Конструирование признаков
Создание лучших входных данных (признаков) для ML-моделей — исторически 80 % работы в классическом ML.
Пример: «дата рождения» + «сегодняшняя дата» → «возраст». Кодирование категориальных переменных (one-hot). Глубокое обучение снизило потребность — модели сами учат признаки. Живёт дальше в табличных данных (XGBoost и компания).