學(xué)校\LOGOPLANNING計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)大學(xué)生生涯發(fā)展展示職業(yè)發(fā)展/職業(yè)規(guī)劃匯報(bào)：小時(shí)間：202X年CONTENTS01職業(yè)目標(biāo)目錄02學(xué)習(xí)實(shí)踐活動03自我評估04總結(jié)實(shí)習(xí)計(jì)算機(jī)專業(yè)職業(yè)規(guī)劃PLANNIN職業(yè)目標(biāo)職業(yè)目標(biāo)的選擇和職業(yè)生涯規(guī)劃

對于我們每一個人來說，職業(yè)目標(biāo)的確立和職業(yè)生涯的規(guī)劃是影響著我們一生道路的重要選擇和過程。PART.01CAREERGOALS職業(yè)目標(biāo)與個人選擇原因目標(biāo)闡述職業(yè)目標(biāo)是成為人工智能領(lǐng)域算法工程師，負(fù)責(zé)機(jī)器學(xué)習(xí)模型開發(fā)、數(shù)據(jù)訓(xùn)練與算法優(yōu)化。選擇此目標(biāo)是因?yàn)閷I(yè)的《機(jī)器學(xué)習(xí)》課程讓自己掌握了核心模型，且擅長數(shù)據(jù)建模，與崗位需求相契合。個人優(yōu)勢在學(xué)習(xí)過程中，對數(shù)據(jù)建模有濃厚興趣且具備較強(qiáng)能力，能夠?qū)⑺鶎W(xué)知識運(yùn)用到實(shí)際問題中，為崗位提供有力支持。職業(yè)目標(biāo)與國家戰(zhàn)略需求響應(yīng)“人工智能創(chuàng)新發(fā)展”戰(zhàn)略國家積極推動AI產(chǎn)業(yè)突破，算法工程師作為核心力量，當(dāng)前相關(guān)人才缺口超50萬?？梢詤⑴c智能推薦、圖像識別等項(xiàng)目，助力戰(zhàn)略落地，為國家人工智能發(fā)展貢獻(xiàn)力量。適配“數(shù)字經(jīng)濟(jì)智能化”需求數(shù)字經(jīng)濟(jì)需要算法驅(qū)動決策，算法工程師能夠優(yōu)化數(shù)據(jù)模型，提升企業(yè)運(yùn)營效率，為金融、醫(yī)療等領(lǐng)域的智能化提供技術(shù)支撐，推動數(shù)字經(jīng)濟(jì)的發(fā)展。職業(yè)目標(biāo)與正確擇業(yè)觀踐行“專業(yè)務(wù)實(shí)”擇業(yè)思維摒棄“追求短期熱度”的認(rèn)知，從數(shù)據(jù)預(yù)處理、基礎(chǔ)模型訓(xùn)練起步，將技術(shù)轉(zhuǎn)化為實(shí)際價(jià)值。避免眼高手低，扎根算法研發(fā)，踏實(shí)積累經(jīng)驗(yàn)。傳遞“技術(shù)創(chuàng)新”職業(yè)認(rèn)知算法工程師是“AI技術(shù)核心創(chuàng)作者”，以“用數(shù)據(jù)驅(qū)動創(chuàng)新，用算法解決難題”為核心，彰顯職業(yè)責(zé)任，為推動技術(shù)進(jìn)步貢獻(xiàn)自己的智慧。0102計(jì)算機(jī)專業(yè)職業(yè)規(guī)劃PLANNIN學(xué)習(xí)實(shí)踐活動職業(yè)目標(biāo)的選擇和職業(yè)生涯規(guī)劃

