金融科技金融科技金融科技专员实习报告_第1页
金融科技金融科技金融科技专员实习报告_第2页
金融科技金融科技金融科技专员实习报告_第3页
金融科技金融科技金融科技专员实习报告_第4页
金融科技金融科技金融科技专员实习报告_第5页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

金融科技金融科技金融科技专员实习报告一、摘要2023年6月5日至8月23日,我在XX金融科技公司担任金融科技专员实习生。核心工作包括参与开发智能投顾系统算法模型,优化参数后使预测准确率提升12.3%;协助完成区块链技术方案设计,测试验证交易吞吐量达5000TPS;整理分析市场数据报告,提炼的10条行业趋势被团队采纳。期间应用Python进行数据处理,使用TensorFlow搭建机器学习框架,掌握敏捷开发流程与跨部门协作机制。通过实践深化了对金融风控、分布式账本等技术的理解,形成可复用的数据标注规范与模型迭代方法论。二、实习内容及过程实习目的主要是想把学校学的金融和计算机知识用起来,看看实际工作是怎么运转的,特别是想了解下机器学习怎么在风控里具体落地。实习单位是个做智能投顾和信贷科技的,主要是用大数据和AI帮金融机构做风险评估和产品推荐。他们技术部门挺重视研究的,有专门的实验室,平时会搞些模型竞赛,氛围还行。实习内容主要是跟着团队做几个项目。一个是参与智能投顾的个性化推荐算法优化,主要是给模型喂数据,看怎么调参数能让用户匹配到更合适的基金产品。我负责了用户行为数据的清洗和特征工程,用了Python的Pandas库,把原始日志处理成可分析的格式。当时他们系统里的特征维度有点多,有些跟投资决策关系不大,我就跟导师讨论能不能用特征选择降维,导师教我用L1正则化,最后把特征数量从150多个降到50个左右,模型训练速度快了将近一倍,AUC指标也稳了0.01。另一个是协助区块链项目组做测试,主要是模拟交易场景,确保分布式账本的数据一致性和安全性。我们用HyperledgerFabric搭建了个测试网,我花了不少时间搞懂智能合约的编写,写了几段Solidity代码来验证权限控制逻辑,过程中踩了不少坑,比如忘记设置某个交易的超时时间,结果合约执行卡死了一次,后来团队规范了代码审查流程,强制要求每个函数都要写测试用例。最大的挑战是刚开始对业务逻辑不熟,有时候接到的需求不知道怎么从技术上实现,沟通起来效率不高。还有就是项目时间紧,有时候为了赶进度连续加班,但确实学到不少东西。我学会了怎么用Scikitlearn做模型评估,还接触了深度学习框架TensorFlow,感觉对金融风控的理解深了,以前觉得搞个模型预测概率就行,现在明白得考虑模型的可解释性,特别是信贷领域,监管要求挺严的。实习成果的话,就是参与优化的推荐算法上线后,用户点击率提升了大概11%,虽然不算特别夸张,但感觉挺有意义的。测试网也顺利跑通,为后续上生产环境打下了基础。遇到的问题有,比如部门内部管理有点混乱,有时候需求变更太频繁,技术方案还没定下来就被推翻重来,浪费了不少时间。另外培训机制也不够完善,入职培训就是发几篇文档看,没人带,很多细节问题都是自己摸索或者问导师解决的,效率有点低。岗位匹配度上,我觉得我学的技术能用到,但金融业务这块确实没怎么深入,有时候讨论业务需求时会显得有点懵。改进建议的话,希望公司能建立更规范的项目管理流程,需求变更得有流程走,不能领导一句话就改。可以搞个新人导师制度,至少让刚来的能有个固定的对接人。另外,能不能多组织些内部的技术分享会,特别是金融业务这块,让技术同事也能多了解点,这样方案设计起来会更有针对性。三、总结与体会这8周,从2023年6月5号到8月23号,在XX金融科技公司的经历让我感觉挺特别的。刚去的时候,心里挺没底的,毕竟学校里学的理论和实际工作还是有点距离。但整体看,收获确实挺大的,实习的价值算是完整闭环了。最直接的体会是,金融科技这行不是光会写代码就行,得懂业务,还得跟人打交道。我参与的智能投顾项目,光有模型还不够,怎么跟产品经理、业务人员沟通需求,怎么把技术方案变成他们能懂的话,这过程挺锻炼人的。比如调参那事儿,单纯看数据可能觉得差不多了,但跟业务人员聊了聊,发现有些指标虽然好了,但实际用户体验未必提升,最后得综合平衡。这让我明白,做技术得有全局观,不能闭门造车。职业规划上,这次实习基本坚定了我往金融数据分析方向发展的想法。以前觉得算法挺好玩的,现在发现把算法用到风控、反欺诈这些实际场景里,成就感完全不一样。比如我参与的区块链测试,虽然只是辅助工作,但了解到分布式账本在供应链金融里的应用前景挺大的,感觉挺兴奋的。后续学习,我打算系统补一下监管科技这块,看看能不能考个相关的证书,比如CFA的金融科技方向,感觉会对简历有帮助。行业趋势上,感觉AI和大数据在金融的应用越来越深了,特别是机器学习在信用评估、智能投顾里的应用已经比较成熟,但挑战也挺多的,比如数据隐私、模型公平性这些,都是未来需要重点解决的。我接触到的一些项目,比如利用联邦学习来保护用户隐私,或者用可解释AI来提高模型透明度,感觉都是未来发展的重点。心态转变也挺明显的。以前做项目可能不太在意细节,现在知道每个环节都得严谨,尤其是金融领域,一个小的疏忽可能就造成很大的损失。这8周也让我抗压能力提升不少,连续加班一周多调试系统,虽然累,但想到解决了问题,感觉挺值的。从学生到职场人的感觉,就是肩上突然多了些责任,得为自己的工作负责,这也是成长吧。总的来说,这次实习让我对金融科技有了更深的理解,也明确了未来的方向。虽然公司管理、培训上还有提升空间,但个人成长是实实在在的。接下来,我会把实习中学到的东西继续深化,多看些论文,争取把学到的东西用起来,无论是做项目还是找工作,都能更有底气。四、致谢在XX金融科技公司这8周的实习经历,让我受益匪浅。感谢公司给我这个机会,让我接触到了真实的金融科技项目。特别感谢我的导师,他不仅在技术上给了我很多指导,比如如何优化机器学习模型参数,还分享了很

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论