永續 AI 資料庫

資料最小化是依明確處理目的，只蒐集及使用足夠、相關且必要資料的原則，需持續檢查欄位與用途，避免無理由累積個人資訊。

資料分區是依範圍、清單或雜湊等規則，把大型資料表分成較小部分的方式，可改善管理及特定查詢，但效果取決於分區設計。

資料管線是把資料從來源送往目標並執行必要處理的一連串步驟，可包含擷取、驗證、轉換及載入，需監控失敗與重複處理。

資料投毒是蓄意把遭操控的資料引入模型訓練過程，使模型學到偏差或特定錯誤行為的攻擊，可能影響整體表現或特定目標。

資料品質是資料相對於指定用途的適用程度，常從準確、完整、一致、有效及及時等面向檢查，需建立可驗證的規則與責任。

資料複寫是在多個位置維持資料副本的技術，可支援可用性、讀取分流與恢復，副本更新可採同步或非同步並具有不同一致性。

資料倉儲是整合不同來源、用於報表及分析的集中資料系統，通常整理資料結構與歷史紀錄，支援一致的商業查詢及決策。

資料庫分片是把資料的不同子集合分配到不同節點儲存的水平擴展方式，需選擇分片鍵並處理跨片查詢、交易及資料分布。

資料庫交易是把多個資料操作視為一個邏輯工作單位的機制，可提交或回滾以維持指定一致性，實際隔離保障依資料庫及設定而異。

死信佇列是用來接收無法正常處理或超過重試條件訊息的佇列，讓團隊可隔離失敗項目、分析原因並決定是否重新處理。

決策樹是依資料特徵逐步分支的預測模型，以條件判斷把樣本分到葉節點，可執行分類或迴歸，深度過大可能過度擬合。

神經網路解碼器是利用內部表示或已有序列產生輸出的模型部分，語言解碼器常逐步生成詞元，並依架構採用不同上下文限制。

深度學習是使用多層神經網路學習資料表徵的機器學習方法，常用於影像、語音與語言任務，通常需要適當資料及運算資源。

稠密檢索是把查詢與內容編成稠密向量，再以向量相似性找出候選資料的方法，可捕捉概念關係，但受嵌入模型與資料影響。

具雜訊的密度式空間分群是根據鄰近範圍與最少樣本數，把高密度區域連成群並標示雜訊的方法，可探索非球形群組。

差分隱私是以數學條件限制單一個體資料變動對輸出分布影響的隱私方法，常搭配隨機化，需權衡隱私參數與資料效用。

擴散模型是一類學習從雜訊逐步還原資料的生成模型，訓練與生成常涉及加噪及去噪過程，廣泛用於影像等內容生成。

數位簽章是以密碼技術產生可供驗證的資料簽署結果，用於檢查完整性及簽署金鑰關聯，可信程度仍取決於金鑰與身分管理。

直接偏好最佳化是利用成對偏好資料直接調整語言模型的訓練方法，原始方法不需另訓練顯式獎勵模型或執行傳統強化學習迴圈。

分散式追蹤是把跨服務請求的執行區段串聯成整體追蹤紀錄的技術，可用來定位延遲及錯誤，需在服務間傳遞追蹤脈絡。

隨機失活是在訓練時隨機停用部分神經網路單元的正則化方法，降低對特定組合的過度依賴，推論時的行為依實作調整。

持久化執行是透過保存進度與狀態，讓長任務可在中斷或故障後繼續的執行方式；外部操作仍需另行處理重試與冪等性。

提前停止是監測驗證指標，在指定期間未再改善時停止訓練的策略，可減少無效運算及過度擬合，需設定合適容忍條件。

邊緣運算是把部分資料處理放在接近資料來源或使用者的位置的架構方式，可降低往返延遲與傳輸需求，仍需管理分散設備及安全。