张哲 · Artificial Intelligence Instructor

• 主导设计6个基于Jupyter Notebook的进阶实验模块，覆盖scikit-learn回归、聚类与模型评估全流程，配套编写12份配有分层提示的交互式实验指导书，有效降低初学者实操门槛。

• 协助主讲完成3轮累计200+人次的直播授课，课后通过Slack实时解答代码环境配置与算法参数问题，首轮课程答疑响应率保持98%。

• 根据学习难点反馈迭代优化4组课程Notebook，新增可视化调试单元与常见报错速查表，将实验平均完成时长缩短约25%。

• 构建可复用的课程资源打包模板，实现代码、数据、讲义的一键打包与版本同步，被纳入公司后续2门AI课程的制作规范。

• 针对文本分类教学中CNN模型机制抽象难懂的痛点，独立设计并基于PyTorch开发交互式教学演示系统，实时可视化词嵌入、卷积与池化过程，使学员模型原理理解评分提升42%（基于40份问卷反馈）。

• 在导师指导下，构建覆盖5个领域、含2.3万条标注数据的中文文本多分类数据集，并搭建自动化预处理流水线，支撑单次演示稳定处理千级样本，数据加载延迟降低35%。

• 开发“逐层特征图探针”功能，支持点击查看任意卷积核的输出特征，已累计服务实验室3门课程的课堂演示及180+人次交互式学习，获授课教师“极大降低学生认知负荷”的评价。

• 编写包含3组对比实验的阶梯式教学脚本与说明文档，引导学员从零搭建CNN到调优，被纳入实验室教学案例库，供《深度学习导论》等后续课程复用。

基于学业成绩与教学辅助实践的综合评定