金融就业小班 第二期

如果你在招聘网站上搜过"风控策略""风控建模"这类岗位，会发现一个共同点：几乎都要求会 SQL、懂评分卡、能处理不均衡样本。但市面上讲金融风控的课程，要么停留在概念层面，讲完 WOE 和 IV 值就结束了；要么直接甩一堆算法论文，和真实业务场景脱节。「金融就业小班 第二期」试图走中间路线——六个阶段全部围绕风控建模这条主线展开，从数据取数一直到图算法落地。

它解决的是哪个环节的问题

风控岗日常工作大致分三块：取数并构造特征、建模型出分、监控和迭代。这门课的内容基本覆盖了前两块。具体来说，你会接触用 HiveSQL 从数仓里拉行为数据、做特征交叉和分箱、训练评分卡、处理欺诈检测里的极端不均衡样本，最后还会学到图算法在团伙欺诈识别中的应用。换句话说，它不是泛泛讲"金融科技"，而是把风控建模这条链路拆开，一个环节一个环节地过。

学完之后能独立做什么

按课程设计的路径走完，你应该能独立完成一次完整的评分卡开发：从原始数据出发，做特征工程，训练逻辑回归或树模型，输出评分卡，并用 KS、AUC 等指标评估效果。此外，异常检测和无监督方法的部分能让你处理没有标签的场景，比如反洗钱中的可疑交易识别。迁移学习和不均衡学习的章节，则对应了现实中"坏样本极少"这个绕不开的痛点。这些能力放在一起，大致能匹配初级风控建模岗的面试要求。

资料适合什么基础的人

• 有 Python 基础、写过 pandas 和 sklearn 的人，学起来会比较顺。如果完全没碰过 Python，第二、三阶段会吃力。
• 会基本 SQL 语法但没写过复杂查询的人，可以在第二阶段补齐 HiveSQL 的实战写法。
• 已经在风控岗做策略但没系统学过建模的人，这门课能补上从规则到模型这一段的空白。
• 纯转行者需要额外补统计和机器学习基础概念，课程本身不会从头讲什么是过拟合。

需要提前知道的几件事

六个阶段的内容量不小，尤其是第四到第六阶段涉及异常检测、迁移学习和图算法，这些在初级岗位面试中不常被问到，但面试中高级岗位时会是加分项。如果你时间有限，建议先把前三阶段吃透，把评分卡这条线走通，再根据目标岗位决定后三阶段投入多少精力。另外，课程强调实际操作，意味着你需要跟着动手写代码、跑数据，光看视频不做练习，效果会打不少折扣。

总的来说，这是一门有明确职业指向的课，适合已经决定往风控方向走、需要一套系统资料把各环节串起来的人。如果你还在犹豫要不要做风控，或者连 SQL 都没写过，建议先补基础再来看这门课是否合适。