2025年4月1日 星期二

AI相關名詞

L111 人工智慧概念 (AI Concepts)

  1. 人機協作 (Human-AI Collaboration)

  2. 人工智慧 (AI / Artificial Intelligence)

  3. 人工通用智能安全 (AGI Safety)

  4. AI Agent (人工智慧代理)

  5. 大數據 (Big Data)

  6. 自主系統 (Autonomous Systems)

  7. 自主學習系統 (Autonomous Learning Systems)

  8. 自然語言處理 (Natural Language Processing / NLP)

  9. 阿爾法圍棋 (AlphaGo)

  10. 知識表示 (Knowledge Representation)

  11. 知識圖譜 (Knowledge Graph)

  12. 計算創造力 (Computational Creativity)

  13. 弱人工智慧 (Weak AI / Narrow AI)

  14. 推理能力 (Reasoning Abilities)

  15. 強(通用)人工智慧 (Strong AI / AGI / General AI)

  16. 符號主義 AI (Symbolic AI)

  17. 專家系統 (Expert System)

  18. 視覺常識推理 (Visual Commonsense Reasoning)

  19. 混合智能系統 (Hybrid Intelligence Systems)

  20. 理性行動 (Acting Rationally)

  21. 深度研究 (Deep Research)

  22. 深度搜尋 (Deep Search)

  23. 智能客服 (Chatbot)

  24. 智慧代理 (Intelligent Agents)

  25. 超人工智慧 (Super AI)

  26. 認知計算 (Cognitive Computing)

  27. 圖靈測試 (Turing Test)

  28. 語言理解與推理 (Language Understanding and Reasoning)

  29. 語音識別 (Speech Recognition)

  30. 框架理論 (Frame Theory)

  31. 機器智慧 (Machine Intelligence)

L112 資料處理與分析概念 (Data Processing and Analysis Concepts)

  1. 內部資料 (Internal Data)

  2. 外部資料 (External Data)

  3. 主數據管理 (MDM / Master Data Management)

  4. 半結構化資料 (Semi-structured Data)

  5. 正規劃 (Normalization)

  6. 資料 (Data)

  7. 資料分析 (Data Analysis)

  8. 資料收集 (Data Collection)

  9. 資料清理 (Data Cleaning / Cleansing / 數據清洗)

  10. 資料解釋 (Data Interpretation)

  11. 資料庫索引優化 (Database Index Optimization)

  12. 資料類型 (Data Types): 數值型(Numerical), 類別型(Categorical), 字串(String), 布林子(Boolean), 日期型(Date)

  13. 資料轉換與整理 (Data Transformation and Wrangling)

  14. 未標註數據 (Unlabeled Data)

  15. 結構化資料 (Structured Data)

  16. 非結構化資料 (Unstructured Data)

  17. 開放資料 (Open Data)

  18. 標準化 (Standardization)

  19. 標註資料 (Labeled Data)

  20. 特徵工程 (Feature Engineering)

  21. 特徵縮放 (Feature Scaling)

  22. 探索性數據分析 (EDA / Exploratory Data Analysis)

  23. 網路爬蟲 (Web Scraping)

  24. 數據品質 (Data Quality)

  25. 數據目錄 (Data Catalog)

  26. 數據中台 (Data Middle Platform)

  27. 數據湖 (Data Lake)

  28. 數據倉儲 (Data Warehouse)

  29. 數據網格 (Data Mesh)

  30. 數據標註 (Data Labeling)

  31. 數據編排 (Data Orchestration)

  32. 第三方數據供應商 (Third-party Data Providers)

  33. 類別資料編碼 (Categorical Encoding)

  34. 社群媒體資料 (Social Media Data)

  35. 4V (Volume, Velocity, Variety, Value)

  36. ETL (Extract, Transform, Load)

  37. Volume (數量)

  38. Value (價值)

  39. Velocity (速度)

  40. Variety (多樣性)

  41. Veracity (真實性)

L113 機器學習概念 (Machine Learning Concepts)

