课程进阶
MIT：以数据为中心的 AI 导论（2024）
MIT：Introduction to Data-Centric AI（2024）
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。
- 分级
- 值得看
- 所属主题
- 预训练与数据
- 收录时间
- 2026-10-29
- 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。
- 熟悉 Python 与 pandas、NumPy、scikit-learn、Jupyter Notebook 的数据科学学习者。
- 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。
- 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