📇 IPAS AI 中級 — 名詞解釋表(閃卡版)

445 條極簡名詞 · 中英對照 + 記憶比喻

IPAS AI 中級 — 必背名詞解釋表(閃卡版)

使用原則:每條 = 名詞(中英) + 一句話定義(極簡) + 記憶比喻 閃卡用法:正面=名詞,背面=定義+比喻;熟練後可遮一邊測驗 建議順序:共通基礎 → 科二統計 → 科三 ML → 科一 AI 應用

A. 共通基礎(50 詞)

A1. 學習範式

# 名詞 (English) 一句話定義 記憶比喻
1 監督式學習 (Supervised) 用「有答案」資料訓練 老師批改作業
2 非監督式學習 (Unsupervised) 用「無答案」資料找結構 自己整理書桌
3 半監督式學習 (Semi-supervised) 少量答案 + 大量無答案 老師只給範例
4 自監督式學習 (Self-supervised) 資料本身產生訓練訊號 玩填空遊戲
5 強化式學習 (Reinforcement) 透過獎懲學行為 訓練狗坐下
6 遷移學習 (Transfer Learning) 把舊任務知識搬到新任務 會騎機車學騎車
7 多任務學習 (Multi-task) 同時學多個相關任務 一心多用
8 元學習 (Meta-learning) 學「如何更快學」 學讀書方法
9 終身學習 (Lifelong/Continual) 學新但不忘舊 避免「災難性遺忘」
10 主動學習 (Active Learning) 模型挑值得標註的樣本 學生自己提問題
11 弱監督學習 (Weakly Supervised) 用不精確或雜訊標籤 模糊提示也能學
12 少樣本學習 (Few-shot) 極少樣本學新任務 看 3 張就懂
13 一樣本學習 (One-shot) 每類只給 1 個樣本 人臉辨識首見即記
14 零樣本學習 (Zero-shot) 完全沒看過也能分類 看描述猜動物
15 批次學習 (Batch Learning) 一次用全部資料訓練 期中考一次到位
16 線上學習 (Online Learning) 資料來就立即更新 邊看邊學
17 增量學習 (Incremental) 不必全部重訓即更新 加章節不重讀全書

A2. 模型本質

# 名詞 一句話定義 記憶比喻
18 鑑別式 (Discriminative) 學「邊界」分類 / 預測 畫線分組
19 生成式 (Generative) 學「分布」造新樣本 模仿畫家
20 表徵學習 (Representation) 自動學有用的特徵 自己整理重點
21 集成學習 (Ensemble) 多模型集思廣益 投票最準
22 深度學習 (Deep Learning) 多層神經網路自動學特徵 層層抽象
23 機率式學習 (Probabilistic) 用機率分布建模 算機率而非答案
24 聯邦學習 (Federated) 資料不集中,只傳模型參數 各自練習互傳心得
25 分散式學習 (Distributed) 運算分散在多機 大家分工算

A3. 訓練核心觀念

# 名詞 一句話定義 記憶比喻
26 過擬合 (Overfitting) 訓練好、測試差 死背題庫
27 欠擬合 (Underfitting) 訓練、測試都差 沒讀書
28 偏差 (Bias) 模型「想太少」看不到規律 太簡單
29 變異 (Variance) 模型「想太多」對雜訊敏感 太敏感
30 偏差–變異權衡 Bias 與 Variance 不可兼得 蹺蹺板
31 泛化能力 (Generalization) 模型對「新資料」的表現 舉一反三
32 資料洩漏 (Data Leakage) 測試資訊偷偷進訓練 偷看答案
33 模型漂移 (Model Drift) 模型表現隨時間變差 過期商品
34 資料漂移 (Data Drift) 輸入分佈隨時間變 顧客口味變
35 概念漂移 (Concept Drift) 輸入–標籤關係變了 詐欺手法翻新

A4. 評估指標

# 名詞 一句話定義 記憶比喻
36 Accuracy 準確率 全部答對的比例 整體考試分數
37 Precision 精確率 預測為正中真為正比例 抓的犯人多少真犯
38 Recall 召回率 真為正中被找出的比例 真犯人抓到幾成
39 F1 分數 P 與 R 的調和平均 兩者兼顧
40 F-beta β>1 重 Recall;β<1 重 Precision 偏重哪邊看 β
41 ROC-AUC 模型分辨正負類的能力 越接近 1 越強
42 混淆矩陣 (Confusion Matrix) TP/FP/TN/FN 表格 對錯交叉表
43 MSE/RMSE/MAE 迴歸誤差三指標 MSE 罰大誤差
44 R² 決定係數 模型解釋變異的比例 0.85 = 解釋 85%
45 IoU 預測框與真實框重疊比例 重疊越多越準
46 mAP 物件偵測綜合精準度 IoU 閾值越高越嚴
47 BLEU 機器翻譯 n-gram 相似度 翻譯像不像
48 ROUGE 摘要召回率指標 抓到關鍵詞了沒
49 MOS 人耳評語音自然度 1–5 分主觀打分
50 WER 字錯率 語音辨識錯誤率 越低越準

