研发工程师助理研发中心实习生实习报告

研发工程师助理研发中心实习生实习报告一、摘要2023年7月1日至2023年8月31日，我在研发中心担任助理研发工程师实习生。核心工作成果包括参与3个算法模型的优化，将模型A的准确率从82.5%提升至89.3%，模型B的响应时间缩短15%。通过应用Python进行数据处理，处理了约5GB的实验数据，并使用Git管理代码版本，提交了47次有效代码。在过程中，熟练运用了机器学习库TensorFlow和PyTorch，并掌握了敏捷开发流程中的每日站会快速迭代方法，该方法可减少20%的沟通成本。这些实践强化了工程实践能力，并为团队贡献了可复用的代码模块。二、实习内容及过程实习目的主要是把学校学的理论知识跟实际工作结合起来，看看自己到底喜欢哪个方向，顺便积累点项目经验。实习单位是做智能算法开发的一家公司，研发中心主要搞图像识别和自然语言处理这块。我们组当时在做个工业缺陷检测的项目，客户要求把检测准确率提到95%以上，时间还挺紧的。我的主要工作就是协助团队做数据预处理，包括数据清洗、标注和增强。8周里，我处理了大概2万张缺陷图片，用了Python写脚本自动做数据增强，把数据集扩充到了5万张，效果还不错。后来跟着团队一起调试模型，主要是用ResNet50和EfficientNet，调了好几个版本，最后把AUC从0.87提升到了0.94。过程里碰到的最大困难是初期对数据集不熟悉，有些缺陷特征特别细微，标注标准也容易混淆。为了搞明白，我厚着脸皮天天跟着资深工程师跑实验，还去看了好几个公开的缺陷检测比赛案例，最后慢慢摸清了门道。有一次做数据增强时，用的随机旋转参数设置不合理，导致图片里缺陷被裁剪掉了，返工了好几天。后来我琢磨出个方法，先对缺陷区域做重点保护，非关键区域再随机处理，这样效果好了不少。收获还是挺大的，不仅学会了怎么用Git管理代码，还掌握了模型调优的一些技巧。感觉做研发最忌讳瞎搞，得有数据支撑，每次改动都要有明确的理由，不然就是浪费时间。公司的管理上，感觉有点乱，比如代码审查流程不太规范，有时候一个改动要等好几天才能过审。培训机制也一般，新人得自己找资料学，要是导师能多带带就更好了。岗位匹配度上，我感觉自己刚来的时候还是太学生气了，想得多做得少，后来调整过来就好了。建议公司可以考虑搞个内部知识库，把好的代码和经验都整理一下，方便新人快速上手。代码审查可以搞个标准化模板，提高效率。要是能安排每周固定时间让导师带新人，教教怎么写文档、怎么跟客户沟通，那就更完美了。三、总结与体会这8周在研发中心的经历，让我对技术工作有了更实的感受。从7月1号到8月31号，跟着团队把那个工业缺陷检测项目推进了下去，最终模型AUC达到了0.94，虽然离客户说的95%还有点距离，但整个过程学到的东西是实实在在的。这段经历让我明白，做研发不是一个人闭门造车，数据、模型、代码、沟通每一步都得跟上，哪个环节掉链子，前面再多的努力都可能白费。这种端到端的体验，以前在学校模拟项目是绝对体会不到的。最直观的感受是自己的心态变了。以前写代码总觉得差不多就行，现在对bug零容忍，一个警告都得看看。比如有一次调试模型收敛慢，我花了一整天反复检查数据预处理步骤，发现是归一化参数设错了，这让我意识到责任感不是空话，直接影响项目进度。这种抗压能力，我觉得比单纯会写代码更重要。这次实习也让我更清楚自己想要什么。我发现我对算法调优特别感兴趣，但团队里做这个的人不多，感觉是个机会。接下来打算深挖一下深度学习优化这块，看能不能搞个相关的技术认证，比如某个框架的专项认证。另外，我也意识到自己做项目时太依赖现有工具，动手能力还得加强，打算下学期多练练底层优化和分布式计算，这些现在看都挺重要的。看着项目一点点成型，虽然中间踩了不少坑，但那种成就感是真实的。现在行业都在讲大模型、多模态，感觉技术发展太快了，这次实习也让我意识到自己知识储备太浅。不过好在年轻就是资本，学得快，接下来打算把实习里用到的那些技术点都彻底搞懂，多看论文，争取下次实习能帮上更多忙。毕竟，技术这东西，不练手是真的不行。四、致谢感谢研发中心提供这次实习机会，让我能接触到实际的研发项目。感谢导师在实习期间