职场资讯
正在查看应届生风控算法干净简历模板文字版
陈小湾
求职意向
工作经历
XXX科技是专注人工智能与智能风控解决方案的科技公司，团队规模约XXX人，核心业务是为电商、金融等客户提供自动化风险识别与决策服务，产品日处理订单量超XXX万笔，与多家知名平台建立技术服务合作。
工作概述：
1.风险规则维护：根据业务反馈的欺诈新特征，定期在规则引擎中配置和更新规则；利用SQL查询历史案件数据验证规则有效性，将误杀率高的规则进行下线或调整阈值；每周输出规则命中报告，使规则集整体准确率提升XXX%。
2.模型迭代支持：协助算法工程师进行模型特征的数据提取与清洗工作，使用Python脚本从日志中提取用户行为序列；对提取后的特征进行缺失值与异常值的基础检查，确保送入模型训练的数据质量，支持了X个风控模型的版本迭代。
3.数据分析报告：负责日常风险指标监控，包括欺诈率、拦截率等；通过可视化图表展示指标波动，定位异常日期并分析可能原因；编制周度风险简报，向业务方同步当前风险态势与模型效果，报告采纳率为XXX%。
4.数据质量监控：搭建关键数据表的质量检查脚本，监控特征数据的产出及时性与完整性；发现数据延迟或断裂时，及时通知数据研发团队，推动问题在X小时内解决；通过日常巡检，将因数据问题导致的模型失效事件减少XXX次。
工作业绩：
1.维护并优化XXX条实时风控规则，保障规则引擎日均稳定运行，拦截可疑交易XXX万笔。
2.为X个核心风控模型迭代提供数据支持，特征提取任务按时完成率达XXX%。
3.独立输出XXX份风险分析报告，有效辅助业务策略调整，识别出X个潜在风险漏洞。
4.建立数据质量监控机制，核心特征数据可用率提升至XXX%，支撑风险决策的稳定性。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司为某头部电商平台提供的风控服务升级项目，原有规则系统对新型套利、刷单等欺诈模式识别率不足XX%，且误伤正常用户比例较高。每日需处理峰值XXX万笔交易请求，特征计算延迟导致风险决策有时延，在促销期间需大量人工审核，效率低下。项目目标是通过引入机器学习模型与优化实时计算流程，提升整体识别准确率与自动化水平。
项目职责：
1.负责特征工程开发：协助构建用户短期行为特征，如近X分钟下单频率、常用收货地址等；编写数据预处理脚本，处理原始日志中的脏数据与格式不一致问题，生成可供模型直接使用的特征宽表。
2.支持规则策略优化：分析模型初步判定为高风险但最终为误判的案例，提炼共性特征反馈给算法团队；根据模型输出分数，协助调整规则与模型的协同拦截阈值，形成混合决策流。
3.承担分析监控支持：开发模型效果监控看板，跟踪模型上线后的AUC、KS等核心指标变化；定期抽样复核模型判定的案件，标注判断正确与否，形成模型性能迭代的数据基础。
项目业绩：
1.项目上线后，系统对新型欺诈交易的识别准确率从XX%提升至X
X.X%，误伤率降低
X.X%。
2.实时特征计算pipeline优化后，决策延迟降低XXX毫秒，大促期间自动化决策比例达到XX%，节省人工审核成本约XXX人/日。
3.负责的特征工程模块覆盖用户行为维度XXX个，特征复用率超XX%，支持后续多个场景风控模型的快速搭建。
教育背景
GPA X.XX/4.0（专业前XX%），主修机器学习、数据挖掘、统计学等核心课程，熟练掌握Python、SQL等数据分析工具。参与课程设计“基于用户行为的信用评分预测”，负责特征构建与模型评估部分，使用LightGBM算法在测试集上取得AUC=0.XXX的成绩。了解Linux开发环境及Git版本管理工具。
自我评价
培训经历
