软件开发/ 数据分析/ 机器学习应用
平顶山学院计算机科学与技术 2027 届。从 C 语言写贪吃蛇起步，到用 Logistic 回归做垃圾邮件分类、 采集并分析农产品数据，最近把一个 23 件工具的在线工具箱做到了上线。
平顶山学院人工智能学院，计算机科学与技术专业，2027 年 6 月毕业。课程主线是人工智能与机器学习，同时把计算机网络、操作系统、计算机组成原理这些底层课补齐——写代码时知道自己踩在哪一层。
动手的部分以 Python 为主：机器学习课程设计做逻辑回归分类，数据分析课做农产品数据的采集与可视化，Web 应用开发课写了一个学生成绩管理系统；C 语言实训那会儿是从零撸出一个贪吃蛇。
课外的重心是轻盒工具箱：把开发、文本、图片、文档和效率类工具收进一个网页，目前 23 件、已经上线，多数处理在浏览器本地完成。这也让我第一次把「想法 → 设计 → 上线」走完了全程。
在找软件开发 / 数据分析 / AI 应用方向的实习或校招，可以从测试、数据整理、基础模块这类活儿做起。
把开发、文本、图片、文档与效率类工具收进一个网页：JSON / XML 格式化、时间戳转换、Base64 与 URL 编解码、图片压缩与格式转换、PDF 页面处理、字幕格式转换等，共 23 件。首页提供站内搜索（⌘K 快捷唤起）与热门搜索标签，按场景分 5 类入口；多数转换在浏览器本地完成、文件不上传，静态部署、打开即用。
基于 UCI SMS Spam Collection 搭垃圾短信二分类模型：文本清洗 → CountVectorizer / TF-IDF 特征 → 单层线性 + Sigmoid 输出概率，二元交叉熵训练，配 L2 正则与早停。
训练 5 574 条、测试 1 000 条；词表 5 000、min_df=2，1–2 gram 引入短语后精确率明显上升
针对 ham:spam ≈ 6.5:1 的类别不平衡，用分层抽样保持训练/验证比例一致
围绕特征类型、n-gram、学习率、batch 做 5 组对比实验，最优组合为 Count + bigram
另在中文邮件语料（900 封 / GB2312 / jieba 分词）上写过一版预处理与语料读取脚本
配套产出：学术海报 1 张 + 完整 notebook（含训练曲线与混淆矩阵）
数据源为国家水稻数据中心，品种数据由前端 JavaScript 动态加载，requests + BeautifulSoup 直接抓空。用开发者工具在网络面板定位到分页接口，按页请求结构化 JSON，并另写一版 Selenium 渲染方案作兜底。
抓取 15 483 条审定记录；按审定编号去重、母本/父本缺失填「未知」、正则提取年份，清洗后得到 15 210 条有效数据
省份简称标准化（国审→国家、苏→江苏），派生「审定级别」「主要育种单位」两个分析字段
完成 5 组分析与可视化：审定级别与 Top10 省份、品种类型构成、母本使用频次、育种单位排行、审定级别 × 品种类型
用交叉表配卡方检验验证审定级别与品种类型的关联（p < 0.05），结论写进报告
配套产出：课程设计报告（含 9 张可视化图表）+ 采集与分析脚本
用 Python 完成学生成绩管理系统，独立完成代码编写与调试，跑通成绩数据的基本管理流程。
参与教务管理系统整体方案设计，协作分配开发任务，并完成项目任务书撰写。
配合团队完成模块规划，梳理系统业务流程
用 C 语言从零实现游戏运行、得分与碰撞判断等核心游戏逻辑。
课程偏人工智能与数据方向，同时在课外把课程里的算法和系统知识做成能跑起来的小项目。
找软件开发 / 数据分析 / AI 应用方向的实习与校招。发岗位与技术要求过来，我通常当天回；想先看东西，直接打开上面的工具箱，或者来信要项目代码与课程设计文档。