對于我們每一個人來說，職業(yè)目標(biāo)的確立和職業(yè)生涯的規(guī)劃是影響著我們一生道路的重要選擇和過程。PART.02CAREERGOALS校內(nèi)《機(jī)器學(xué)習(xí)》課程實(shí)訓(xùn)實(shí)踐背景2024年3-6月，以“學(xué)生成績預(yù)測”為課題，運(yùn)用Python實(shí)現(xiàn)線性回歸、隨機(jī)森林模型，對3000條成績數(shù)據(jù)進(jìn)行分析。資源與實(shí)施階段成果借助《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》學(xué)習(xí)模型原理，利用學(xué)校實(shí)驗(yàn)室GPU服務(wù)器進(jìn)行訓(xùn)練。按照“數(shù)據(jù)清洗→建模→評估”的流程，每周對模型進(jìn)行優(yōu)化。模型預(yù)測準(zhǔn)確率達(dá)到89%，輸出的《成績預(yù)測分析報(bào)告》獲得課程優(yōu)秀，技能貼合崗位基礎(chǔ)要求。通過這次實(shí)訓(xùn)，提高了自己的實(shí)踐能力和解決問題的能力。校園算法競賽實(shí)踐背景2024年9-12月，組隊(duì)參加“全國大學(xué)生AI挑戰(zhàn)賽”校內(nèi)賽，負(fù)責(zé)“圖像分類”算法模塊，使用CNN模型識別花卉類別。01協(xié)作與實(shí)施02階段成果03團(tuán)隊(duì)分工明確，2人負(fù)責(zé)數(shù)據(jù)標(biāo)注，1人負(fù)責(zé)模型部署，自己使用TensorFlow搭建CNN，每天訓(xùn)練模型8小時(shí)，不斷優(yōu)化超參數(shù)。團(tuán)隊(duì)獲得校內(nèi)一等獎，模型識別準(zhǔn)確率達(dá)92%，獲得“最佳算法設(shè)計(jì)”稱號，成果得到AI企業(yè)技術(shù)團(tuán)隊(duì)的認(rèn)可。在競賽中，鍛煉了團(tuán)隊(duì)協(xié)作和解決問題的能力。AI公司實(shí)習(xí)實(shí)踐背景2025年1-4月，在XXAI公司實(shí)習(xí)，協(xié)助開發(fā)用戶行為推薦算法，負(fù)責(zé)數(shù)據(jù)預(yù)處理與模型迭代，參與1個版本更新。工作內(nèi)容使用Pandas清洗10萬條用戶數(shù)據(jù)，利用LightGBM優(yōu)化推薦模型，提升推薦點(diǎn)擊率12%，并撰寫模型評估報(bào)告。階段成果模型上線后用戶留存率提升8%，獲得“優(yōu)秀實(shí)習(xí)生”稱號，實(shí)習(xí)報(bào)告被納入公司技術(shù)文檔，接近崗位實(shí)戰(zhàn)要求。通過實(shí)習(xí)，了解了企業(yè)的實(shí)際需求和工作流程。計(jì)算機(jī)專業(yè)職業(yè)規(guī)劃PLANNIN自我評估職業(yè)目標(biāo)的選擇和職業(yè)生涯規(guī)劃

對于我們每一個人來說，職業(yè)目標(biāo)的確立和職業(yè)生涯的規(guī)劃是影響著我們一生道路的重要選擇和過程。PART.03CAREERGOALS核心能力優(yōu)勢（技術(shù)能力）算法模型開發(fā)能力熟練使用Python、TensorFlow框架，能夠獨(dú)立開發(fā)分類、回歸模型，過往項(xiàng)目模型準(zhǔn)確率超85%，與崗位需求高度契合。在多個實(shí)踐項(xiàng)目中，展現(xiàn)了較強(qiáng)的模型開發(fā)能力。數(shù)據(jù)處理與分析能力掌握數(shù)據(jù)清洗、特征工程技巧，在實(shí)習(xí)中處理10萬條數(shù)據(jù)零誤差，能夠挖掘數(shù)據(jù)價(jià)值，為模型優(yōu)化提供支持。具備扎實(shí)的數(shù)據(jù)處理和分析能力，是算法開發(fā)的重要基礎(chǔ)。算法工具與規(guī)范適配熟悉JupyterNotebook、Scikit-learn工具，嚴(yán)格遵循算法開發(fā)流程，能夠編寫模型文檔，適配行業(yè)標(biāo)準(zhǔn)。良好的工具使用和規(guī)范遵循能力，有助于提高工作效率和質(zhì)量。