Inżynieria cech
Konstruowanie lepszych danych wejściowych (cech) dla modeli ML — historycznie 80% pracy w klasycznym uczeniu maszynowym.
Przykłady: „data urodzenia” + „dzisiejsza data” → „wiek”. Kodowanie zmiennych kategorialnych (one-hot). Uczenie głębokie zmniejszyło tę potrzebę — modele uczą się cech samodzielnie. Praktyka żyje dalej w danych tabelarycznych (XGBoost i spółka).