金融科技金科科技公司金融科技实习生实习报告

金融科技金科科技公司金融科技实习生实习报告一、摘要

2023年7月1日至2023年8月31日，我在金融科技金科科技公司担任金融科技实习生。期间，我负责搭建并优化了2个信贷风控模型，通过集成机器学习算法，将模型审批准确率从82%提升至89%，处理数据量达5万笔，日均处理速度提升30%。核心工作包括使用Python进行数据清洗，应用Pandas和NumPy处理缺失值，利用Scikitlearn构建逻辑回归与随机森林模型，并完成A/B测试验证模型效果。通过实践，我掌握了自动化数据处理流程和模型迭代方法，可复用的方法论包括：建立标准化数据标注规范，采用交叉验证减少过拟合，以及设计动态监控指标体系。这些成果为后续信贷业务效率提升提供了直接支持。

二、实习内容及过程

2023年7月1日到8月31日，我在金融科技金科科技公司实习。公司主要做信贷风控系统，用大数据和AI技术筛选贷款用户。我跟着团队做了个小项目，是优化审批流程。开始时，系统每天处理4万笔申请，但坏账率有1.5%。我的任务是帮忙把模型准一点。7月中旬，我负责清洗了3万条历史数据，发现很多字段有重复值，就用Python脚本去重，还补充了缺失的社交信用记录。8月初，我试了逻辑回归和XGBoost，把测试集的AUC从0.72提到0.78。团队觉得还行，但觉得我调参太慢。后来我学了网格搜索和贝叶斯优化，把时间缩短了2天。最后模型上线后，坏账率降到1.2%，处理量翻到5.8万笔。期间最烦的是数据口径不一，有时得手动对齐字段。有次模型预测结果偏差大，我熬夜查了特征重要性排序，发现是没考虑职业稳定性的影响，后来加了这个维度就好多了。

团队挺忙的，但没人细教，很多技术细节得自己琢磨。比如做报表时，我花了1周才弄懂他们的数据看板逻辑。建议公司可以搞个新人手册，把常用工具和流程写明白。我学到了怎么用特征工程和模型调参，但感觉对业务理解还不够深。这段经历让我想往风控方向发展，但知道得还少，得继续补算法和业务知识。

三、总结与体会

这8周，从7月1日到8月31日，在金融科技金科科技的经历让我对风控有了更实的认识。实习前觉得模型就是跑数据，来了才发现业务逻辑有多重要。我参与的信贷审批优化项目，最终把坏账率从1.5%降到1.2%，处理量翻了一倍，这感觉挺直接的。原来写个脚本、调个参数，背后是实实在在的业务影响。比如7月中旬，我花3天时间把3万条历史数据清洗规范，虽然只是个小任务，但后来模型效果好了，让我觉得自己的工作有用了。最深的体会是，做金融科技不能光懂算法，得懂业务。8月下旬做最终验证时，发现模型对小微企业主这类群体识别不准，导师就带着我复盘了行业报告，我才明白要结合经营流水和抵押物综合判断。这让我意识到，自己的知识储备还远远不够。

这段经历直接影响了我的职业想法。以前想学啥学啥，现在觉得得找自己真正能帮到别人解决问题的方向。风控这块挺有挑战，但也确实能学到东西。公司节奏快，8周里我处理了超过10万条数据，虽然累，但抗压能力确实提升了。心态上，以前觉得实习就是打杂，现在明白每个环节都重要，责任感强了好多。未来打算把这块实习经验当个坎儿，深化机器学习这块技能，特别是强化学习在反欺诈中的应用，看看下学期能不能把相关课程设计做好。行业上感觉现在大家都讲AI驱动，但数据质量这块还得好好抓，模型再好，数据烂了也白搭。这次经历让我觉得，自己离真正搞金融科技还差得远，得赶紧补课，比如打算明年考个数据分析师的证，先把基础打牢。

四、致谢

感谢金融科技金科科技公司给我这次实习机会，让我接触到了真实的业务场景。感谢导师在模型优化上的指导，帮我理清了很多技术细节。感谢团队里