B. 科目一 人工智慧技術應用規劃(80 詞)

B1. NLP

# 名詞 一句話定義 記憶比喻
51 NLP 自然語言處理 讓電腦理解 / 產生人話 翻譯機
52 NLU 自然語言理解 NLP 中「聽懂」階段 聽得懂
53 NLG 自然語言生成 NLP 中「說出」階段 說得出
54 Tokenization 分詞 把句子切成詞或子詞 切水果
55 POS 詞性標注 標每個詞的語法角色 名/動/形
56 NER 命名實體辨識 抽出人名、地名、金額 找專有名詞
57 Lemmatization 詞形還原 running → run(保留語意) 還原原型
58 Stemming 詞幹提取 暴力裁字尾(可能不是字) happiness → happi
59 Stopword 停用詞 「的、在、is」等高頻無用詞 沒重點的字
60 One-hot Encoding 一位 1、其餘 0 的稀疏向量 開關燈
61 Bag of Words 只算詞頻,忽略順序 字詞袋裝
62 TF-IDF 詞頻 × 稀有度 強調關鍵詞
63 N-gram 連續 N 個詞當特徵 短語片段
64 Word2Vec 預測式靜態詞嵌入 CBOW / Skip-gram
65 CBOW 上下文 → 預測中心詞 看周圍猜中間
66 Skip-gram 中心詞 → 預測上下文 看中間猜周圍
67 GloVe 共現統計矩陣分解詞向量 全局詞共現
68 FastText 子詞 n-gram 加總,可處理 OOV 拼字亦可猜
69 ELMo BiLSTM 語境型詞嵌入 看上下文變意思
70 BERT 雙向 Transformer + MLM 雙向理解王
71 MLM 遮罩語言模型 隨機遮詞讓模型猜 填空練習
72 GPT 單向 Transformer + 自迴歸 一字接一字
73 T5 所有 NLP 任務都當「文字→文字」 統一格式
74 RNN 循環神經網路,序列依時序 一個接一個
75 LSTM RNN + 三門解決梯度消失 有記憶閥門
76 GRU LSTM 簡化版(兩門) 精簡記憶
77 Self-Attention 自注意力 詞與詞間直接算關聯 全班互看
78 Multi-head Attention 多組 Attention 看不同子空間 多角度觀察
79 Positional Encoding 補回位置資訊 標座號
80 RAG 檢索增強生成 先查資料再生成答案 開卷考
81 Hallucination 幻覺 LLM 一本正經胡說八道 編故事
82 Prompt Engineering 設計提示詞引導模型 下指令藝術
83 Few-shot Learning Prompt 給幾個範例 看樣學樣
84 Chain-of-Thought (CoT) 先推理後答案 寫過程
85 Fine-tuning 微調 用特定領域資料再訓練 補習班加強
86 BLEU / ROUGE 翻譯 / 摘要評估指標 比對相似度
87 Back-Translation 反向翻譯 譯回再譯來補語料 自製平行語料
88 Attention Collapse 注意力分布太平均失焦 看哪都一樣

B2. CV

# 名詞 一句話定義 記憶比喻
89 Image Classification 影像分類 整張圖貼一個類別 這是貓還是狗
90 Object Detection 物件偵測 框出位置 + 類別 圈出人臉
91 Semantic Segmentation 語意分割 像素分類但不分實體 全部車輛同色
92 Instance Segmentation 實例分割 像素分類 + 區分個體 每台車不同色
93 Panoptic Segmentation 全景分割 語意 + 實例整合 兩者合一
94 CNN 卷積神經網路 用卷積核掃描圖像 拿放大鏡看局部
95 Convolutional Layer 卷積層 抽局部特徵(邊緣、紋理) 第一層看線條
96 Pooling 池化 下採樣降維(取最大或平均) 縮圖
97 Local Receptive Field 卷積核只看小區域 局部視野
98 Parameter Sharing 同一 kernel 全圖共用 一把刷子掃全圖
99 LeNet 最早 CNN(手寫數字) CNN 鼻祖
100 AlexNet 2012 ImageNet 突破 DL 元年
101 VGG 深度 19 層 + 3×3 小卷積 深而簡
102 ResNet 殘差連接,可達 152 層 跳線解梯度消失
103 YOLO 即時物件偵測 一次看完
104 Faster R-CNN 區域提議 + 高準確度 兩階段精準
105 U-Net 編解碼 + Skip,醫學影像 U 字型
106 Mask R-CNN Faster R-CNN + 像素遮罩 加遮罩
107 IoU 交集比聯集 預測框與真實框重疊度 重疊越多越準
108 mAP 平均精準度 IoU 閾值越高越嚴 物件偵測指標王
109 ViT Vision Transformer 把圖切片給 Transformer 處理 圖也用 Attention
110 CLIP 圖文對比學習至共享空間 看文字找圖
111 SAM (Segment Anything) Meta 通用分割模型 任意分割
112 LabelImg / CVAT 影像標註工具 人工畫框

