# MIT：以数据为中心的 AI 导论（2024） - 原标题：MIT：Introduction to Data-Centric AI（2024） - 类型：课程 - 来源：MIT 课程官网 - 学期：2024 冬 - 首次精选：2026-10-29 23:09 - 分级：值得看 - 学习层级：进阶 - 主题：[pretraining-data]()（第 2 位） - 原文链接：[https://dcai.csail.mit.edu/]() - 本站页面：[https://oplearnx.com/resources/pk\_d445e9a191d0]() ## 摘要 MIT CSAIL 于 2024 年 IAP 开设的“Introduction to Data-Centric AI”课程网站，页面称这是首个关于数据为中心 AI（DCAI）的课程。课程主张除改进模型外，改进数据集本身往往也是提升实际机器学习表现的最佳途径，并把数据改进从依赖试错与直觉的手工做法变成系统性的工程学科；内容侧重监督学习（如分类）中用于发现和修复数据问题、构建更好数据集的算法，强调实用而非模型数学细节，目的是缓解“垃圾进、垃圾出”问题。日程列出了数据为中心与模型为中心 AI、标签错误与置信学习等主题。 ## 概览 - 难度：进阶 - 语言：英文 · 中文字幕 - 规模：7 讲 · 10 个实验 - 费用：免费 - 动手：配套 Jupyter 实验 ## 学完你能 - 说明数据为中心 AI 与模型为中心 AI 的区别，并判断何时应改进数据而非模型。 - 用 confident learning 识别并刻画分类数据集中的标签错误与标签噪声。 - 处理类别不平衡、离群点与分布偏移等常见数据问题。 - 创建与筛选数据集，包括对多标注者标注数据的分析。 - 以数据为中心的视角评估 ML 模型、分析子群体表现与单点数据影响。 - 面向大语言模型进行数据筛选与提示工程（prompt engineering）。 ## 适合你吗 - 适合：已上过机器学习入门课、想把数据质量作为提升性能手段的实践者。 - 适合：熟悉 Python 与 pandas、NumPy、scikit-learn、Jupyter Notebook 的数据科学学习者。 - 适合：关注监督学习（尤其是分类）数据清洗与数据集构建的人。 - 暂不适合：完全没有 Python 与机器学习基础、需要先补入门的初学者。 - 暂不适合：希望深入特定模型数学推导而非数据处理技术的人。 - 需要先会：建议完成一门机器学习入门课，并熟悉 Python 及 pandas、NumPy、scikit-learn、Jupyter Notebook；课程本身对背景无硬性要求。 ## 课程特点 - 内容侧重：内容高度实用，聚焦真实 ML 应用中有效的数据改进方法，而非模型数学细节；面向分类等监督学习任务。 - 练习与项目：每讲配套 Python / Jupyter Notebook 实验作业，可个人或小组完成；不计学分，无需提交作业。 - 投入时间：讲座每日 12pm–1pm 各一小时，课程从 1 月 16 日到 1 月 26 日。 - 费用说明：课程页面与讲座视频、实验仓库均可公开访问；材料以 CC BY-NC-SA 许可发布。 ## 内容覆盖 - 数据为中心 AI vs. 模型为中心 AI - 标签错误与 confident learning - 进阶 confident learning、LLM 与生成式 AI 应用 - 类别不平衡、离群点与分布偏移 - 数据集创建与筛选 - 以数据为中心的 ML 模型评估 - 面向 LLM 的数据筛选 - 往年专题：数据集的扩充与压缩 - 往年专题：以数据为中心 ML 中的可解释性 - 往年专题：编码人类先验——数据增强与提示工程 - 往年专题：数据隐私与安全 --- 来源：LearnMap · 学径（https://oplearnx.com）