高效神經架構搜尋 Efficient Neural Architecture Search
高效神經架構搜尋（Efficient NAS）旨在降低NAS的計算成本，通過架構共享、代理模型等技術加速搜尋過程，找到高性能的神經網路架構。
機器學習深度學習神經網路
AI 術語詞典
瀏覽 AITerms.tw 中標籤為「機器學習」的 AI 術語，快速找到定義、FAQ 與 iPAS 考試重點。
E
17 個術語高效神經網路 Efficient Neural Networks
針對計算、內存、功耗等資源約束進行優化的神經網路，在保持性能的同時減少參數量和計算複雜度。
深度學習AI應用機器學習
特徵值 Eigenvalue
特徵值是線性變換作用於向量後，該向量長度縮放的比例。它描述了變換對特定方向向量的影響程度。
數學基礎機器學習資料處理
特徵向量 Eigenvector
特徵向量是指在線性變換下，方向保持不變或僅反向的非零向量。它對應於特定的特徵值，代表變換的主要作用方向。
數學基礎機器學習電腦視覺
電子病歷人工智慧 Electronic Health Records AI
電子病歷人工智慧 (EHR AI) 指的是利用人工智慧技術分析電子病歷 (EHR) 數據，以改善醫療照護、研究和管理的應用。
醫療AIAI應用機器學習
具身人工智慧 Embodied AI
具身人工智慧是指讓AI系統擁有物理軀體，透過與環境互動來學習和解決問題，強調感知、行動和環境之間的循環。
機器學習強化學習AI應用
湧現能力 Emergent Abilities
湧現能力是指大型語言模型在達到一定規模後，突然展現出在較小模型中未曾觀察到的複雜能力，例如推理、翻譯和程式碼生成。
機器學習深度學習大型語言模型
集成學習 Ensemble Learning
集成學習透過結合多個弱學習器，建立一個強學習器，以提高模型的準確性和泛化能力，常見方法包括Bagging、Boosting和Stacking。
機器學習模型訓練模型評估
實體鏈接 Entity Linking
實體鏈接是將文本中的實體提及項，連結到知識庫中對應實體的過程，以消除歧義並豐富文本的語義資訊。
自然語言處理知識圖譜AI應用
實體解析 Entity Resolution
實體解析是一種資料處理技術，旨在識別並連結來自不同資料來源中指涉相同真實世界實體的記錄，以建立統一且一致的實體視圖。
知識圖譜資料處理機器學習
熵 Entropy
熵是資訊理論中衡量隨機變數不確定性的指標，數值越高代表不確定性越大。在機器學習中，熵常用於特徵選擇和決策樹構建。
AI基礎數學基礎統計方法
等寬分箱 Equal-Width Binning
將連續型數值特徵依等距區間分割成有限個離散類別的資料前處理技術。
特徵工程資料前處理離散化
期望最大化算法 Expectation Maximization
期望最大化 (EM) 算法是一種迭代算法，用於在存在隱變量的情況下，估計機率模型的參數。它交替執行期望 (E) 步驟和最大化 (M) 步驟。
統計方法機器學習模型訓練
可解釋性 Explainability
機器學習模型決策過程的透明度與可理解性，使用戶與利益相關者能理解模型為何做出特定預測。
AI倫理與治理機器學習模型評估
探索與利用 Exploration vs Exploitation
探索與利用是強化學習中的權衡，探索是指嘗試新動作以發現潛在的更好策略，利用是指使用已知最佳策略以獲得最大獎勵。
強化學習最佳化AI基礎
提取式摘要技術 Extractive Summarization
提取式摘要技術從原文中選擇重要句子組成摘要，簡單直接，易於實現，但可能缺乏連貫性，且無法進行語義概括。
自然語言處理機器學習資料處理
極端梯度提升 eXtreme Gradient Boosting
GBDT 的進化版，加入正則化防過擬合，支援缺失值和並行化，是比賽和業界的常勝軍
機器學習模型訓練最佳化