AI 关键术语(简洁版)

数据分析师必懂、面试必问、工作能用的AI 术语大全，通俗 + 详细 + 不晦涩。

一、基础层 AI 术语（所有人都要懂）

1. 人工智能（AI, Artificial Intelligence）

• 解释：让机器模拟人的智能，包括看、听、说、思考、决策。
• 分析师视角：所有自动化、智能化工具的总称。

2. 机器学习（ML, Machine Learning）

• 解释：AI 的一个分支，让机器从数据里学习规律，不用硬编码规则。
• 一句话：数据→模型→预测 / 分类。

3. 深度学习（DL, Deep Learning）

• 解释：机器学习的一种，用多层神经网络模拟人脑。
• 适用：图像、语音、文本、大模型。
• 分析师视角：复杂特征自动提取。

4. 大语言模型（LLM, Large Language Model）

• 解释：用海量文本训练、能理解 / 生成语言的模型。
• 例子：GPT、文心一言、通义千问、Llama。
• 分析师价值：写 SQL、写报告、做总结、做对话。

5. 生成式 AI（Generative AI）

• 解释：能创造新内容的 AI：文字、图片、代码、语音、视频。
• 你日常用的豆包、ChatGPT、文心一格都属于这类。

二、机器学习核心术语（面试高频）

1. 模型（Model）

• 解释：从数据中学到的规律公式 / 函数。
• 输入→模型→输出（预测结果）。

2. 训练（Train）

• 解释：用历史数据让模型学习规律的过程。

3. 预测 / 推理（Inference）

• 解释：模型学好后，对新数据做判断。

4. 特征（Feature）

• 解释：模型用来做判断的 “依据”，也叫 “变量”。
• 例：预测销量 → 特征：价格、季节、促销、区域。

5. 标签（Label）

• 解释：要预测的目标。
• 例：是否流失（是 / 否）、下个月销量（具体数值）。

6. 过拟合（Overfitting）

• 解释：模型把训练数据的噪音也学会了，换个新数据就不准。
• 分析师常遇到：模型训练准确率 99%，上线后很差。

7. 欠拟合（Underfitting）

• 解释：太简单，连基本规律都没学会。

8. 数据集划分

• 训练集（Train）：学知识
• 验证集（Validation）：调参数
• 测试集（Test）：最终考试

三、算法类术语（数据分析师最常用）

1. 监督学习（Supervised Learning）

• 有答案、有标签，教模型做题。
• 常用场景：
  • 分类：流失预测、欺诈识别、用户分层
  • 回归：销量预测、营收预测、价格预测

2. 无监督学习（Unsupervised Learning）

• 没有答案，让模型自己找规律。
• 常用：
  • 聚类（用户分群、区域分层）
  • 异常检测（刷单、异常指标）

3. 常见算法（必须懂）

① 分类算法

• 逻辑回归（Logistic Regression）：简单、可解释，风控 / 流失常用
• 决策树 / 随机森林：业务友好，适合做规则
• XGBoost / LightGBM：工业界最强，高精准

② 聚类算法

• K-Means：用户分群最常用

③ 时间序列

• ARIMA、Prophet、LSTM
• 用途：销量预测、客流预测、库存预测

四、大模型 & AIGC 术语（写简历必加）

1. 提示词 / Prompt

• 给大模型的指令，决定输出质量。
• 高级叫：Prompt Engineering。

2. 微调（Fine-tuning）

• 用企业自有数据，把通用大模型改成行业专用模型。

3. RAG（检索增强生成）

• 让大模型查企业内部资料再回答，不胡说。
• 分析师价值：做报表问答、数据问答、经营问答。

4. 上下文（Context）

• 大模型能记住的对话历史长度。

5. 幻觉（Hallucination）

• 大模型编造不存在的事实。
• 解决：RAG、事实校验、规则约束。

6. 垂直大模型

• 金融、零售、医疗、法律等行业专用大模型。

五、数据分析 × AI 结合术语

1. 智能数据分析（AI+BI）

• AI 自动做：指标异动、根因分析、趋势预测、自动报表。

2. 指标异常检测

• AI 自动发现：突升、突降、波动、趋势断裂。
• 不用人每天盯报表。

3. 用户画像（User Portrait）

• 基础属性 + 行为 + 偏好 + 价值 + 风险
• 用聚类 / 分类模型自动生成。

4. 归因分析（Attribution）

• 用 AI 判断：销量增长到底是促销、流量、价格还是活动带来的。

5. 智能看板 / Auto BI

• AI 自动生成图表、结论、解读、建议。

6. 预测性分析（Predictive Analytics）

• 从 “看过去” → “看未来”。
• 销量、客流、营收、流失、库存。

7. 决策智能（Decision Intelligence）

• AI 给出可执行的业务动作，而不只是数字。

六、评估指标术语（面试必考）

分类模型

• 准确率（Accuracy）
• 精确率（Precision）
• 召回率（Recall）
• F1 分数
• AUC（风控 / 流失最常用）

回归 / 预测模型

• MAE、MSE、RMSE
• MAPE（销量预测最常用）