型，使用Lingo求解后，调度成本降低22%，模型被共享单车企业咨询顾问采纳为参考方案；

-“挑战杯”大学生课外学术科技作品竞赛（2023年）：作品《基于边缘计算的智能垃圾分类系统》获校级一等奖，设计轻量化YOLOv5s模型，在树莓派4B上实现实时垃圾分类，识别准确率91.2%，响应时间300ms，获企业投资意向（意向金额50万元）；

-美国大学生数学建模竞赛（MCM/ICM2023年）：参与ICMC题（“全球能源转型路径”），构建多目标优化模型，预测2030年全球可再生能源占比达62%，获HonorableMention（国际二等奖）。

二、专业实践：立足行业需求，强化应用能力

（一）企业实习：深入业务场景，积累工程经验

2023年7-8月，在某头部互联网公司（字节跳动）商业分析部实习，担任数据分析师实习生，负责广告投放效果优化项目。

核心工作与成果：

1.数据处理：使用Python（Pandas、NumPy）清洗2亿条广告曝光/点击数据，构建用户画像标签体系（包含demographics、兴趣偏好等12类标签），数据准确率达99.8%；

2.模型应用：通过LightGBM构建转化率预测模型，特征重要性排序中“用户历史点击率”“广告创意相关性”位列前二，模型AUC提升至0.85，支撑广告预算分配优化；

3.效果输出：撰写《2023年Q3教育行业广告投放分析报告》，提出“时段定向+素材AB测试”优化策略，试点账户ROI（投入产出比）从1:3.2提升至1:4.5，获部门“优秀实习生”称号。

（二）实验室项目