🧠 一、特征工程是什么特征工程（Feature Engineering） 是指在模型训练前，对原始数据进行加工、提取、转换，以让模型“看懂”数据的过程。一句话总结： “数据决定上限，特征决定逼近上限的速度。” ⚙️ 二、为什么需要特征工程（核心原因）1️⃣ 模型本身无法直接理解原始数 ...

算法分成五大类，从基础到AI级别，覆盖从描述性分析 → 预测性分析 → 生成性分析的全流程。 🧭 一、总体分类总览 算法类型 主要目的 场景举例 ① 描述统计类 总结数据特征、发现规律 报表分析、KPI监控 ② 诊断分析类 找出变化原因与关系 异常检测、因果分析 ③ 预 ...

🧭 一、整体学习路线图概览123阶段 1：数据分析基础入门→ 阶段 2：进阶分析与自动化→ 阶段 3：AI模型驱动的数据分析（机器学习/深度学习） 🌱 阶段 1：数据分析基础入门目标： 学会用数据讲故事、发现规律。 🎯 核心能力 模块 学习重点 工具/语言 数据 ...

第4、5章学习清单（最终版） 一、理论与方法（必须掌握） DMAIC方法论 各阶段目标与方法： Define：问题定义、CTQ指标确定 Measure：数据收集、指标定义、阶段映射 Analyze：统计分析、机器学习建模、关键因子识别 Improve：改进方案设计 Control：控制方 ...

理解核心定位 技术 作用 前端价值 WebGPU 浏览器级 GPU 加速渲染/计算 高性能图形、GPGPU 计算 WebNN 浏览器端神经网络推理 模型推理（图像识别、分类、生成） 组合 GPU 加速 + AI 推理 前端可做实时图形+AI，例如 AR、AI 游戏 ...

🧭 一、题目关键词与学科定位 关键词 含义 主要学科归属 数据驱动（Data-driven） 用数据分析、挖掘、建模指导决策 数据科学、机器学习 质量控制（Quality Control） 通过度量、分析、监控改进质量 统计学、质量管理 改进（Improvement） ...