AMAZING RESUME
牛敬业
风控模型算法工程师
常怀探索之心,以实干沉淀自身价值
188****8890niu****@***.com北京30男风控模型算法工程师在职北京25k-35k •完成机器学习、数据挖掘、金融工程等高阶课程学习,专业课程均分92+,连续两年获得学术奖学金。
•加入国家金融安全实验室担任研究助理,参与某部委反洗钱监管科技课题,负责异常交易检测算法设计。
•主导组建校园金融科技创新团队,带队在'挑战杯'全国大学生创业计划竞赛中获特等奖,作品聚焦小微企业信贷风控。
•主导消费贷业务风险策略优化,通过多维度用户画像分析,精准识别高风险客群,使整体审批效率提升35%同时保持风险指标稳定。
•与产品团队深度协作,设计差异化风控规则引擎,针对不同渠道定制动态审批阈值,显著提升优质客户通过率。
•运用时序分析与集成学习方法构建预测模型,创新性引入行为序列特征,使模型在测试集上的KS值提升至0.42以上。
•搭建实时风险监测看板,实现模型性能衰退自动预警机制,保障线上服务7×24小时稳定运行。
资深风控模型算法工程师跨域数据融合实时决策引擎
北京
•带领5人算法团队开发新一代智能风控系统,首创多模态数据融合技术,有效捕捉隐蔽欺诈模式,成功拦截可疑交易占比达89%。
•重构传统风控架构,引入联邦学习框架实现跨业务线数据协作,模型训练效率提升60%且满足数据隐私合规要求。
•设计动态特征工程流水线,从用户设备指纹、地理位置轨迹等非结构化数据中提炼风险信号,新增高价值特征1200余个。
•建立模型全生命周期管理平台,实现从训练、评估到A/B测试的自动化流程,支持日均百万级决策请求。
基于多源异构数据的信贷风险预警系统 - 算法负责人
2018.01-2019.12
•项目背景:某股份制银行面临中小微企业贷款违约率上升压力,传统评分卡难以捕捉经营波动风险。
•项目目标:整合企业工商、税务、供应链及社交媒体数据,构建动态风险预警体系。
•项目成果:开发的混合模型使早期预警准确率提升至91%,识别出潜在不良贷款占比37%,帮助银行提前调整信贷策略。
•技术实现:采用知识图谱构建企业关系网络,结合LSTM捕捉时间序列特征,通过图注意力机制识别关键风险传导路径。
•项目背景:某互联网银行推出线上经营贷产品,需要快速处理海量小微企业申请并控制风险敞口。
•项目目标:设计端到端自动化审批系统,在提升审批效率的同时维持风险水平。
•项目成果:实现95%申请自动决策,优质客户审批时效从3天缩短至20分钟,整体不良率控制在0.8%以内。
•技术实现:融合文本挖掘提取工商信息语义特征,利用图神经网络建模企业关联关系,集成XGBoost与深度学习模型进行最终决策。
我对金融科技创新有着浓厚兴趣,尤其享受在复杂数据中识别风险模式的逻辑推演过程。作为风控算法工程师,我始终以严谨细致的态度对待每个建模环节,对数据质量异常保持敏锐直觉。熟练掌握从特征工程到模型部署的全流程技术栈,能在海量异构数据中快速定位关键变量。习惯用代码注释详细记录建模思路,坚持在实验复现中验证每一个假设。期待在具有挑战性的金融科技环境中继续深耕,用技术为金融安全构筑防线。
行业技术贡献:
参与某金融风控开源框架的演进,重构了特征存储逻辑,提升特征计算效率40%,相关PR被合并后获得社区'最佳实践'标识。