在硕士期间，深入学习了概率论、数理统计等专业课程，成绩优异。参与了导师的数学建模项目，负责数据处理与模型构建部分，锻炼了数据分析和算法实现能力。

在公司负责风控模型的开发与优化工作。

• 基于历史数据，运用逻辑回归、决策树等算法构建信用评分模型，使信用风险识别准确率提升至85%。
• 定期对模型进行监控与评估，根据业务反馈和数据变化，调整模型参数，优化模型性能，降低误判率10%。
• 与业务团队紧密合作，理解业务需求，为业务决策提供数据支持和模型建议。

在公司主导反欺诈模型的研发工作。

• 收集多维度数据，包括用户行为数据、交易数据等，运用机器学习算法如随机森林、XGBoost构建反欺诈模型，识别欺诈交易准确率达90%。
• 建立欺诈特征工程体系，挖掘有效特征，提升模型的泛化能力。
• 与技术团队协作，将模型部署到实时风控系统中，实现毫秒级响应，保障业务安全。

在[公司名称]的消费金融风控项目中，负责模型开发。

• 整合用户基本信息、征信数据等多源数据，运用逻辑回归算法构建风险评估模型。
• 通过交叉验证等方法优化模型参数，使模型在测试集上的AUC值达到0.88。
• 模型上线后，有效降低了逾期率，为公司节省了[X]%的坏账损失。

参与[公司名称]的供应链金融反欺诈项目。

• 分析供应链交易数据，提取交易频率、金额波动等特征。
• 采用深度学习算法如LSTM构建时间序列反欺诈模型，识别异常交易。
• 模型在实际业务中应用，成功拦截[X]笔欺诈交易，挽回经济损失[X]万元。