大二学期自我鉴定.docxVIP

大二学期自我鉴定

大二学期自我鉴定

时光荏苒，大二学年的学习生活已近尾声。相较于大一的适应与探索，这一年我在专业认知、实践能力、自我管理等方面有了更清晰的突破与沉淀。现将本学期的成长与反思总结如下，既是对过往的梳理，也是对未来的锚定。

一、学业深耕：从“知识输入”到“能力转化”的系统性突破

（一）专业成绩：量化提升背后的方法迭代

大二学年，我的专业学习进入“深水区”。面对《数据结构》《操作系统》《计算机网络》等硬核课程，我摒弃了大一“被动听课+考前突击”的浅层学习模式，转向“框架搭建-细节拆解-应用验证”的系统性方法。

-整体成绩显著提升：大二上学期平均绩点3.75/4.0（专业排名前8%），较大一提升0.4；下学期绩点3.82/4.0（专业排名前6%），其中核心课程《数据结构》（92分）、《操作系统》（90分）、《计算机网络》（88分）均进入班级前5%。

-关键课程突破：以《数据结构》为例，大一仅掌握基础概念，大二通过“每日1题+周总结”强化算法思维，累计完成LeetCode中等难度题120道（正确率85%），独立设计“基于哈希表的快速查找系统”课程作业，获“优秀项目”称号。

-拓展学习成果：为弥补课堂理论与实践的gap，自学Python数据分析，完成Coursera《DataScienceA-Z》课程（证书编号：D，用Matplotlib处理课程论文数据，将分析效率提升30%。

（二）科研入门：从“旁观者”到“参与者”的角色转变

大二上学期，我加入学院“智能信息处理实验室”，跟随李教授参与“基于机器学习的文本分类”课题研究，首次接触科研全流程：

-文献调研：精读IEEETransactionsonPatternAnalysisandMachineIntelligence等期刊论文35篇，梳理出“传统机器学习（SVM、随机森林）vs深度学习（BERT、TextCNN）”的技术路线对比表，为课题设计提供理论支撑。

-数据预处理：负责中文文本数据集的清洗与标注，使用Jieba分词+停用词过滤处理10万条新闻数据，标注准确率达92%（实验室负责人复核结果）。

-模型实验：独立完成TextCNN模型的搭建与调参，调整卷积核大小、dropout比例等参数12组，最终在测试集上F1值达到0.89，较基线模型提升7%。

-成果输出：作为第二作者撰写会议论文《TextCNN在中文新闻分类中的优化研究》，已被2024年全国信息与通信技术学术会议（NICT2024）录用（会议编号：NICT2024-156）。

二、实践赋能：从“校园场景”到“真实行业”的能力迁移

（一）专业实习：在真实项目中锤炼“解决问题”的能力

2024年暑假，我在某互联网科技公司“智能推荐部”担任产品实习生，参与“电商个性化推荐系统优化”项目，负责用户行为数据分析模块：

-工作内容：

1.数据清洗：使用SQL对用户点击、浏览、加购行为日志（日均500万条）进行去重、异常值处理，构建有效数据集；

2.特征工程：提取用户历史行为序列、商品类别偏好等20个特征，通过TF-IDF算法将文本特征向量化；

3.模型验证：协同过滤算法（CF）与深度学习模型（DeepFM）的A/B测试，对比两组用户（各10万人）的点击率（CTR）。

-实践成果：

-优化后的DeepFM模型使CTR提升12.3%，商品详情页停留时长增加18秒，获部门“实习之星”称号（部门仅2人获评）；

-撰写《用户行为分析报告》，提出“基于用户行为序列的实时推荐”优化方案，被产品经理采纳并进入开发迭代。

（二）学科竞赛：以“团队协作”突破“能力边界”

大二学年，我组队参加3项学科竞赛，在“实战”中深化专业应用与团队协作能力：

-“挑战杯”大学生课外学术科技作品竞赛：作为团队技术负责人，带领5名同学完成“基于深度学习的校园智能垃圾分类系统”项目：

-负责图像识别模块：使用YOLOv5算法训练校园垃圾数据集（包含10类垃圾，共5000张图片），识别准确率达91.2%；

-设计硬件交互：与电子组同学合作，通过树莓派控制机械臂实现垃圾分拣，完成实物原型；

-最终获省级二等奖（全省排名前15%），项目被学校官网报道。

-全国大学生数学建模竞赛：担任建模与论文撰写角色，选题为“新能源汽车充电桩布局优化问题”：

-构建基于遗传算法的优化模型，考虑用户需求、电网负荷、建设成本等8个约束条件；