01

學生需求

近年來金融專業(yè)一直是留學申請的一大熱門，隨著留學人數(shù)的增加以及各種內(nèi)卷，海外院校的對于金融課程的設(shè)置會更加偏向量化，Z同學希望申請的是風險管理專業(yè)，該專業(yè)除了要學習金融領(lǐng)域的知識以及數(shù)理統(tǒng)計的知識，還需要掌握編程以及數(shù)據(jù)挖掘的算法。而Z同學本身是經(jīng)濟專業(yè)的，在校的時候也有學習統(tǒng)計、概率論等課程，也有幾段和金融相關(guān)的課程設(shè)計但是大多數(shù)都是比較簡單的，并沒有特別有亮點的經(jīng)歷。

考慮到申請院校風險管理專業(yè)的課程設(shè)置中有數(shù)據(jù)挖掘，機器學習等課程，我們推薦他參加機器學習項目實戰(zhàn)——IEEE-CIS欺詐檢測，不僅可以補充自身在風險管理方向的經(jīng)歷欠缺，也可以通過這個項目展示自身對于機器學習算法以及python編程的掌握。

在《IEEE-CIS欺詐檢測》項目中，使用Vesta Corporation公司提供的客戶交易數(shù)據(jù)，利用python來分析客戶欺詐的影響因素，并且使用機器學習的方法來進行模型的搭建，來進一步從客戶交易中檢測欺詐信息，減少客戶欺詐事件的發(fā)生。

我們以本期的Z同學為例，來了解一下指南者留學背景提升機器學習項目實戰(zhàn)的學習過程、學員成果和在留學申請中的應(yīng)用。

02

項目的申請應(yīng)用

在這個項目中主要利用交易數(shù)據(jù)：交易ID、時間、金額等以及身份數(shù)據(jù)：設(shè)備類型、操作系統(tǒng)、個人信息等，使用python完成數(shù)據(jù)清洗合并以及特征提取篩選等預(yù)處理操作，配合機器學習的算法來進行用戶欺詐行為的檢測。欺詐檢測是風險管理中的重要一環(huán)，并且利用機器學習的方法來進行欺詐檢測也是近幾年大數(shù)據(jù)發(fā)展的熱門應(yīng)用，所以這個項目很符合申請風險管理所需的經(jīng)歷可以作為申請的興趣來源和專業(yè)積累。
因此我們在文書設(shè)計中就對于這個經(jīng)歷進行了引用，利用它能很好地證明并串聯(lián)起興趣、過往積累、職業(yè)發(fā)展規(guī)劃等方面。（文書框架，點擊放大）

闡述個人優(yōu)勢及轉(zhuǎn)專業(yè)理由

經(jīng)濟學所學微觀經(jīng)濟學與宏觀經(jīng)濟學以及所學的統(tǒng)計學、概率論等數(shù)理課程都為轉(zhuǎn)入金融專業(yè)提供了扎實的基礎(chǔ)，在通過一次用戶欺詐行為檢測項目感受到了風險管理對于企業(yè)的重要性，也感受到了金融市場研究的魅力，希望自己可以繼續(xù)在這條道路上深造。
展示風險管理專業(yè)所需技能
此次項目使用人工智能領(lǐng)域的機器學習算法來解決欺詐檢測問題，而目前大多數(shù)的風險管理專業(yè)在課程設(shè)置中都有數(shù)據(jù)挖掘、機器學習等課程，因此在這段經(jīng)歷中可以展示自身對于機器學習各種算法的熟練應(yīng)用以及算法優(yōu)缺點的理解。也可以通過整體項目來展示自己可以熟練的使用python完成數(shù)據(jù)的預(yù)處理、特征工程、模型搭建與評價等流程，體現(xiàn)自身扎實的編程基礎(chǔ)。

引出對專業(yè)的思考以及未來的規(guī)劃

隨著當前社會的發(fā)展，不管是企業(yè)的客戶群體還是交易數(shù)據(jù)都是呈現(xiàn)爆炸性的增長，傳統(tǒng)的金融模型在解決當前大數(shù)據(jù)時代下的風險管理問題時不一定是最好的選擇，結(jié)合人工智能技術(shù)可以給行業(yè)帶來新的氣象，自己也希望可以在風險管理方向可以學習到更多的前沿技術(shù)來提升自己的能力，成為風險管理領(lǐng)域所需的綜合型人才。

03

學習過程

（項目過程截圖，點擊放大）

04

學習成果

（學員項目報告節(jié)選）

想了解Z同學的同款實戰(zhàn)項目，歡迎私信~