  1. 人類反饋強化學習 (RLHF / Reinforcement Learning from Human Feedback)

  2. 分類 (Classification)

  3. 分群 (Clustering)

  4. 反向傳播 (Backpropagation)

  5. 元學習 (Meta-Learning / Learning to Learn)

  6. 主成分分析 (PCA / Principal Component Analysis)

  7. 主動學習 (Active Learning)

  8. 代理人 (Agent)

  9. 優化 (Optimization)

  10. 全連接 (Fully Connected)

  11. 決策樹 (Decision Trees / Decision Tree)

  12. 行動 (Action)

  13. 批次正規化 (Batch Normalization)

  14. 狀態 (State)

  15. 支持向量機 (SVM / Support Vector Machine)

  16. 迴歸 (Regression)

  17. 梯度下降 (Gradient Descent)

  18. 梯度提升樹 (Gradient Boosting)

  19. 梯度消失 (Vanishing Gradients)

  20. 梯度爆炸 (Exploding Gradients)

  21. 神經元 (Neuron)

  22. 神經網路 (NN / Neural Network)

  23. 損失函數 (Loss Function / Cost Function)

  24. 降維 (Dimensionality Reduction)

  25. 高斯過程 (Gaussian Processes)

  26. 強化學習 (RL / Reinforcement Learning)

  27. 推理模型 (Inference Model)

  28. 捲積神經網路 (CNN / Convolutional Neural Network)

  29. 教學學習 (Supervised Learning / 監督式學習)

  30. 深度學習 (DL / Deep Learning)

  31. 深度神經網路 (DNN / Deep Neural Network)

  32. 循環神經網路 (RNN / Recurrent Neural Network)

  33. 無監督學習 (Unsupervised Learning / 非監督式學習)

  34. 模型 (Model)

  35. 模型壓縮 (Model Compression)

  36. 模型剪枝 (Model Pruning)

  37. 模型漂移 / 衰退 (Model Drift)

  38. 準確率 (Accuracy)

  39. 欠擬合 (Underfitting)

  40. 感知器 (Perceptron)

  41. 跳接連結 (Skip Connections / Residual Connections)

  42. 過度擬合 (Overfitting)

  43. 精確率 (Precision)

  44. 輸入層 (Input Layer)

  45. 輸出層 (Output Layer)

  46. 遷移學習 (Transfer Learning)

  47. 遞增學習 (Incremental Learning / Lifelong Learning)

  48. 隨機森林 (Random Forest)

  49. 標記 (Label / 標籤)

  50. 獎勵 (Reward)

  51. 環境 (Environment)

  52. 端對端機器學習 (End-to-End Machine Learning)

  53. 樣本集 (Sample Set)

  54. 訓練集 (Training Set)

  55. 貝葉斯網路 (Bayesian Networks)

  56. 課程式學習 (Curriculum Learning)

  57. 資訊蒸餾 (Knowledge Distillation)

  58. 對比學習 (Contrastive Learning)

  59. 測試集 (Testing Set)

  60. 線性迴歸 (Linear Regression)

  61. 聯邦學習 (Federated Learning)

  62. 邏輯迴歸 (Logistic Regression)

  63. 隱藏層 (Hidden Layer)

  64. 驗證集 (Validation Set)

  65. 半監督學習 (Semi-supervised Learning)

  66. 自監督學習 (Self-Supervised Learning)

  67. 關聯規則學習 (Association Rule Learning)

  68. 集成學習 (Ensemble Learning)

  69. 機器學習 (ML / Machine Learning)

  70. 機器學習維運 (MLOps)

  71. 激活函數 (Activation Function)

  72. 演算法 (Algorithm)

  73. 數據集 (Dataset)

  74. 量化 (Quantization)

  75. 預測 (Prediction)

  76. 預測模型 (Predictive Model)

  77. 召回率 (Recall / Sensitivity)

  78. 混淆矩陣 (Confusion Matrix)

