特征工程介绍

议题介绍

特征工程是机器学习中非常基础、非常重要的工作，也是必不可少的。好的特征可以让机器学习模型获得更好的效果，甚至可以说，特征的好坏决定了模型可以达到的精度的上限。本次分享讲解特征工程相关的基础知识，主要包括如下6个主题：

1. 特征工程介绍
2. 特征预处理
3. 特征构建
4. 特征选择
5. 特征评估
6. 特征工程案例介绍

通过前面5部分的介绍，我们可以学习特性预处理、特长构建、特征选择、特征评估这些特征工程中最重要的知识点。最后通过一个案例将前面的知识点串联起来，让大家可以更好地领悟，做到活学活用。

讲师介绍

刘强，硕士学历，09年毕业于中国科学技术大学数学系。有近10年大数据与推荐系统相关经验，精通大数据与推荐系统。

目前负责上海千杉网络技术发展有限公司大数据与人工智能团队(千杉网络是一家聚焦于客厅端智能电视/智能盒子上的视频类应用、为用户提供基于家庭端的视频点播服务的互联网公司，主要产品电视猫目前有超过五百万DAU，是客厅端最主流的视频应用之一。)。在公司7年多时间里，一手组建了大数据与人工智能团队，从零开始搭建公司的大数据平台，将数据分析、数据可视化、推荐系统、搜索等大数据及AI能力应用于公司业务中，目前公司近30%的流量来源于推荐搜索，具备丰富的项目实战经验。

业余时间维护“大数据与人工智能”公众号，平时在公众号撰写推荐系统相关文章，目前已经完成近35篇推荐系统的深度文章，近40万字。文章被infoQ、CSDN等主流媒体及公众号转载，得到用户的一致好评。近期跟CSDN合作打造了一门推荐系统入门课程，学员反映良好。

在过去的一年内为多家中小型互联网公司(流媒体、在线教育、跨境电商等)提供技术咨询，帮助他们从零到一构建个性化推荐系统，在我和这些企业的良好协作下，推荐系统都能快速上线，并最终取得了很好的商业价值。个人在业界也获得了非常好的口碑！