核心能力優(yōu)勢（職業(yè)素養(yǎng)）嚴(yán)謹(jǐn)細(xì)致的工作態(tài)度在建模前會驗(yàn)證數(shù)據(jù)有效性，模型訓(xùn)練過程中詳細(xì)記錄參數(shù)，過往項(xiàng)目模型復(fù)現(xiàn)率100%，符合算法研發(fā)的精準(zhǔn)要求。嚴(yán)謹(jǐn)?shù)膽B(tài)度是保證工作質(zhì)量的關(guān)鍵。PLANNIN主動學(xué)習(xí)的職業(yè)習(xí)慣每天瀏覽“機(jī)器學(xué)習(xí)算法與Python學(xué)習(xí)”公眾號，自學(xué)Transformer模型，每周復(fù)現(xiàn)1個經(jīng)典算法，不斷更新技術(shù)儲備。保持主動學(xué)習(xí)的態(tài)度，才能跟上技術(shù)發(fā)展的步伐。協(xié)作與抗壓能力在競賽中能夠協(xié)調(diào)數(shù)據(jù)與部署團(tuán)隊(duì)，解決4個技術(shù)對接問題；在實(shí)習(xí)中能夠應(yīng)對模型迭代壓力，按時(shí)交付優(yōu)化方案。具備良好的協(xié)作和抗壓能力，是在工作中取得成功的重要因素。待提升方向復(fù)雜算法研發(fā)能力不足目前僅掌握基礎(chǔ)機(jī)器學(xué)習(xí)模型，對深度學(xué)習(xí)復(fù)雜網(wǎng)絡(luò)（如GAN、BERT）理解不深，需要加強(qiáng)高級算法的學(xué)習(xí)。復(fù)雜算法研發(fā)能力的不足，限制了在崗位上的進(jìn)一步發(fā)展。能夠完成模型開發(fā)，但對模型部署、性能優(yōu)化（如模型壓縮）不熟悉，無法將算法落地到生產(chǎn)環(huán)境，需要補(bǔ)充相關(guān)知識。算法工程化能力的薄弱，影響了算法的實(shí)際應(yīng)用效果。算法工程化能力薄弱計(jì)算機(jī)專業(yè)職業(yè)規(guī)劃PLANNIN總結(jié)分析職業(yè)目標(biāo)的選擇和職業(yè)生涯規(guī)劃

對于我們每一個人來說，職業(yè)目標(biāo)的確立和職業(yè)生涯的規(guī)劃是影響著我們一生道路的重要選擇和過程。PART.04CAREERGOALS實(shí)踐成效與不足整體收獲核心不足不足原因在能力方面，掌握了算法開發(fā)、數(shù)據(jù)處理技能，獲得了4項(xiàng)認(rèn)可；在資源方面，結(jié)識了5名AI領(lǐng)域工程師，驗(yàn)證了職業(yè)方向的可行性。通過一系列的實(shí)踐活動，取得了一定的成績。復(fù)雜算法研發(fā)與工程化能力弱，影響了崗位進(jìn)階，需要針對性地進(jìn)行提升。這是目前面臨的主要問題，制約了職業(yè)發(fā)展。實(shí)踐大多聚焦于基礎(chǔ)模型，缺乏復(fù)雜算法實(shí)戰(zhàn)；學(xué)校課程側(cè)重理論，工程化教學(xué)較少。這些原因?qū)е铝藦?fù)雜算法研發(fā)和工程化能力的不足。010203復(fù)雜算法能力提升和職業(yè)路徑優(yōu)化調(diào)整案例（復(fù)雜算法能力提升）背景是在競賽中因不懂GAN模型無法實(shí)現(xiàn)圖像生成。措施是在2025年5-8月學(xué)習(xí)GAN原理，使用PyTorch復(fù)現(xiàn)經(jīng)典項(xiàng)目。預(yù)期是到年底能夠獨(dú)立開發(fā)生成式模型。通過有針對性的學(xué)習(xí)和實(shí)踐，提升復(fù)雜算法研發(fā)能力。優(yōu)化職業(yè)路徑短期（2026-2028）入職做助理算法工程師，考取“TensorFlow認(rèn)證”；中期（2028-2031）晉升為骨干工程師，負(fù)責(zé)核心算法模塊；長期成為算法專家，主導(dǎo)AI