数据挖掘工程师简历模板

• 负责用户流失预警与精准营销模型开发，AUC提升至0.86，召回率提升18%。
• 搭建基于Spark的特征工程流水线，模型迭代周期由7天缩短至2天。
• 推动模型在营销系统上线，覆盖200万用户，年化增收超300万元。

• 参与反欺诈评分卡开发，整合30余维特征，KS值提升0.12至0.45。
• 负责贷后逾期预测模型调优，坏账识别准确率提升15%，减少损失约120万元。
• 编写数据清洗与特征衍生脚本，日均处理千万级用户行为数据。

• 基于XGBoost与LightGBM构建流失预警模型，AUC达0.86，Top10%用户召回率提升18%。
• 设计RFM与行为序列特征共120维，通过特征筛选与调参将模型F1提升至0.79。
• 推动模型接入营销自动化平台，上线3个月触达用户200万，挽回流失用户约4.2万人。

• 负责反欺诈评分卡开发与验证，整合交易、设备、行为等30余维特征。
• 采用WOE分箱与逻辑回归建模，KS值由0.33提升至0.45，通过跨时间样本验证。
• 模型上线后欺诈识别准确率提升12%，协助拦截可疑交易金额超500万元。

研究方向为数据挖掘与机器学习；获校一等奖学金，发表核心期刊论文1篇。

相关课程：概率论、数理统计、数据库系统、数据挖掘。