在校期间系统学习了数学分析、高等代数、概率论与数理统计等专业课程，掌握了扎实的数学理论基础。积极参与数学建模竞赛，锻炼了数据分析和逻辑推理能力。

• 负责构建和优化信用评分模型，通过对大量历史数据的分析，运用逻辑回归、决策树等算法，将信用评分模型的准确率提升了15%。
• 与业务团队紧密合作，深入了解业务需求，为不同业务场景定制风险控制策略，使逾期率降低了10%。
• 持续监控模型性能，定期进行模型评估和更新，确保模型在不同市场环境下的有效性。

• 主导开发反欺诈模型，运用机器学习中的随机森林、XGBoost等算法，结合多维度数据特征，成功识别出20%的欺诈交易，为公司挽回了数千万元的损失。
• 搭建模型开发与部署平台，优化模型开发流程，使模型开发周期缩短了30%，提高了团队工作效率。
• 带领团队进行前沿技术研究，引入深度学习算法在风控领域的应用，探索新的风险识别方法。

• 该项目旨在优化现有信贷风控模型，通过对海量用户数据的清洗和特征工程处理，提取了50+有效特征。
• 运用LightGBM算法进行模型训练，经过多轮调参和验证，将模型的AUC值从0.78提升至0.85。
• 模型上线后，有效过滤了高风险用户，使信贷业务的坏账率降低了8%。

• 参与反洗钱监测模型项目，负责数据采集与预处理工作，整合了银行交易流水、客户信息等多源数据。
• 构建基于规则和机器学习相结合的反洗钱模型，设置了100+交易规则，并运用SVM算法进行异常交易识别。
• 模型在试点运行中，成功识别出50+疑似洗钱账户，为金融安全提供了有力保障。