系统学习了机器学习经典算法与模型评估方法，并将特征工程与模型评估知识应用于实习期间的电商反欺诈项目，协助构建的用戶行为特征为模型效果提升提供了有效数据基础，理解的模型评估体系直接用于项目上线后的效果监控看板搭建。
应届生风控算法干净简历模板
214人使用适用人群: #风控算法 #应届生[<1年]
[基本信息]
姓名：陈小湾
性别：男
年龄：26
学历：本科
婚姻：未婚
年限：4年
面貌：党员
邮箱：xiaowan@gangwan.com
电话：18600001654
[求职意向]
工作性质：全职
应聘职位：风控算法
期望城市：北京
期望薪资：8000-10000
求职状态：离职-随时到岗
[工作经历]
北京XX科技有限公司 | 风控算法
2024-09 - 2025-12
XXX科技是专注人工智能与智能风控解决方案的科技公司，团队规模约XXX人，核心业务是为电商、金融等客户提供自动化风险识别与决策服务，产品日处理订单量超XXX万笔，与多家知名平台建立技术服务合作。
工作概述：
1.风险规则维护：根据业务反馈的欺诈新特征，定期在规则引擎中配置和更新规则；利用SQL查询历史案件数据验证规则有效性，将误杀率高的规则进行下线或调整阈值；每周输出规则命中报告，使规则集整体准确率提升XXX%。
2.模型迭代支持：协助算法工程师进行模型特征的数据提取与清洗工作，使用Python脚本从日志中提取用户行为序列；对提取后的特征进行缺失值与异常值的基础检查，确保送入模型训练的数据质量，支持了X个风控模型的版本迭代。
3.数据分析报告：负责日常风险指标监控，包括欺诈率、拦截率等；通过可视化图表展示指标波动，定位异常日期并分析可能原因；编制周度风险简报，向业务方同步当前风险态势与模型效果，报告采纳率为XXX%。
4.数据质量监控：搭建关键数据表的质量检查脚本，监控特征数据的产出及时性与完整性；发现数据延迟或断裂时，及时通知数据研发团队，推动问题在X小时内解决；通过日常巡检，将因数据问题导致的模型失效事件减少XXX次。
工作业绩：
1.维护并优化XXX条实时风控规则，保障规则引擎日均稳定运行，拦截可疑交易XXX万笔。
2.为X个核心风控模型迭代提供数据支持，特征提取任务按时完成率达XXX%。
3.独立输出XXX份风险分析报告，有效辅助业务策略调整，识别出X个潜在风险漏洞。
4.建立数据质量监控机制，核心特征数据可用率提升至XXX%，支撑风险决策的稳定性。
[项目经历]
项目名称：电商交易反欺诈系统迭代
担任角色：项目负责人
公司为某头部电商平台提供的风控服务升级项目，原有规则系统对新型套利、刷单等欺诈模式识别率不足XX%，且误伤正常用户比例较高。每日需处理峰值XXX万笔交易请求，特征计算延迟导致风险决策有时延，在促销期间需大量人工审核，效率低下。项目目标是通过引入机器学习模型与优化实时计算流程，提升整体识别准确率与自动化水平。
项目业绩：
1.项目上线后，系统对新型欺诈交易的识别准确率从XX%提升至X
X.X%，误伤率降低
X.X%。
2.实时特征计算pipeline优化后，决策延迟降低XXX毫秒，大促期间自动化决策比例达到XX%，节省人工审核成本约XXX人/日。
3.负责的特征工程模块覆盖用户行为维度XXX个，特征复用率超XX%，支持后续多个场景风控模型的快速搭建。
[教育背景]
杭州电子科技大学
数据科学与大数据技术 | 本科
GPA X.XX/4.0（专业前XX%），主修机器学习、数据挖掘、统计学等核心课程，熟练掌握Python、SQL等数据分析工具。参与课程设计“基于用户行为的信用评分预测”，负责特征构建与模型评估部分，使用LightGBM算法在测试集上取得AUC=0.XXX的成绩。了解Linux开发环境及Git版本管理工具。