课程项目中，针对金融公告与研报文本，负责数据预处理与特征提取。使用Python、NLP工具及轻量级模型，完成分类与实体识别任务。与组员协作标注样本、调参验证，并在课程实验环境测试。最终在500条标注样本上，分类F1值达0.82，较规则基线提升约12个百分点，验证了AI技术在金融文本场景的落地可行性。

校园实验项目，模拟不良资产风险预警场景，设计数据看板与预警规则。使用SQL、Python及BI工具，整合多源数据并构建风险评分卡。组织组内分工与进度检查，向指导老师汇报。在模拟数据集（约2000条）上，预警命中率较人工规则提升约10%，报告获课程优秀评价，锻炼了大数据风控场景的需求分析与协同落地能力。