B3. 生成式 AI

# 名詞 一句話定義 記憶比喻
113 GAN 對抗生成 生成器 vs 判別器互相欺騙 偽造者 vs 警察
114 Generator 生成器 從噪聲做新樣本 偽造大師
115 Discriminator 判別器 分辨真假樣本 鑑定師
116 Mode Collapse 模式崩潰 GAN 老產出同樣東西 沒創意
117 WGAN 用 Wasserstein 距離穩定訓練 改評分制
118 VAE 變分自編碼器 機率潛在空間 + 重建 壓縮再解壓
119 Diffusion 擴散模型 逐步去噪生成 從雪花還原圖
120 Stable Diffusion 開源主流圖像生成 開源 DALL·E
121 DALL·E OpenAI 文字→圖像 畫畫機
122 Midjourney 藝術風格商業生成 美術館等級
123 Autoregressive 自迴歸 一個接一個生成 接龍
124 RLHF 人類反饋強化學習 用人類偏好訓練模型 讓 AI 學人類愛好
125 Red Teaming 紅隊 主動誘發有害輸出找漏洞 模擬攻擊
126 Alignment 對齊 讓模型符合人類價值 AI 學做人
127 Deepfake 深偽 AI 偽造影音 換臉騙術
128 Watermarking 浮水印 標記 AI 生成內容 蓋章追溯
129 Agentic AI 代理式 能自主規劃多步任務 小秘書
130 Autonomous System 自治系統 在授權內自主完成 老闆只設目標

B4. 多模態與部署

# 名詞 一句話定義 記憶比喻
131 Multimodal AI 多模態 同時處理多種感知 五感並用
132 Modality 模態 一種資料類型(文/圖/聲) 感官
133 Early Fusion 早期融合 在原始資料層整合 食材先混
134 Late Fusion 晚期融合 各自抽特徵後再合併 各自烹調最後拼盤
135 Batch Serving 定期批次推論 每日報表
136 Real-time Serving 即時 API 推論 秒回
137 Edge Serving 在裝置端推論 不上雲
138 Docker 容器化執行環境 把程式裝箱
139 Kubernetes (K8s) 容器編排平台 貨櫃指揮中心
140 Auto Scaling 流量大就自動加機 自動擴點
141 Canary Release 5% 流量試新版 小白鼠先測
142 Phased Rollout 漸進部署 從一個專科逐步擴展 分區開放
143 A/B Testing 兩版本流量分流比較 雙盲測試
144 MLOps ML 版的 DevOps ML 自動化流水線
145 CI 持續整合 commit 觸發自動測試 自動驗收
146 Model Registry 集中管理模型版本 模型書架
147 PSI Population Stability Index 偵測輸入分佈漂移 顧客變了沒
148 KL Divergence 衡量分佈差異 分佈距離尺

B5. AI 治理與評估

# 名詞 一句話定義 記憶比喻
149 POC 概念驗證 小範圍測試可行性 試做小樣品
150 ROI 投資報酬率 (回報−成本)/成本 賺多少倍
151 NPV 淨現值 折現後的總價值 折現後賺多少
152 Payback Period 回收期 投資多久回本 幾年回本
153 KPI 關鍵績效指標 量化目標 業績達標數字
154 As-Is / To-Be 現況流程 / 理想流程 現在 / 未來
155 Stakeholder 利害關係人 與專案有關的人 各方勢力
156 Risk Matrix 風險矩陣 機率×影響的二維表 紅黃綠燈
157 XAI 可解釋 AI 讓 AI 決策可被理解 解釋為什麼
158 SHAP / LIME 兩大 XAI 解釋工具 看特徵貢獻
159 Model Card 模型說明書 紀錄模型用途、限制 模型身分證
160 Data Catalog 資料目錄 集中盤點所有資料 圖書館目錄
161 GDPR 歐盟個資保護法 歐洲護資
162 PDPA 台灣個資法 台灣個資保護 台版 GDPR
163 HIPAA 美國醫療資訊法 美醫療隱私
164 PCI-DSS 信用卡支付安全標準 刷卡防護
165 GDPR Art.17 刪除權 用戶可要求刪資料 被遺忘權
166 GDPR Art.22 反對自動化決策 用戶可要求人工複核 真人重看
167 DPIA 隱私影響評估 評估資料處理風險 隱私體檢
168 Non-repudiation 不可否認性 行為可追溯不能賴帳 簽名作證
169 Digital Signature 數位簽章 加密證明簽署者身分 電子章
170 Adversarial Attack 對抗攻擊 微小擾動騙過模型 隱形改造

