口語版：
壓力測試就像拿機器狂操，看看它在超大負荷下會不會爆掉。
正式版：
壓力測試是指故意對系統、模型或伺服器施加極端負荷，以觀察其極限表現、穩定性及故障情況，常用於確保產品可靠性。
2. 敏感性檢查 (Sensitivity Analysis)
口語版：
敏感性檢查是測試「改一點小地方，結果會不會大改變」，像試試看哪個按鈕特別靈敏。
正式版：
敏感性檢查指分析模型輸出結果對輸入變化的反應程度，用以了解哪些變數對結果影響最大，有助於風險評估與模型優化。
3. A/B 測試
口語版：
A/B 測試就是讓一半人看到版本 A，另一半看到版本 B，看哪個表現比較好。
正式版：
A/B 測試是將受眾隨機分成兩組，分別暴露於不同版本（如界面、廣告、模型）的比較實驗，藉以找出最佳方案。
4. 知識蒸餾 (Knowledge Distillation)
口語版：
知識蒸餾就像大師傅教小徒弟，把複雜知識濃縮成簡單版給小模型學。
正式版：
知識蒸餾是指利用大型、複雜模型（Teacher Model）來訓練小型、輕量化模型（Student Model），以保留高準確度並降低資源需求。
5. 剪枝 (Pruning)
口語版：
剪枝就像修樹枝，把 AI 模型裡用不太到的部分砍掉，讓它更精簡。
正式版：
剪枝是指在模型訓練後，移除影響較小的參數或神經元，從而減少模型大小、提升運算速度，並盡量保留性能。
6. 量化 (Quantization)
口語版：
量化就是把高精度數字（像小數點後很多位）縮成簡單數字，讓 AI 計算更快。
正式版：
量化是指將浮點數參數轉換為較低位元格式（如 INT8），以減少模型體積與運算量，常用於部署在資源受限裝置上。
7. 魯棒性 (Robustness)
口語版：
魯棒性就是看 AI 遇到怪資料時能不能穩穩的，不容易出錯。
正式版：
魯棒性指模型對輸入資料變異、雜訊或惡意擾動的抵抗能力，是衡量模型可靠性的重要指標。
8. 迭代 (Iteration)
口語版：
迭代就是反覆試、反覆改，每做一次希望能變得更好。
正式版：
迭代指的是重複進行某個過程，每次基於前一次結果進行修正與改進，廣泛應用於模型訓練與開發流程。
9. 標準化 (Standardization)
口語版：
標準化就是把資料拉到統一標準，比如平均數變成0，標準差變成1。
正式版：
標準化是將資料經過轉換，使其平均值為 0、標準差為 1，便於不同特徵在同一尺度下進行比較與建模。
10. 編碼轉換 (Encoding Transformation)
口語版：
編碼轉換是把資料換種方式表達，比如把「男/女」變成0和1。
正式版：
編碼轉換是指將非數值資料轉成模型可接受的數值形式，常見方法如獨熱編碼（One-Hot Encoding）或標籤編碼（Label Encoding）。
11. 敘述性統計 (Descriptive Statistics)
口語版：
敘述性統計就是整理資料的基本成績單，比如平均多少、最大最小值是多少。
正式版：
敘述性統計是用來簡要描述資料特性的方法，包括集中趨勢、分散趨勢、分布形狀等指標。
12. 標準化與正規化 (Standardization vs Normalization)
口語版：
標準化是讓資料「變成平均0，標準差1」；正規化是把數字壓縮到像0～1這樣的小範圍。
正式版：
標準化是調整資料使其符合特定的統計分布（如均值0、標準差1），而正規化是將資料縮放至固定範圍（如[0,1]或[-1,1]），常用於不同場景下的特徵處理。
13. 特徵工程 (Feature Engineering)
口語版：
特徵工程是把資料加工成「更好學」的版本，讓 AI 更容易找出規律。
正式版：
特徵工程是指從原始資料中設計或轉換出能提高模型效能的特徵，包含特徵選取、特徵創造與特徵轉換等步驟。
14. 自適應 (Adaptive)
口語版：
自適應就是根據情況變聰明，比如遇到不同資料自動調整策略。
正式版：
自適應指的是系統或模型能根據環境變化自動調整自身參數或行為，以維持或提升表現。
15. KGI (Key Goal Indicator)
口語版：
KGI 就是「終極目標」，像賽跑比賽的終點線，看有沒有達成最重要的大目標。
正式版：
KGI 是關鍵目標指標，主要用來衡量是否達成最終商業目標或策略目標，通常較高層次、結果導向。
16. 模型對齊 (Model Alignment)
口語版：
模型對齊就是讓 AI 的想法跟人類希望它的方向一致，不走偏。
正式版：
模型對齊是指確保人工智慧系統的目標、行為與人類價值或需求保持一致，特別關注在大規模語言模型與自動化決策系統中。
17. 匿名脫敏 (Anonymization and De-identification)
口語版：
匿名脫敏就是把資料裡能認出你的東西遮掉，保護隱私。
正式版：
匿名脫敏指的是對個人資料進行加工處理，移除或隱藏可識別身份的資訊，以防止資料被反向推斷出個體身分。
18. 分詞 (Tokenization)
口語版：
分詞就是把一句話切成一塊一塊的詞或字，讓 AI 比較好理解。
正式版：
分詞是指將文本劃分成較小的單位（如字詞或子詞），是自然語言處理中必須的前處理步驟。
19. 詞嵌入 (Word Embedding)
口語版：
詞嵌入就是把每個字或詞轉成一組數字，讓 AI 可以用數學方式理解文字意思。
正式版：
詞嵌入是將詞語映射到高維向量空間的技術，使得語意上相似的詞在空間中距離接近，常見方法有 Word2Vec、GloVe、BERT 等。
20. 四分位距 (Interquartile Range, IQR)
口語版：
四分位距就像找一組資料中間 50% 的範圍，專門拿來看資料有多集中或分散。
正式版：
四分位距是第三四分位數（Q3）與第一四分位數（Q1）之間的差值（IQR = Q3 - Q1），可用來衡量資料集中區域的變異程度。
