金融科技金融科技公司金融科技实习生实习报告

金融科技金融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，我在一家金融科技公司担任金融科技实习生。在为期8周的实习中，我主要负责协助开发智能风控模型，参与数据处理与算法优化。通过应用Python和SQL进行数据清洗，我处理了约5TB的交易数据，并利用机器学习算法将模型准确率提升了12%。核心工作成果包括完成10个关键模块的代码编写，支持团队将模型部署效率提高了30%。专业技能方面，我熟练运用了Pandas、Scikitlearn和TensorFlow，并掌握了敏捷开发流程中的持续集成方法。这些经验使我能够快速适应金融科技项目的高强度开发环境，并形成了一套可复用的数据处理与模型迭代方法论。

二、实习内容及过程

1实习目的

去2023年7月1日入职那会儿，我就是想看看金融科技这行到底是怎么回事，具体点说，就是想学学怎么把大数据和机器学习用到风控里头。我不是光想，我也想看看自己学的那些理论，比如Python编程、数据挖掘，能不能在实际工作中派上用场。

2实习单位简介

我去的这家公司，主要是做智能投顾和风控系统的。他们技术部门挺重视数据驱动，团队里好多人搞算法，用的技术栈我也比较熟，像是TensorFlow、Spark这些。整体氛围还行，年轻人多，搞技术的氛围挺浓。

3实习内容与过程

我跟着一个做反欺诈模型的团队，具体任务就是帮他们处理数据和优化算法。刚开始那几天，主要是熟悉环境，看他们之前的代码，学他们的数据处理流程。7月5号左右，我开始接手一个具体项目，是优化一个基于逻辑回归的信用评分模型。这个模型原本的AUC（AreaUndertheCurve）是0.75，数据量大概有200万条交易记录，时间跨度从2022年10月到2023年6月。

我先是用Pandas清洗数据，删了好多重复值和异常点，比如那些直接标记为“疑似欺诈”的记录。这一步花了不少时间，因为数据质量其实挺参差不齐的。接着，我尝试调整模型参数，还加了一些特征工程，比如用LSTM处理时间序列数据。团队里一个老哥建议我试试特征选择，他给我演示了基于L1正则化的方法，我照着做了，效果还真不错，模型AUC提升到了0.78。不过调来调去，发现模型在长尾事件上的表现还是不行，比如那些零星的小额异常交易，模型根本不敏感。

7月20号左右，我遇到了个坎，就是怎么平衡模型的精确率和召回率。那时候离一个季度报告节点快到了，团队压力挺大。我花了两周时间，试了好多组合，最后把阈值调到一个折中的点，还建议他们加一个规则引擎做二次验证。结果模型上线后，整体误报率降了15%，客户投诉也少了。整个过程中，我用了Git管理代码，还跟着团队用了Jenkins做CI/CD，感觉挺高效的。

4实习成果与收获

8周里，我独立完成了10个模块的代码开发，提交的PR（PullRequest）有8个被合并了。最让我有成就感的是那个信用评分模型，最终AUC从0.75跑到0.78，虽然不算翻天覆地，但在那种数据量下已经算进步了。我还整理了一份反欺诈特征工程文档，后来团队其他人也用了。收获biggest的是，我明白了怎么把学术上的模型落地，比如超参数调优、特征交叉这些，光看书根本学不透。还有就是，搞金融科技真得懂业务，光会技术不行。

5问题与建议

实习期间也发现点问题。比如公司管理上，项目进度有时候不太明确，我这新人得自己摸着走。培训机制也一般，就给我放了几本内部文档，没人带。岗位匹配度上，我学的更多是算法开发，但有时候会被拉去做一些纯数据标注的杂活，感觉有点浪费时间。

我建议公司可以搞个新人导师制，至少给我指个方向。文档方面，能不能多搞点视频教程？还有，能不能按技能分个岗，别让我这种想做算法的跑去干数据清洗。

三、总结与体会

1实习价值闭环

这8周，我从一个连代码怎么规范写都发愁的学生，变成能独立负责模型优化模块的人。7月1日刚来时，我连Hadoop集群怎么用都搞不懂，只能看文档。到8月31日走的时候，我主导的那个反欺诈模型迭代，把AUC从0.75提到0.78，虽然数字不大，但那是我啃完10个技术难题、处理完5TB数据的直接成果。我算真正把学校学的机器学习算法、Python库，跟金融场景里的风险控制、实时计算搭上钩了。这感觉，就是实践把理论填满了。

2职业规划联结

这次经历让我更清楚自己想干嘛了。以前觉得金融科技就是个筐，啥都装得下。现在我知道，我特想钻进风控那块，尤其是信用评估和反欺诈。实习里用到的LSTM、特征选择，还有他们那套敏捷开发流程，我现在还在琢磨。下学期，我打算系统学学知识图谱在风控的应用，顺便把CPG（CertifiedProfessionalinGaming，假设的证书名）考了，感觉这行里，懂业务又懂技术的复合型选手未来肯定抢手。

3行业趋势展望

我觉得金融科技这行，现在最火的还是AI驱动的风控和智能投顾，但光会算法不够，还得懂监管。比如7月15号团队讨论的那个合规性会议，就让我意识到，模型不能光看效果，还得符合那种“反洗钱法”里的要求，不然再牛逼也白搭。另外，看到他们用Flink做实时计算，我感觉未来数据实时处理这块会越来越重要。这让我觉得，学校里学的分布式系统那部分，得赶紧补上。

4心态转变

最大的变化是抗压能力。实习刚开始那会儿，7月8号有个需求没按时完成，我直接熬了通宵，第二天头都大了。但后来慢慢习惯，比如7月25号那个模型bug，我折腾了两天才解决，中间差点想放弃，最后硬是啃下来了。现在想想，那才是真本事。还有责任感，以前做作业都是对老师负责，现在写一行代码都觉得得对用户、对公司负责，这种感觉挺奇妙的。从学生到职场人的感觉，就是24小时都有deadline，但只要把活儿干成了，那种成就感是做项目拿奖学金比不了的。

5未来行动

我打算把实习期间写的那个特征工程文档再完善下，投到技术社区去，也算给这段经历留点痕迹。另外，公司用的那个Jenkins配置，我回家把环境搭了一遍，现在还能自己搞CI/CD。下一步打算找机会把那个LSTM模型用Spark跑跑，再深挖下联邦学习在隐私保护风控里的应用，感觉这东西很有前景。毕竟，实习教会我的不是具体技术，而是怎么持续学习、怎么把技术用在实际场景里去解决问题。

四、致谢

1

感谢实习期间带我的导师，他给我机会接触了真实的金融风控项目，还耐心指点我技术上的问题。7月5号到8月31号这段时间，他教我的比学校一整个学期都实用。

2

谢谢团队里那些帮过我的同事，特别是那个总给我讲业务逻辑的哥们，每次讨论怎么定义“异常交易”都让我受益匪浅。还有那个负责部署的，教我Jenkins