C. 科目二 大數據處理分析與應用(80 詞)

C1. 敘述統計

# 名詞 一句話定義 記憶比喻
171 Mean 算術平均 加總除以個數 普通平均
172 Geometric Mean 幾何平均 n 個值的乘積開 n 次方 算成長率用
173 Harmonic Mean 調和平均 n / Σ(1/xᵢ) 算速率用
174 Median 中位數 排序後中間那個 不怕極端值
175 Mode 眾數 最常出現的值 最熱門
176 Variance 變異數 與平均距離平方平均 散得多遠
177 SD 標準差 變異數開根號 Var 的平方根
178 Range 全距 最大值 − 最小值 跨多遠
179 IQR 四分位距 Q3 − Q1 中間 50% 範圍
180 Q1/Q2/Q3 四分位數 25%、50%、75% 切點 切四等分
181 Box Plot 箱形圖 視覺化分位數與離群值 盒鬚圖
182 Skewness 偏度 分佈對稱程度 尾巴偏哪邊
183 Kurtosis 峰度 尾部厚度與峰尖度 多尖、多胖尾
184 Z-score (x−μ)/σ 離平均幾個 σ
185 Outlier 離群值 偏離整體的極端值 班上特例

C2. 機率分佈

# 名詞 一句話定義 記憶比喻
186 PMF 機率質量函數 離散值的點機率 骰子各面機率
187 PDF 機率密度函數 連續值的密度 點密度
188 CDF 累積分佈函數 機率累加到某值 累計到此
189 E(X) 期望值 隨機變數平均 長期平均
190 Var(X) 變異數 平方偏差平均 散開程度
191 Bernoulli 伯努利 單次成敗試驗 拋一次硬幣
192 Binomial 二項分佈 n 次伯努利的成功次數 拋 n 次
193 Poisson 卜瓦松 固定時間內事件數 平均 λ 次
194 Normal 常態分佈 鐘型對稱 鐘形曲線
195 Uniform 均勻分佈 各值機率相同 機率扁平
196 Exponential 指數分佈 等待時間;無記憶性 不管等多久從頭算
197 Chi-square 卡方 常態平方和 用於卡方檢定
198 CLT 中央極限定理 樣本均值趨近常態 平均一定鐘形
199 Lognormal 對數常態 取 log 後為常態 偏態變對稱

C3. 假設檢定

# 名詞 一句話定義 記憶比喻
200 H₀ 虛無假設 「沒有差異」的預設立場 嫌犯無罪推定
201 H₁ 對立假設 「有差異」的主張 想證明的事
202 α 顯著水準 容許型一錯誤上限 誤判紅線
203 p 值 「假如 H₀ 真」出現此資料機率 p 越小越可疑
204 Type I Error 型一錯誤 誤拒 H₀(假警報) 把好人當壞人
205 Type II Error 型二錯誤 誤留 H₀(漏判) 把壞人放走
206 Power 檢定力 1 − β,正確拒絕能力 抓壞人的本事
207 t-test t 檢定 比較平均(σ 未知) 平均差異測試
208 Paired t-test 配對 t 同人前後測差值 治療前後
209 Two-proportion Z 雙比例 Z 兩組比例差檢定 良率比較
210 ANOVA 變異數分析 三組以上平均比較 多組均值差
211 Chi-square Test 卡方檢定 類別變數獨立性 / 適配度 類別關聯
212 Pearson r 線性相關係數 −1~1 線性關聯強度
213 Spearman ρ 等級相關係數 排序關聯
214 Mann-Whitney U 非參數兩組獨立比較 t 的非參數版
215 Bonferroni 多重檢定 α 校正 切蛋糕分配 α
216 CI 信賴區間 母體參數可能落的範圍 估計區間

