第1章
数据准备概述
什么是数据准备 · 机器学习中的重要性 · 主要步骤
基础概念
第2章
数据收集
公开数据集 · API · 数据库 · 爬虫 · 伦理与法律
来源合规
第3章
数据探索性分析 (EDA)
描述性统计 · 分布可视化 · 相关性分析
可视化统计
第4章
数据清洗
缺失值处理 · 重复值 · 异常值检测与处理
清洗核心
第5章
数据集成
concat/merge/join · 数据冲突处理
合并SQL
第6章
数据变换
标准化/归一化 · 离散化 · 函数变换 (log, box-cox)
缩放数学
第7章
数据规约
维度规约 (PCA) · 特征选择 · 数量规约 (抽样)
降维压缩
第8章
特征工程
特征构建 · 提取 · 选择 (过滤/包裹/嵌入式)
特征ML
第9章
文本数据预处理
分词 · 停用词 · 词干/词形还原 · TF-IDF
NLP文本
第10章
图像数据预处理
缩放/裁剪/旋转 · 色彩空间 · 数据增强
CV增强
第11章
时间序列预处理
重采样 · 滑动窗口 · 差分 · 平稳性检验
时序平稳
第12章
数据不平衡处理
过采样 (SMOTE) · 欠采样 · 集成方法
不平衡采样
第13章
数据划分
训练/验证/测试集 · 交叉验证
划分评估
第14章
数据管道构建
sklearn Pipeline · 自定义转换器
Pipeline自动化
第15章
数据版本控制
DVC 介绍 · 数据集版本管理实践
DVC版本
第16章
数据质量评估
准确性 · 完整性 · 一致性 · 时效性
质量维度
第17章
自动化数据预处理
AutoML 预处理 · 自动化特征工程
AutoML自动
第18章
大数据环境预处理
Spark 数据处理 · 分布式数据清洗
Spark分布式
第19章
常见陷阱与避免
数据泄露 · 幸存者偏差 · 多重共线性
陷阱避坑
第20章
案例：客户流失预测
客户流失数据预处理实战
实战客户
第21章
案例：房价预测
房价数据预处理实战
实战回归
第22章
案例：情感分析文本
文本情感分析预处理实战
实战NLP
第23章
案例：图像分类
图像分类数据预处理实战
实战CV
第24章
案例：金融时间序列
金融时序数据预处理实战
实战时序
第25章
工具对比
Pandas vs Polars vs Dask
对比工具
第26章
最佳实践
代码规范 · 文档化 · 可复现性
规范工程
第27章
性能优化
向量化 · 并行处理 · 内存管理
性能加速
第28章
预处理与模型性能
特征缩放影响 · 缺失值策略对比
关联实验
第29章
面试题解析
常见面试问题与解答思路
面试求职
第30章
课程总结与展望
未来趋势 · 学习路径建议
总结路径