在校期间系统学习了大数据相关课程，包括数据结构、数据库原理、大数据技术原理等。掌握了Python、Java等编程语言，具备扎实的数学基础，如概率论、线性代数等，为后续从事大数据风控建模工作奠定了理论基础。

• 负责搭建和优化大数据风控模型，通过对海量数据的分析挖掘，识别潜在风险客户。
• 运用机器学习算法（如随机森林、逻辑回归等），结合业务场景进行模型训练和调优，使模型准确率提升至85%以上。
• 与业务团队紧密合作，深入了解业务需求，根据市场变化和业务反馈，及时调整模型策略，有效降低了坏账率。
• 定期对模型进行监控和评估，撰写详细的模型报告，为决策层提供数据支持。

• 参与构建反欺诈风控模型体系，整合多方数据源（包括征信数据、行为数据等），构建特征工程。
• 采用深度学习算法（如深度学习神经网络）进行欺诈行为预测，使欺诈识别率提高了30%。
• 设计并实施A/B测试，对比不同模型和策略的效果，为模型优化提供依据。
• 建立模型部署和维护流程，确保模型在生产环境中的稳定运行，同时对新数据进行实时监控和预警。

• 该项目旨在优化信贷风控模型，提高信贷审批效率和风险控制能力。
• 首先，对历史信贷数据进行清洗和预处理，处理缺失值、异常值等问题。
• 然后，运用多种机器学习算法（如XGBoost、LightGBM）进行模型训练，通过交叉验证等方法调优模型参数。
• 最终，构建了一个准确率达到90%的信贷风控模型，使信贷审批时间缩短了20%，同时坏账率降低了15%。

• 此项目聚焦于构建反洗钱大数据风控模型。
• 收集了大量金融交易数据，包括交易金额、交易时间、交易对手等信息。
• 利用图神经网络算法分析交易网络关系，识别潜在的洗钱团伙和异常交易模式。
• 模型上线后，成功识别出多起疑似洗钱案件，为金融安全提供了有力保障，并且使反洗钱监测效率提高了40%。