C4. 資料工程

# 名詞 一句話定義 記憶比喻
217 5V Volume/Variety/Velocity/Veracity/Value 大數據五大特性
218 Structured 結構化 表格欄位固定 Excel 表
219 Semi-structured 半結構化 有結構但欄位彈性 JSON、XML
220 Unstructured 非結構化 無固定格式 影像、文字、語音
221 MCAR 完全隨機缺失 缺失與任何變數無關 純隨機
222 MAR 隨機缺失 缺失與其他變數有關 可預測
223 MNAR 非隨機缺失 缺失與該值本身相關 高收入不填薪資
224 ETL 抽取 / 轉換 / 載入 資料搬運三步驟
225 Data Lake 資料湖 任意格式儲存,事後解析 湖中啥都丟
226 Data Warehouse 資料倉儲 結構化、強治理 整理好的書庫
227 Data Lakehouse 資料湖倉 Lake + Warehouse 結合 湖加倉
228 HDFS Hadoop 分散式檔案系統 大檔切片存多機
229 NoSQL 非關聯式資料庫總稱 不只 SQL
230 Key-Value DB 鍵值對資料庫 字典
231 Document DB 文件型資料庫 一卷一卷的
232 Graph DB 圖形資料庫 節點 + 邊
233 ACID 原子/一致/隔離/持久 交易四特性
234 Atomicity 原子性 全部成功或全部回復 全有或全無
235 Consistency 一致性 滿足完整性規則 規則不破
236 Isolation 隔離性 並行交易不互擾 各自為政
237 Durability 持久性 已提交永久保存 不會消失
238 CAP 一致/可用/分區容忍三選二 取捨三角
239 RBAC 角色為基存取控制 看角色給權限
240 Zero Trust 零信任 永遠不預設信任 從不放心

C5. 處理框架與分析

# 名詞 一句話定義 記憶比喻
241 Hadoop / MapReduce 批次分散運算經典 老牌大數據
242 Spark 記憶體運算、迭代快 Hadoop 加速版
243 Flink 低延遲串流引擎 即時處理
244 Beam 批次 + 串流統一抽象 跨平台抽象
245 Kafka 訊息佇列(串流) 大水管
246 Airflow 任務排程平台 流程編排器
247 HyperLogLog 估計不重複數量 算「有幾種」
248 Count-Min Sketch 估計高頻項 Top-K 找熱門
249 Welford's Method 線上算均值/變異數 邊收邊算
250 Reservoir Sampling 串流隨機抽樣 蓄水池抽樣
251 t-digest 近似分位數 估 Q1/Q3 用
252 ARIMA 經典時序模型 自迴歸 + 差分 + 移動平均
253 Prophet Meta 開源時序工具 季節 + 節慶友善
254 LDA Topic Model 文本主題模型 自動找話題
255 Apriori 購物籃關聯規則演算法 啤酒尿布
256 Support 支持度 同時出現的比例 共現多少
257 Confidence 信賴度 條件機率 P(B A)
258 Lift 提升度 >1 為正向關聯 比隨機強多少

C6. 視覺化與隱私

# 名詞 一句話定義 記憶比喻
259 Histogram 直方圖 看連續值分佈 分桶高度
260 KDE 核密度估計 平滑分佈曲線 平滑直方圖
261 Heatmap 熱力圖 顏色強度顯示矩陣值 深淺看大小
262 Correlation Matrix 多變數兩兩相關係數表 變數關係表
263 Tufte Data Density 同空間最大化資訊 不浪費版面
264 Tableau / Power BI 商業 BI 工具 拖拉拉做圖
265 Grafana 即時監控儀表板 即時告警牆
266 PII 個資 直接可識別個人資訊 姓名、ID
267 Quasi-Identifier 準識別 組合可推回個人 出生 + 郵遞區號
268 Anonymization 匿名化 移除可識別資訊 蓋掉名字
269 Pseudonymization 偽匿名 換代碼但可還原 用化名
270 k-Anonymity k 筆紀錄具相同準識別組合 至少 k 個雙胞胎
271 Differential Privacy 差分隱私 加噪保護單筆存在 統計加雜訊
272 Federated Learning 聯邦 不傳原始資料,只傳模型參數 各家練自己的
273 Homomorphic Encryption 同態加密 加密狀態仍可運算 鎖著還能算
274 MPC 安全多方計算 多方協作不洩漏各自資料 暗中合作
275 Hash 雜湊 單向轉固定字串 不可逆指紋

