• 系统学习了计算机基础课程，包括数据结构、算法设计、操作系统等，为后续的技术工作打下坚实基础。 • 积极参与学校组织的编程竞赛，通过实践锻炼了代码编写能力和问题解决能力。 • 毕业设计以风控策略相关方向为主题，独立完成了系统的设计与开发，熟悉了项目从需求分析到上线的全流程。

• 负责公司信贷业务的风控策略制定与优化，通过对历史数据的分析，识别潜在风险点，制定针对性的风控规则。例如，针对不同信用等级的客户设置差异化的授信额度，使高风险客户的授信额度降低了 30%，同时保证了优质客户的体验。 • 搭建风控模型，利用机器学习算法（如随机森林、逻辑回归等）对客户的信用风险进行评估。模型上线后，将坏账率从 5%降低至 3%，有效提升了公司的资产质量。 • 与业务部门紧密合作，了解业务需求，及时调整风控策略，确保业务的健康发展。例如，在新产品上线前，提前制定风控方案，保障业务顺利开展。 • 监控风控策略的执行效果，定期生成风控报告，为管理层提供决策支持。通过数据分析，发现某一渠道的客户风险较高，建议优化渠道合作模式，最终使该渠道的风险指标下降了 20%。

• 参与公司反欺诈策略的制定与实施，通过对欺诈案例的研究，提炼欺诈特征，构建反欺诈规则体系。在某一欺诈高发场景中，应用新规则后，欺诈交易识别率提升了 40%。 • 负责对风控数据进行清洗、整理和分析，为策略优化提供数据支持。建立数据监控体系，实时监测风控指标变化，及时发现异常情况。例如，通过对交易数据的分析，发现某一时间段内异常交易数量激增，迅速排查并制定应对策略。 • 与技术团队协作，推动风控系统的升级与优化。参与系统需求评审，提出建设性意见，确保系统功能满足风控业务需求。在系统升级过程中，负责策略的迁移与验证，保证策略的准确性和稳定性。 • 开展市场调研，了解行业风控动态和先进技术，为公司风控策略的创新提供思路。引入行为分析技术，丰富风控维度，提升风险识别能力。

• 项目背景：随着公司业务规模的扩大，传统的风控策略已无法满足需求，需要构建一套智能化的风控模型体系。 • 项目内容：负责模型的设计与开发，选取合适的机器学习算法（如 XGBoost），对海量的客户数据（包括基本信息、交易记录、信用历史等）进行训练。通过特征工程，提取有价值的特征，提高模型的准确性。 • 项目成果：模型上线后，实现了对客户风险的精准评估，将信用评估时间从原来的 1 天缩短至 1 小时，同时将风险识别准确率提升至 90%以上，为公司新增优质客户 10 万+，带来了显著的业务增长。

• 项目背景：针对日益复杂的欺诈手段，公司需要加强反欺诈能力，保障用户资金安全。 • 项目内容：主导反欺诈策略的优化，通过对历史欺诈案例的深度分析，挖掘新的欺诈特征，构建实时反欺诈规则引擎。引入图神经网络技术，分析用户关系网络，识别团伙欺诈行为。 • 项目成果：反欺诈策略优化后，成功拦截欺诈交易 5 万+笔，挽回经济损失数千万元。实时反欺诈规则引擎的响应时间缩短至毫秒级，提升了用户体验。