  79. K-均值 (K-means)

  80. K-近鄰算法 (KNN / K-Nearest Neighbors)

  81. MNIST 手寫數字資料集 (MNIST)

  82. F1 分數 (F1-Score)

  83. Q-learning

  84. ROC 曲線 (Receiver Operating Characteristic Curve)

  85. AUC (Area Under Curve)

  86. Sigmoid

  87. Softmax

L114 鑑別式 AI 與 生成式 AI 概念 (Discriminative AI vs. Generative AI Concepts)

  1. 上下文窗口 (Context Window)

  2. 文本生成 (Text Generation)

  3. 文本到圖像 (Text-to-Image)

  4. 大型語言模型 (LLM / Large Language Model)

  5. 幻覺 (Hallucination)

  6. 生成式 AI (GAI / Generative AI)

  7. 生成式預訓練 (Generative Pre-training)

  8. 生成對抗網路 (GANs / GAN / Generative Adversarial Networks)

  9. 注意力機制 (Attention Mechanism)

  10. 自注意力 (Self-Attention)

  11. 自迴歸模型 (Autoregressive Models)

  12. 判別式 AI (Discriminative AI / 鑑別式 AI)

  13. 條件式生成 (Conditional Generation)

  14. 流動基礎模型 (Flow-based Models)

  15. 記憶 (Memory)

  16. 風格轉換 (Style Transfer)

  17. 圖像生成 / 合成 (Image Generation / Synthesis)

  18. 掩碼語言建模 (MLM / Masked Language Modeling)

  19. 檢索 (Retrieval)

  20. 零樣本學習 (Zero-shot Learning)

  21. 語言模型 (Language Model)

  22. 微調 (Fine-tuning)

  23. 變分自編碼器 (VAEs / VAE / Variational Autoencoders)

  24. 擴散模型 (Diffusion Models)

  25. 穩定擴散 (Stable Diffusion)

  26. 多模態生成 (Multimodal Generation)

  27. 多模態模型 (Multimodal Model)

  28. 長上下文處理 (Long Context Processing)

  29. BERT (Bidirectional Encoder Representations from Transformers)

  30. DALL-E

  31. LoRA (Low-Rank Adaptation)

  32. StyleGAN / STYLESGANT

  33. Transformer 模型 (Transformer)

L121 No-Code 與 Low-Code (No-code / Low-code Concepts)

  1. 公民開發者 (Citizen Developer)

  2. 抽象化 (Abstraction)

  3. 組件 (Components)

  4. 流程自動化 (Workflow Automation)

  5. 模板 (Templates)

  6. 模型驅動開發 (MDD / Model-Driven Development)

  7. 視覺化開發環境 (VDE / Visual Development Environment)

  8. 無代碼 (No-Code)

  9. 低代碼 (Low-Code)

  10. Bubble (No-Code 開發平台)

  11. Microsoft Power Platform

L122 生成式 AI 應用領域與工具使用 (Generative AI Application Areas and Tool Usage)

  1. 少樣本提示 (Few-shot Prompting)

  2. 文本到語音 (TTS / Text-to-Speech)

  3. 文本到視頻 (Text-to-Video)

  4. 提示 (Prompt)

  5. 提示工程 (Prompt Engineering)

  6. 提示注入攻擊 (Prompt Injection)

  7. 鏈式思考 (Chain of Thought) / 思維鏈提示 (CoT / Chain-of-Thought)

  8. 檢索增強生成 (RAG / Retrieval-Augmented Generation)

  9. 零樣本提示 (Zero-shot Prompting)

  10. AutoGPT：自主 AI 代理的代表

  11. Canvas (OpenAI 協作功能)

  12. Function Call (函式調用)

  13. Netflix

  14. Spotify

  15. YouTube

L123 生成式 AI 導入評估規劃 (Generative AI Implementation Evaluation and Planning)

  1. 人工智慧法案 (AI Act / 歐盟人工智慧法案)

  2. 公平性 (Fairness)

  3. 中間人攻擊 (Man-in-the-Middle Attack)