D. 科目三 機器學習技術與應用(120 詞)

D1. 數學基礎

# 名詞 一句話定義 記憶比喻
276 Bayes 貝氏定理 P(A B)=P(B
277 MLE 最大概似 找最可能產生資料的參數 「最像」估計
278 MAP 最大事後 MLE + 先驗信念 加先入為主
279 Vector 向量 數值有序組合 一串數字
280 Matrix 矩陣 二維數值表 二維表格
281 Tensor 張量 多維數值陣列 高維矩陣
282 L1 Norm 絕對值總和 曼哈頓距離
283 L2 Norm 平方和開根號 直線距離
284 Eigenvalue 特徵值 矩陣縮放方向的縮放量 主軸長度
285 Eigenvector 特徵向量 矩陣作用後方向不變的向量 主軸方向
286 EVD 特徵值分解 A=QΛQᵀ(限對稱方陣) 主軸拆解
287 SVD 奇異值分解 M=UΣVᵀ(任意矩陣) 通用分解王
288 Convex 凸函數 唯一最小值 碗型
289 Non-convex 非凸 多個局部最小 山谷地形
290 Local Optima 局部最優 只是附近最低 小山谷
291 Saddle Point 鞍點 一方向凹一方向凸 馬鞍形
292 Gradient 梯度 函數變化最快方向 上坡最陡的路
293 Gradient Descent 梯度下降 沿負梯度更新參數 走下坡找谷底
294 Learning Rate 學習率 每步走多大 步伐大小
295 Loss Function 損失函數 衡量預測與真實差距 錯多少
296 MSE 均方誤差 平方平均(罰大誤差) 大錯重罰
297 Cross-Entropy 交叉熵 分類常用損失 機率距離
298 Monte Carlo 蒙地卡羅 隨機抽樣模擬機率 大量抽樣估算

D2. 優化與正則化

# 名詞 一句話定義 記憶比喻
299 SGD 隨機梯度下降 用一筆/小批資料更新 邊走邊修
300 Mini-batch 小批量更新 折衷現代主流
301 Momentum 動量 累積過去梯度方向 慣性續行
302 Adagrad 自適應學習率(歷史平方) 變動少的給多
303 RMSprop 滑動平均修正 Adagrad RNN 友善
304 Adam Momentum + RMSprop 最常用王者
305 Gradient Clipping 梯度裁剪 限制梯度上限 防爆保險絲
306 Vanishing Gradient 梯度消失 反向傳播時梯度趨 0 深層訊號傳不到
307 Exploding Gradient 梯度爆炸 梯度過大發散 數值炸裂
308 L1 / Lasso 加絕對值懲罰,稀疏化 自動特徵選擇
309 L2 / Ridge 加平方懲罰,壓小權重 不會歸零
310 Elastic Net L1 + L2 結合 雙效合一
311 Dropout 隨機關閉神經元 強迫團隊不靠某人
312 Batch Normalization 批次內標準化 穩定訓練
313 Layer Normalization 樣本內標準化 NLP/Transformer 用
314 Early Stopping 驗證變差就停 見好就收
315 Patience 耐心值 連續 n 輪未改善才停 等等看再決定

D3. 監督式演算法

# 名詞 一句話定義 記憶比喻
316 Linear Regression 線性迴歸 連續預測,擬合直線 直線預測
317 OLS 最小平方法 誤差平方和最小化 擬合方法經典
318 Logistic Regression 邏輯迴歸 二元分類用 Sigmoid 機率分類器
319 Sigmoid 把值壓到 (0,1) S 曲線
320 Softmax 多類別輸出機率 多元 Sigmoid
321 Decision Tree 決策樹 一連串 if-else 分裂 流程圖
322 Gini Impurity 吉尼不純度 樹分裂準則之一 越純越好
323 Information Gain 資訊增益 用熵衡量分裂好壞 切後更整齊
324 Pruning 剪枝 砍掉不必要分支 修剪樹枝
325 Random Forest 隨機森林 多棵樹投票(Bagging) 群樹智慧
326 Bagging 並行訓練多模型平均 大家投票
327 Boosting 串行修正前模型錯誤 後浪修前浪
328 AdaBoost 加權訓練弱分類器 錯題多練
329 GBDT 梯度提升樹 逐棵擬合殘差 補上一棵的錯
330 XGBoost GBDT + 正則 + 並行 GBDT 加強版
331 LightGBM Histogram + Leaf-wise 比 XGBoost 更快
332 SVM 支援向量機 找最大邊界超平面 兩派之間的中線
333 Margin 邊界 分隔線到最近樣本距離 越寬越穩
334 Support Vector 支援向量 決定邊界的關鍵點 邊界上的人
335 Kernel Trick 核技巧 映射高維讓資料可分 升維變直線
336 RBF Kernel 徑向基函數核 非線性最常用
337 KNN K 近鄰 看 K 個最近鄰投票 物以類聚
338 Curse of Dimensionality 維度高所有距離趨同 高維看不出近遠
339 Naive Bayes 樸素貝氏 假設特徵條件獨立 簡化貝氏
340 Laplace Smoothing 拉普拉斯平滑 防零機率問題 加 1 補底
341 LDA / QDA 線性 / 二次判別分析 機率分類器

