SQL Server
0
1
2
3
4
5
0
1
2
3
4
5
1月前来过
数据分析师
上海全职 · 400/日 · 8700/月信用正常
工作时间: 工作日09:00-18:00、周末09:00-18:00工作地点:
远程
服务企业:
0家累计提交:
0工时
联系方式:
********
********
********
****************
查看联系方式
个人介绍
有1年大厂数据分析经验，3年Python开发经验，3年SQL开发经验。最擅长Python、SQL数据分析。可独立完成从数据获取，到数据清洗，数据分析，数据可视化全流程。项目中可以独立领导一个模块的数据分析工作，可以处理百万级别数据。参加过kaggle泰坦尼克号数学建模比赛，排名top1%。参加过CCF大数据与计算智能大赛中原银行个人违约贷款预测，排名top5%。
工作经历
2022-09-01 -至今埃森哲数据分析师
1.负责日常业务问题的监控，及时预警系统风险并给出解决方案 2.协助数据开发人员进行平台开发，提供数据模型测试案例 3.参与数据模型优劣分析，完成模型准确率分析报告 4.积极同其他模块展开沟通，确保各模块不出现认知偏差
教育经历
2018-09-01 - 2022-06-01上海第二工业大学智能科学与技术本科
相关课程：数据结构与算法，智能统计学，人工智能基础。 英语6级516 四级579 计算机二级 90 大学平均绩点 3.53
技能
作品
项目需要利用已有的与目标客群稍有差异的个人信贷数据，辅助目标风控模型的创建，并利用该风控模型实现新业务下的用户违约预测。 模型选择为lightgbm + lr 处理过程分为以下几个步骤： 特征选择 选取符合条件的特征，根据相关性、缺失率、IV等指标 数据划分 按照一定比例划分训练集和验证集，用于模型训练和验证 数据转化 利用lightgbm模型把源数据输出为叶子节点矩阵并把此作为lr模型新的输入。 卡方分箱 利用分箱把连续值离散化，手动调整分箱单调性让分箱结果更贴合真实业务场景 WOE编码 为各个分箱分配不同权重，并通过设置IV阈值处理过拟合，得到新数据集 模型训练 输入新数据集并设置模型参数来解决样本不平衡现象，通过训练得到模型 模型验证 绘制ROC，根据AUC值评估模型灵敏度，根据k-值评估模型区分好坏客户的能力 技术栈：Python + Pandas + Numpy + Sklearn + LR + Matplotlib
02023-06-17 00:22
项目需要利用已有的与目标客群稍有差异的个人信贷数据，辅助目标风控模型的创建，并利用该风控模型实现新业务下的用户违约预测。 模型选取lightgbm模型 处理过程分为以下几个步骤： 特征选择 选取符合条件的特征，根据相关性、缺失率、IV等指标 数据划分 按照一定比例划分训练集和验证集，用于模型训练和验证 模型训练 输入新数据集并设置模型参数来解决样本不平衡现象，通过训练得到模型 模型验证 绘制ROC，根据AUC值评估模型灵敏度，根据k-值评估模型区分好坏客户的能力 技术栈：Python + Pandas + Numpy + Sklearn + LR + Matplotlib
02023-06-17 00:09
项目需要利用已有的与目标客群稍有差异的个人信贷数据，辅助目标风控模型的创建，并利用该风控模型实现新业务下的用户违约预测。 由于借贷数据特征以连续型为主，故本人选取解释性更好，更适合连续型数据的逻辑回归模型。 处理过程分为以下几个步骤： 特征选择 选取符合条件的特征，根据相关性、缺失率、IV等指标 数据划分 按照一定比例划分训练集和验证集，用于模型训练和验证 卡方分箱 利用分箱把连续值离散化，手动调整分箱单调性让分箱结果更贴合真实业务场景 WOE编码 为各个分箱分配不同权重，并通过设置IV阈值处理过拟合，得到新数据集 模型训练 输入新数据集并设置模型参数来解决样本不平衡现象，通过训练得到模型 模型验证 绘制ROC，根据AUC值评估模型灵敏度，根据k-值评估模型区分好坏客户的能力 技术栈：Python + Pandas + Numpy + Sklearn + LR + Matplotlib
02023-06-17 00:23
