计算机科学与技术科技创新公司软件工程师实习报告

计算机科学与技术科技创新公司软件工程师实习报告一、摘要

2023年7月1日至2023年8月31日，我在一家专注于人工智能的科技创新公司担任软件工程师实习生。在为期8周的实习中，我主要负责开发并优化推荐系统的核心算法模块，通过改进机器学习模型，将用户点击率提升了12%。具体工作包括使用Python和TensorFlow处理大规模数据集，实现特征工程与模型调优，并部署到生产环境。期间，我应用了分布式计算技术，将数据处理效率提高了35%，完成了3个关键功能的开发与测试。通过实践，我掌握了深度学习模型在商业场景中的落地方法，以及敏捷开发流程中的代码版本管理策略，这些方法论可应用于后续的科研与工作中。

二、实习内容及过程

2023年7月1日到8月31日，我在一家做智能推荐系统的公司实习，岗位是软件工程师。他们搞的是用户行为预测，挺有意思的。我跟着团队做新功能，主要是优化一下用户画像的匹配算法。之前没接触过那么多实时数据，刚开始有点懵，处理数据集的时候卡了很久。后来发现他们用的是Spark集群，我就去学了一下SparkSQL，搞懂了怎么用DataFrame来提速，把数据预处理时间从3小时缩到1小时出头。8周里，我参与重构了两个模块，把推荐接口的响应时间从450毫秒降到320毫秒，还写了个小工具来监控线上模型的AUC值，从0.78跑到0.82。最大的坎是调试一个分布式环境下的内存泄漏问题，花了两周才定位到是某个缓存模块没及时清理，学了JProfiler才搞明白。

团队开发流程挺规范的，但有时候需求变更太频繁，文档更新跟不上，我差点把旧接口的文档改错。他们培训还行，但就给我发了几篇内部文档，没啥系统性的上手指导。岗位匹配度上，我写的代码能用上，但业务逻辑这块我得多学学。这8周让我明白，做工程还得懂系统运维，不然线上问题搞不定。要是单位能多搞点新手的PairProgramming，或者给个带我的资深工程师当导师，效率肯定更高。最直接的收获是，现在写代码前会想清楚怎么监控，避免以后踩坑。

三、总结与体会

2023年8月31日，实习结束那天，我合上电脑，看着自己写的几万行代码，心里挺实的。这8周，从7月1日懵懵懂懂报到，到后来能独立跑通一个推荐算法模块，感觉跟学校写作业完全两回事。以前做项目，跑通就行，现在得考虑线上稳定性、资源消耗，哪怕是一毫秒的延迟，用户感知都挺强的。有一次凌晨三点，线上AUC突然掉到0.78，我直接起来查日志，发现是某个节点内存溢出，花了1.5小时加了个监控告警，第二天才把问题解决。这种责任感，以前真没体会过。

实习最大的价值，就是让我把学校学的分布式、机器学习知识，真真切切用上了。比如他们用的Hadoop生态，我之前只知皮毛，现在能调优MapReduce任务，数据吞吐量提升25%。这段经历直接让我调整了职业规划，之前想当研究员，现在更想往工程岗走，毕竟把算法落地才最有成就感。公司那套CI/CD流程，还有线上问题排查方法，我打算下学期系统学学，争取拿个AWS认证。

看着现在AI推荐越来越像人脑，但离真正理解用户还差得远，感觉这行能干一辈子。最大的启发是，技术迭代太快，学校教的永远不够用，得保持空杯心态。下阶段打算深入研究一下联邦学习，感觉在隐私保护这块挺有前景。从学生到职场人，心态转变挺大的，抗压能力、沟通能力，这些软技能比写代码本身还重要。这段经历就像给我打了个疫苗，以后面试或者搞科研，都能直接用上这些实战经验。

四、致谢

感谢那家公司给我实习的机会，让我接触到了真实的工程环境。特别感谢我的导师，那段时间问题没少问，他耐心讲得特别清楚，尤其是在分布式系统调优上给我点了很多拨。带我的几位同事也帮了不少忙，代码审查时指出的几个内