D4. 非監督式

# 名詞 一句話定義 記憶比喻
342 K-Means 指定 K 個質心做分群 物以類聚分 K 堆
343 Centroid 質心 群的平均位置 群中心
344 Elbow Method 手肘法 找 K 值的轉折點 看曲線拐彎
345 Silhouette Score 輪廓係數 群聚緊密 + 分離度 越接近 1 越好
346 Hierarchical Clustering 階層分群 由下而上合併或上而下分裂 樹狀分群
347 Dendrogram 樹狀圖 階層分群的視覺化 樹狀層級
348 DBSCAN 密度為基的分群 找密集點堆
349 Core Point 核心點 ε 內 ≥ MinPts DBSCAN 主角
350 Border Point 邊界點 自己非核心但落在 Core 鄰域 邊緣支持者
351 Noise Point 雜訊點 都不是,被歸為雜訊 路人甲
352 ε / MinPts DBSCAN 兩超參數 半徑 + 最少點
353 GMM 高斯混合模型 用多個常態分群 多鐘形混合
354 EM 演算法 GMM 訓練法,期望 + 最大化 反覆估計

D5. 降維(獨立區塊;高頻考)

# 名詞 一句話定義 記憶比喻
355 PCA 主成分分析 找最大變異方向降維 保留主軸
356 LDA 線性判別分析 監督式降維、最大化類別分離 唯一監督式
357 ICA 獨立成分分析 拆成統計獨立成分 訊號分離
358 Kernel PCA PCA 的非線性延伸 升維後 PCA
359 t-SNE 非線性視覺化降維 畫圖看群聚
360 UMAP 比 t-SNE 快的視覺化降維 t-SNE 快車版
361 Autoencoder 自編碼器 神經網路壓縮再重建 摺紙再展開
362 NMF 非負矩陣分解 結果非負、易解釋 主題分析常用
363 Random Projection 隨機矩陣投影降維 隨機砸線

D6. 異常與關聯

# 名詞 一句話定義 記憶比喻
364 Isolation Forest 孤立森林 隨機切分孤立異常點 異常容易被切出
365 One-Class SVM 學「正常」邊界的 SVM 找正常範圍
366 LOF 局部離群因子 看局部密度比鄰居稀疏 跟鄰居比稀疏度
367 Apriori 演算法 找頻繁項集 + 規則 啤酒尿布找關聯

D7. 深度學習

# 名詞 一句話定義 記憶比喻
368 Neural Network 神經網路 模仿生物神經元疊起來 多層計算單元
369 Perceptron 感知器 最早的神經元模型 一個神經元
370 MLP 多層感知器 全連接前饋網路 標準神經網路
371 Backpropagation 反向傳播 用連鎖律算梯度更新 從錯誤回推修
372 Activation 激活函數 引入非線性 神經元開關
373 ReLU max(0, x),最常用 負的歸零
374 Tanh (-1,1) 範圍激活 Sigmoid 加強
375 LeakyReLU 負區也給小斜率 不會死亡
376 Encoder-Decoder 編碼解碼器 壓縮再生成的兩段架構 壓再放
377 Transformer Self-Attention + 並行架構 DL 革命
378 Q/K/V Query/Key/Value 三角色 提問/鑰匙/答案
379 FFN 前饋網路 Transformer 中的全連接層 後處理器
380 Residual Connection 跳線連接 跳級保訊號
381 Layer Normalization 層內歸一化 穩定 Transformer
382 Tokenization 切詞為模型輸入單位 切 token
383 BERT / GPT / T5 / ViT 主流 Transformer 變體 應用全光譜
384 Knowledge Distillation 知識蒸餾 大模型教小模型 老師教學生
385 Quantization 量化 FP32 → INT8 數值降精度
386 QAT 量化感知訓練 訓練時即模擬量化 預習量化
387 Pruning 剪枝 砍掉小權重連結 修身減肥
388 Mixed Precision 混合精度 FP16 + FP32 訓練 雙精度加速

D8. 評估與調校

# 名詞 一句話定義 記憶比喻
389 Hold-out 切訓練 / 驗證 / 測試 一刀切
390 K-fold CV 切 K 份輪流驗證 輪流當評審
391 Stratified K-fold 維持類別比例的 K-fold 比例切
392 LOOCV 留一交叉驗證 每次留一筆驗證 一個一個試
393 Stratified LOOCV 留一 + 維持比例 小資料不平衡用
394 Time Series CV 訓練只能看過去 不能偷看未來
395 Rolling Window 滑動視窗驗證 視窗向前滑
396 Bootstrap 有放回抽樣評估 抽多次再平均
397 Hyperparameter 超參數 訓練前要設定的參數 出廠調節旋鈕
398 Grid Search 網格搜尋 全組合測試 地毯式搜尋
399 Random Search 隨機搜尋 隨機抽組合測試 高維更有效率
400 Bayesian Optimization 動態調整搜尋方向 越測越聰明
401 AutoML 自動化模型選擇與調校 模型懶人包
402 SMOTE 合成少數類樣本 造假平衡資料
403 Undersampling 欠採樣 砍多數類 平衡資料簡單法
404 Class Weight 類別權重 給少數類更高權重 重視少數
405 Focal Loss 強調難分類樣本的損失 專心學難題