  4. 公開資料 (Open Data)

  5. 升級管理 (Change Management / 變革管理)

  6. 可靠性與安全性 (Reliability & Safety)

  7. 技術成熟度評估 (TRL / Technology Readiness Level)

  8. 技術債 (Technical Debt)

  9. 投資報酬率 (ROI / Return on Investment)

  10. 目的限制 (Purpose Limitation)

  11. 知情同意 (Informed Consent)

  12. 社會技術系統 (Socio-technical Systems)

  13. 供應鏈攻擊 (Supply Chain Attack)

  14. 需求探索 (Needs Discovery)

  15. 風險矩陣 (Risk Matrix)

  16. 風險登錄表 (Risk Register)

  17. 最小可行產品 (MVP / Minimum Viable Product)

  18. 責任 (Accountability)

  19. 透明度 (Transparency)

  20. 差分隱私 (Differential Privacy / 差分化隱私)

  21. 產發署 (Industrial Development Bureau)

  22. 最小化資料 (Data Minimization / 資料最小化)

  23. 負責任 AI (Responsible AI)

  24. 通用資料保護規則 (GDPR / General Data Protection Regulation)

  25. 可持續 AI (Sustainable AI)

  26. 可解釋 AI (XAI / Explainable AI)

  27. 合規性 (Compliance)

  28. 在地化 (Localization)

  29. 多元學習 (Multi-task Learning)

  30. 安全性 (Security)

  31. 成本效益分析 (Cost-Benefit Analysis)

  32. 敏感性分析 (Sensitivity Analysis)

  33. 數位倫理 (Digital Ethics)

  34. 資料安全 (Data Security)

  35. 資料治理 (Data Governance)

  36. 資料假名化 (Pseudonymization)

  37. 資料隱私 (Data Privacy)

  38. 資料匿名化 (Anonymization)

  39. 零信任架構 (Zero Trust Architecture)

  40. 綠色 AI (Green AI)

  41. 網路釣魚 (Phishing)

  42. 網路攻擊 (Network Attack)

  43. 臺灣個人資料保護法 (PDPA / 個資法)

  44. 輔助功能 (Accessibility)

  45. 殭屍網路 (Botnet)

  46. 歐盟 (EU)

  47. 營運持續計畫 (BCP / Business Continuity Plan)

  48. 演算法偏見 (Algorithmic Bias)

  49. 演算法監管 (Algorithmic Regulation)

  50. 演算法問責制 (Algorithmic Accountability)

  51. 去識別化 (De-identification)

  52. 認知偏誤 (Cognitive Bias)

  53. 關鍵績效指標 (KPI / Key Performance Indicator)

  54. 變更管理 (Change Management) (與第5項重複，已移除)

  55. 包容性 (Inclusiveness)

  56. 隱私強化技術 (PETs / Privacy-Enhancing Technologies)

  57. 隱私與保密性 (Privacy & Security)

  58. 雙因素認證 (2FA / Two-Factor Authentication)

  59. 勒索軟體 (Ransomware)

  60. A/B 測試 (A/B Testing)

  61. AIGO (AI GO)

  62. AI 倫理框架 (AI Ethics Framework)

  63. AI 安全對齊 (AI Safety Alignment)

  64. AI 治理 (AI Governance)

  65. AI 碳足跡 (AI Carbon Footprint)

  66. AI 導入策略 (AI Adoption Strategy)

  67. AI 導入藍圖 (AI Adoption Roadmap)

  68. AI 審計 (AI Auditing)

  69. CCPA (加州消費者隱私法 / California Consumer Privacy Act)

  70. DDoS (Distributed Denial of Service)

  71. HIPAA (健康保險可攜性和責任法案)

  72. iPodai AI

  73. POC (概念驗證 / Proof of Concept)

  74. SMART 原則

  75. SQL 注入 (SQL Injection)

  76. TJ 台灣經濟新報

  77. XSS (Cross-Site Scripting)
on

沒有留言:

張貼留言

訂閱： 張貼留言 (Atom)