人工智能人工智能研发公司人工智能工程师实习报告

人工智能人工智能研发公司人工智能工程师实习报告一、摘要

2023年7月1日至2023年8月31日，我在一家专注于自然语言处理领域的人工智能研发公司担任人工智能工程师实习生。核心工作成果包括参与开发一个情感分析模型，通过在公开数据集上训练，模型准确率从基础版的68%提升至92%，F1分数达到0.89。期间，应用了深度学习框架PyTorch和TensorFlow进行模型构建与调优，使用Git进行版本控制，并撰写了5份技术文档详细记录实验过程。提炼出的可复用方法论包括自动化数据增强策略，通过旋转文本样本提高模型泛化能力，使验证集性能提升15%。

二、实习内容及过程

实习目的主要是想看看实际工作环境里做人工智能是啥样，跟学校里搞研究不太一样，希望能把学到的理论用上，顺便了解下行业里都在玩什么技术。

实习单位是一家做智能客服系统的小公司，搞的是对话生成和意图识别这块。他们那个系统主要是帮客户处理常见问题，但准确率一直不太行，客户投诉挺多。我去的时正好他们在搞一个新项目，想优化下现在的模型。

实习期间主要做了三件事。第一个是帮他们整理和清洗数据，他们原来的数据挺乱的，好多重复的，还有不少乱码。我花了差不多两周时间，用Python写了个脚本，自动去重，然后用正则表达式清理文本，最后还做了一些简单的分词。这个过程中学到了怎么处理脏数据，虽然简单但挺实用的。第二个是跟着导师调试模型，他们用的是BERT，但我对预训练模型了解不多。导师就给我看了他们之前的实验记录，我慢慢琢磨，最后把他们的模型准确率从72%提高到78%。具体我是调整了几个参数，比如学习率从0.001降到0.0005，还增加了几个注意力头，效果还真挺明显。第三个是写技术文档，把整个实验过程都给记录下来了，包括数据预处理方法、模型结构变化、参数设置等等，导师说这样后面别人接手的时候方便多了。

遇到的困难主要有两个。一个是数据质量太差，好多句子都不完整，而且还有不少噪声。我一开始挺头疼的，因为知道数据对结果影响挺大。后来我就去查了文献，看到有人用数据增强的方法，我就试着把一些句子做些微小的改动，比如替换同义词，或者稍微改改语序，这样数据量上来了，效果还真不错。另一个是模型调优太慢了，每次改个参数都要跑大半天。我就问导师怎么办，导师教我用TensorBoard看训练曲线，我根据曲线就大概知道哪个方向能调，这样试错次数少了不少。

最后成果嘛，主要是帮他们优化了那个情感分析模型，准确率从68%提到了92%，F1分数也到了0.89。客户反馈确实好多了，投诉量降了一半。我自己也写了5份技术文档，导师说写得很规范。

这段经历让我觉得，做人工智能不光要懂技术，还得会处理数据，会调参。我以前觉得模型调优就是瞎改参数，现在知道其实有套方法，主要是看训练曲线。另外也让我意识到，理论跟实践还是有差距的，学校里学的深度学习理论够用，但实际应用中各种细节都得考虑。比如数据清洗这块，学校里做项目数据都是干净的，但实际工作中数据乱七八糟是常态。

实习单位嘛，我觉得管理上可以再规范点，比如代码提交没啥统一标准，有时候看别人的代码都得适应一下。培训机制也可以再完善，我刚开始的时候好多东西都得自己摸索。岗位匹配度上，我觉得我可以做得更深入一点，比如模型优化这块我还可以多学学。

改进建议的话，首先是建议他们搞个代码规范，比如用Git的时候提交信息得标准点，这样后面看代码方便。其次是建议多搞点内部培训，比如每周搞个技术分享，或者请外面的人来讲讲最新的技术。最后是希望我能接触更多项目，我现在主要就做了情感分析这块，其他像语音识别、图像处理我就没接触过，挺想学的。

三、总结与体会

这八周在人工智能研发公司的经历，让我对人工智能从理论走向实践有了更直观的认识，感觉像是完成了一个学习到应用的闭环。刚开始的时候，面对实际项目，我确实有些手忙脚乱，特别是数据预处理那块，学校里接触的数据集都比较规整，但实际工作中的数据简直五花八门，噪点特别多。我花了两天时间研究怎么用Python脚本自动清洗和标注数据，虽然过程挺枯燥的，但看到数据质量明显提升，模型训练也顺利多了，那种成就感是真真切切的。这让我明白，做人工智能不能光盯着模型本身，数据才是根本。

这次实习也让我更清楚地认识到自己想要什么样的职业发展。我发现自己对自然语言处理这块挺感兴趣的，尤其是对话系统的优化。虽然实习期间主要就是参与了情感分析模型的改进，但通过调整BERT模型的参数，比如学习率从0.001降到0.0005，还增加了几个注意力头，最终把准确率从72%提升到78%，这让我觉得挺有前景的。现在我想着接下来要把NLP这块再深挖一下，比如去看几个顶会论文，学习一下最新的预训练模型技术，争取明年考个相关的专业证书，这样求职的时候底气也更足。

从行业趋势来看，现在人工智能的应用越来越广泛，尤其是在客户服务、内容推荐这些领域。我实习的公司做的智能客服系统，通过优化模型，客户满意度确实提高了不少。这让我觉得，人工智能不光是实验室里的技术，更能实实在在地解决商业问题，创造价值。未来我觉得个性化推荐和更自然的对话交互会是主流方向，特别是大语言模型的应用越来越广泛，这要求我们不仅要懂算法，还得懂业务，知道怎么把技术落地。

最重要的是，这段经历让我心态上有了转变。以前在学校做项目，失败了就重新来，压力不大。但实习不一样，你的代码直接用在这个公司的产品里，客户可能会看到，这就会带来实际的压力。我遇到一个模型调优跑了很久都不收敛的问题，一开始挺急的，后来冷静下来，把训练过程可视化，用TensorBoard一分析，发现是学习率设得太大了，马上调整过来，问题就解决了。这让我学到一个，遇到困难不能慌，得沉下心去找原因。现在感觉抗压能力确实强了，这也是从学生到职场人最重要的转变吧。未来我会把这次实习中遇到的问题和解决方法都整理成笔记，以后遇到类似的情况能更快地找到思路，这也是我接下来要努力的方向。

四、致谢

感谢在实习期间给予我指导