D9. 偏見與治理

# 名詞 一句話定義 記憶比喻
406 Sampling Bias 抽樣偏差 訓練樣本不代表整體 只訪老顧客
407 Feature Bias 特徵偏差 變數與敏感屬性高度相關 代理特徵
408 Label Bias 標籤偏差 人工標註帶主觀偏見 標註者偏心
409 Demographic Parity 群體平等 各群體獲正向預測比例相等 結果公平
410 Equal Opportunity 機會平等 真正例的 TPR 各群相等 該過的都過
411 Equalized Odds TPR + FPR 都相等 雙指標公平
412 Adversarial Debiasing 對抗去偏 訓練時阻止學敏感屬性 抗偏訓練
413 Calibration 結果校準 各群體分數重新對齊 調整分數含意
414 Threshold Adjustment 門檻調整 各群分類門檻不同 對症調門檻
415 AIF360 / Fairlearn 兩大公平性工具 IBM / 微軟出品

E. 高頻陷阱詞(臨場回憶 30 詞)

這些是 150 題公告試題反覆出現的「易混 / 易誤」名詞。考前 2 小時再看一次。

# 名詞 易誤陷阱 正解一句話
416 Standardization 「會壓到 [0,1]」是錯的 那是 Min-Max;Z-score 均值 0 SD 1
417 Label Encoding 「無序類別也可用」是錯的 會引入虛假順序,用 One-hot
418 Accuracy 「不平衡資料用 Accuracy」是錯的 用 F1 / Recall / ROC-AUC
419 LDA(降維) 「不需標籤」是錯的 LDA 是唯一監督式降維
420 t-SNE 「適合建模前處理」是錯的 主要用於視覺化
421 ICA 「找最大變異」是錯的 找的是統計獨立成分
422 Autoencoder 「一定線性」是錯的 通常做非線性降維
423 NMF 「任意正負皆可」是錯的 只處理非負資料
424 生成式模型 「信用評分卡標準步驟」是錯的 不屬於傳統評分卡流程
425 Adam 動量 「Adam 沒有動量」是錯的 Adam「內建」動量 + RMSprop
426 過擬合對策 「擴增特徵」是錯的 反而提升複雜度
427 p > α 「H₀ 為真」是錯的 只是「無法拒絕」
428 Lift > 1 「無關」是錯的 是「正向關聯」
429 上鬚(箱形圖) 「等於最大值」是錯的 只是不含離群值的最大
430 CLT 「資料本身會變常態」是錯的 是「樣本均值」會趨常態
431 PCA 前處理 「不需標準化」是錯的 否則大尺度欄位主導
432 二項常態近似 「樣本大就行」是錯的 需 np>5 且 n(1−p)>5
433 同態加密 「需先解密才能算」是錯的 加密狀態下可直接運算
434 聯邦學習 「集中資料訓練」是錯的 資料不離開本地
435 防火牆 「對抗對抗樣本」是錯的 對抗攻擊需 Adversarial Training
436 DBSCAN 「需指定 K」是錯的 用 ε + MinPts
437 RNN 「平行處理」是錯的 必須序列依時序
438 Multi-head 「為了省參數」是錯的 為了多子空間關聯
439 移除敏感欄位 「就能消除偏見」是錯的 代理變數仍會重建偏見
440 K-fold + 同時調超參 「結果可信」是錯的 會資料洩漏導致樂觀偏差
441 線性激活函數 「多層更強」是錯的 多層線性 = 單層線性
442 Recall vs Precision 「Recall 高就是好」是錯的 看任務,漏判代價高才重
443 Confidence (Lift) 「Confidence 高就有用」未必 需配合 Lift > 1
444 XGBoost 「等於 Random Forest」是錯的 RF=Bagging;XGB=Boosting
445 Hard-coding 「等於 ML」是錯的 寫死規則 vs 從資料學

使用提示

製作圖片閃卡建議

正面範本:

名詞:Z-score
英文:Standardization

背面範本:

定義:(x − μ) / σ
比喻:離平均幾個 σ
陷阱:不會壓到 [0,1](那是 Min-Max)

複習節奏建議(7 天倒數)

來源:三科學習指引 + 150 題中級公告試題 + 三份考試總表(機器學習分類 / 過擬合 / 降維) + 初級全文講義 + 主檔 v3