参与消费金融智能风控场景的辅助建模：在导师指导下清洗脱敏后的申请与行为样本，用Python与SQL完成特征聚合，协助训练逻辑回归与XGBoost基线模型，并在内部离线测试集（约8万条样本）上对比AUC与KS。同时协助整理模型监控日报模板，与风控策略、数据开发同事对齐字段口径，参与每周例会记录与需求文档沉淀。实习期间完成3轮特征迭代，协助将基线模型KS从0.28提升至0.33，输出复盘文档供团队内部参考。