你有沒有看過一堆照片、文章和錄音，根本不像整齊的表格？ 你可以把非結構化資料想成「沒有固定欄位格式的資料」 它不像試算表那樣一列一欄整齊，而是文字、圖片、音訊這種原始內容 因為形狀不固定，通常要先做特徵萃取或轉換，模型才好處理
你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。
容易混淆
非結構化資料 vs 結構化資料 非結構化資料沒有固定欄位 結構化資料一眼就能對欄位 最關鍵的區別：格式是否規整
非結構化資料 vs 半結構化資料 非結構化資料更自由 半結構化資料像 JSON、XML，還有一些標記 最關鍵的區別：有沒有部分規則可循
非結構化資料 vs 雜訊資料 非結構化資料不等於髒資料 它只是格式自由，不代表沒價值 最關鍵的區別：格式和品質是兩件事
記住這句就好
沒有整齊欄位，不代表不能分析，只是要先轉成模型看得懂的形式。
實際案例
客服錄音 錄音先轉文字，再抽特徵或做摘要，才能進一步分析客訴主題
醫療影像 X 光、MRI 和超音波都屬於非結構化資料，通常需要影像模型先處理
算法與應用
| 資料型態 | 文字、影像、音訊最常見 | 都不是整齊表格 | | 前處理 | 通常要轉成向量或標籤 | 模型才能吃 | | 特徵抽取 | 從原始內容抓出可用訊號 | 這步很關鍵 | | 應用場景 | 搜尋、分類、摘要、辨識 | 都很常見 |
情境判斷
Q1（直覺題）： 你有一堆客服錄音，想找出常見問題，這算什麼資料？
通常是非結構化資料，因為它還不是整齊欄位。
Q2（判斷題）： JSON 檔裡有固定欄位，還算非結構化嗎？
通常不算，JSON 比較接近半結構化資料。
常見問題
非結構化資料可以直接拿去訓練嗎？
很多時候不行，通常要先轉成模型能用的表示。
圖片也算非結構化資料嗎？
算，因為它不是固定欄位的表格格式。
它為什麼在 AI 裡這麼重要？
因為真實世界大量資料都長這樣，能不能處理它，常決定系統能不能落地。