在校期间系统学习了计算机编程、数据结构、算法等专业课程，成绩优异，多次获得奖学金。积极参与学校组织的编程竞赛和项目实践，具备扎实的理论基础和较强的实践能力。

• 负责金融风控系统的需求分析与设计，与业务部门紧密沟通，深入理解风控业务逻辑，为系统开发提供明确方向。
• 主导风控模型的开发与优化，运用机器学习算法（如逻辑回归、随机森林等）构建风险评估模型，通过不断调整参数和特征工程，使模型准确率提升至85%以上。
• 参与系统架构设计，优化系统性能，实现系统高并发处理能力，日均处理交易数据量达百万级。
• 与测试团队协作，制定测试计划，编写测试用例，进行系统功能测试和性能测试，及时修复发现的问题，确保系统稳定上线。

• 带领团队进行金融风控系统的升级改造项目，从技术选型到架构设计全面把控，引入微服务架构，使系统的可扩展性和可维护性大幅提升。
• 负责反欺诈模块的开发，通过大数据分析和实时监控，构建反欺诈规则引擎，成功拦截欺诈交易数千笔，为公司挽回经济损失数百万元。
• 优化风控策略，根据市场变化和业务需求，动态调整风险阈值和评估指标，使风控系统更加精准高效。
• 组织技术培训和分享，提升团队整体技术水平，培养多名优秀的开发工程师。

• 项目背景：随着金融业务的快速发展，原有风控系统已无法满足日益复杂的风险评估需求，为提升风控效率和准确性，启动该项目。
• 项目内容：作为核心开发人员，负责风控模型的搭建与优化。收集大量历史交易数据，进行数据清洗和特征工程，运用深度学习算法（如神经网络）构建智能风控模型。通过不断调参和模型训练，使模型在验证集上的AUC值达到0.92，较原有模型提升20%。同时，开发模型部署平台，实现模型的自动化上线和更新。
• 项目成果：新的风控模型上线后，风险识别准确率显著提高，误判率降低30%，有效保障了公司金融业务的安全运营。

• 项目背景：为应对日益猖獗的金融欺诈行为，公司决定开发一套实时反欺诈系统。
• 项目内容：主导反欺诈系统的架构设计和开发工作。设计实时数据处理流程，接入多源数据（如交易数据、用户行为数据、第三方征信数据等），运用流式计算技术（如Flink）进行实时数据分析。构建反欺诈规则库和模型库，通过规则引擎和模型预测相结合的方式，实时识别欺诈交易。实现系统的高可用性和低延迟，交易响应时间控制在100ms以内。
• 项目成果：系统上线后，成功拦截多起大额欺诈交易，为公司避免了重大经济损失，同时提升了用户体验，增强了客户对公司金融服务的信任。