问题：机器学习在银行信贷风控中的应用场景？回答思路:1.贷前:信用评估与反欺诈信用评分卡:传统逻辑回归与机器学习(如XGBoost,LightGBM)结合，利用多维度数据(交易、行为、农业生产经营数据)预测违约概率。反欺诈识别:使用无监督学习(如聚类、异常检测)或有监督学习识别团伙欺诈、申请资料造假。2.贷中:风险预警与额度管理行为评分与早期预警:基于贷后还款行为、账户活动等实时数据，利用时序模型预测客户风险等级变化，触发预警。动态额度调整:根据客户风险变化和贡献度，利用强化学习等模型动态调整授信额度。3.贷后:催收策略优化催收响应预测:预测不同客户对不同催收方式(短信、电话、上门)的反应概率，优化催收资源分配，实现差异化收。

什么?抛开难度不谈,那我要开始幻想了首先是外企,wlb的典范,像是联想,微软,谷歌,工资不错的同时,工作氛围好,不用像国内公司一样加班内卷然后就是大厂,字节,美团,pdd等,这些都是工资拿到手软的公司,虽然可能会很累,但是可以迅速积累财富和工作经验而且有了大厂的title,后期跳槽其他公司也有保障最后就是国企央企了,说实话难度是比前面的要少很多,但是现在有的国企也开始加班了,工资又低,但是胜在稳定,基本很少需要担心被优化

👋个人背景：👏offer1：深圳中信银行信用卡中心it研发岗💯offer2：西安交行软开

👋个人背景：双2计算机硕士👏offer1：华泰证券 南京💯offer2：银联 上海都是开发岗位，薪资华泰高银联多一点，但是听说银联稳定性更好一些有没有佬提提建议