Feature Engineering
Das Konstruieren besserer Eingaben (Features) für ML-Modelle — historisch 80 % der Arbeit im klassischen ML.
Beispiel: „Geburtsdatum" und „heutiges Datum" kombiniert ergeben „Alter". Encoding kategorischer Variablen (One-Hot). Deep Learning hat den Bedarf verringert — die Modelle lernen Features selbst. Lebt weiter bei tabellarischen Daten (XGBoost et al.).