机器学习和深度学习项目在大多数企业中变得越来越重要。同时，一个完整的项目流程包括数据整理（Data Preparation）、构建分析模型以及部署至生产环境。该流程是一个：洞察与行动的循环，此循环能不断地改进分析模型。当你打算使用机器学习或深度学习技术来构建分析模型时，一个重要的任务是集成并通过各种数据源来准备数据集，这些数据源包括比如文件、数据库、大数据存储、传感器或社交网络等等。此步骤可占整个分析项目的 80％。显然，数据整理是数据科学的核心。它包括数据清洗和特征工程。另外领域知识（Domain Knowledge）也非常重要，它有助于获得好的结果。数据整理不能完全自动化，至少在初始阶段不[……]