需要
深度學習需要特徵工程。雖然深度學習模型能夠自動從原始數據中提取特徵，這在某些情況下顯著減少了手工進行特徵工程的需求，特別是在計算機視覺、語音識別和自然語言處理等領域，但這並不意味着特徵工程不再重要，以下是詳細介紹：
在深度學習模型中，特徵工程仍然對模型的性能有顯著影響，高質量的特徵能夠大大簡化模型複雜度，讓模型變得高效且易理解、易維護。
在關係型數據庫等領域，基於行的特徵變換和基於列的特徵變換等傳統特徵工程技巧仍然非常重要。
深度學習模型在一定程度上可以學習到基於行的特徵變換，但對於基於列的特徵變換，如全局統計聚合信息，深度模型仍難以學習。
自動化特徵工程（AutoFE）研究尚處於初級階段，難以完全取代傳統特徵工程的方法。
因此，雖然深度學習減少了特徵工程的需求，但在實際應用中，合理的特徵工程仍然對提升模型性能和效率至關重要。