课程项目中基于公开脱敏信贷样本构建评分卡，负责特征筛选、WOE分箱与逻辑回归建模，用Python与SQL完成数据预处理，与组员分工完成变量分析与模型调参。在课程测试集上AUC约0.78，较基线提升约0.06，输出建模报告与答辩材料，重点说明样本口径与业务可解释性，并整理特征字典供后续迭代使用。结合金融科技岗要求，补充模型监控与合规校验思路。

个人项目面向理财产品信息展示，用Python爬取公开产品数据并清洗入库，基于Flask与ECharts搭建可视化看板，支持收益与期限筛选。自测环境下页面响应约1秒内，覆盖约200条示例数据，整理需求文档与部署说明，重点练习数据口径统一与前端交互，并补充异常值处理与数据更新日志。为贴近金融科技场景，增加产品标签体系与风险等级映射。