在机器学习课程项目中，基于某公开脱敏信贷数据集（约3000条样本，按7:3划分训练与测试集），负责特征工程与模型对比：使用Python、Pandas与Scikit-learn完成缺失值处理、WOE编码，比较逻辑回归与XGBoost的AUC与KS表现；组织3人小组分工与进度检查，最终测试集AUC约0.78，形成实验报告并在课堂汇报。

为熟悉金融科技场景，个人搭建银行产品知识问答原型：整理约200条公开产品说明与监管问答作为语料，使用Python与开源向量检索库构建本地知识库，结合大模型接口完成检索增强问答；在个人电脑环境用50条自拟问题测试，回答相关性人工评分约80%，记录检索命中与失败案例，形成可迭代的优化笔记。