104學習

AI工程師

AI工程師
工作機會(2,918)
更多
月薪中位數
$6.8萬
年資 3-5 年
$8.5萬
年資 10 年以上
AI工程師 都在看
政府補助 : 資策會免費AI課程資源提供
政府補助 : 資策會免費AI課程資源提供
資策會在職菁英班 專為受經濟部產業發展署產業競爭力輔導團輔導之國內製造業,辦理企業「AI人才培育」課程!透過精準實務課程,全力為符合資格之企業在職員工,鍛造升級轉型的在職菁英。 報名資格: 本課程報名資格需為國內依法登記成立之製造業者,且受經濟部產業發展署產業競爭力輔導團輔導之企業在職員工。 提醒您,線上填寫報名資料後,仍需經本單位以電話或 E-mail 聯繫確認,才算完成報名。 課程費用: 本課程係接受經濟部產業發展署產業競爭力輔導團補助辦理,不另向學員收取任何費用。 在職菁英班課程總覽: https://www.iiiedu.org.tw/course?type=%E5%9C%A8%E8%81%B7%E8%8F%81%E8%8B%B1%E7%8F%AD
104學習 AI 趨勢報-科技愛好者的產地🤖
投了履歷,為什麼沒有面試?
投了履歷,為什麼沒有面試?
我們都知道履歷很重要, 但真正影響錄取的, 很多是履歷寫不出來的能力。 像是溝通、表達、邏輯、簡報…… 你可能改了很多次履歷, 關鍵字、經歷、學歷都寫得很完整, 投出去卻始終等不到回音 不是你不夠好, 只是那些真正重要的能力, 一直沒有被看見 招募現場的節奏,比我們想像的更快、更殘酷。 HR 平均只花短短幾秒瀏覽一份履歷, 這幾秒鐘裡,藏著三個結構性的困境: 1️⃣ 語言表達力,履歷上寫不出來, 再會說話、再擅長簡報的人,一旦被壓縮成條列式的文字,魅力就消失了大半,你怎麼跟人溝通、怎麼把複雜的事情講清楚,這種軟實力很難靠一份 PDF 傳達 2️⃣ 面試臨場反應,永遠是未知數, 企業想知道你臨場應變、邏輯思考的能力,但在正式面試前,誰也無法保證,這也是為什麼很多人明明能力很好,卻在第一關就被刷掉,不是輸在實力,而是輸在「還沒被看見」 3️⃣ 缺乏客觀標準,企業難以比較,每個人自我介紹的方式、包裝的方式都不一樣,企業要在有限時間內公平比較上百位求職者的溝通能力,幾乎是不可能的任務,少了共同的衡量尺,好的人才很容易被埋沒在人群裡 ❇️那怎麼辦呢? 既然問題出在「溝通實力看不見」, 那或許解法也很簡單, 把它變成看得見的東西 這正是「台灣簡報認證」誕生的原因,這項認證由三位台灣簡報教育界的代表人物王永福、謝文憲、葉丙成共同發起,三人長年深耕簡報與表達訓練,這次攜手打造一套職場簡報能力標準,專門用來檢核求職者的「簡報溝通能力」 https://nabi.104.com.tw/course/104nabi/9f6af93c-7aee-4950-b393-dbb5897314dd 有了業界公認的創辦人背書,這張證書不只是一張紙,而是企業願意信任的客觀依據 ❇️【初級考什麼?6 大核心能力】 認證是圍繞著職場實際需要的六大核心能力設計: • 簡報觀念 • 簡報準備 • 投影片技巧 • 表達技巧 • 邏輯結構 • 群眾分析 💡【20 分鐘,換一張看得見的證明】 整個流程並不複雜:線上測驗共 30 題,70 分及格,全程約 20 分鐘就能完成 通過之後,104 學習會直接幫你把認證回傳到履歷上,讓你的溝通實力被企業看見。 具體來說,只需要 4 個步驟: 1️⃣線上完成報名 https://nabi.104.com.tw/course/104nabi/9f6af93c-7aee-4950-b393-dbb5897314dd 2️⃣免費收到《初級考前說明》影片,由三位創辦人親自解說重點技巧 3️⃣收到線上測驗連結,70 分過關 4️⃣通過者104幫您認證回傳履歷,終身有效 ❇️【別讓「看不見的能力」限制你的下一份工作】 與其繼續猜測自己哪裡不夠好, 不如花 20 分鐘, 讓「台灣簡報認證」把你原本就具備的溝通實力, 轉換成企業一眼就能看懂的語言 https://nabi.104.com.tw/course/104nabi/9f6af93c-7aee-4950-b393-dbb5897314dd
104學習 職場熱門證照排行榜
輝達年薪 650 萬找簡報師:大家履歷都寫「會做 PPT」,你拿什麼證明?
輝達年薪 650 萬找簡報師:大家履歷都寫「會做 PPT」,你拿什麼證明?
輝達開出年薪 650 萬台幣找簡報設計師,引發網友熱烈討論,這件事點出職場最真實的現實:把複雜事情講清楚,本來就是超高價值的專業,但每個人履歷都寫自己擅長簡報,主管到底憑什麼相信你? 1️⃣不只是排版,高薪買的是「把複雜講成簡單」 很多人以為做 PPT 只是找漂亮模板、調調字型,但輝達願意開出這種高階年薪,買的其實是「資訊轉譯」的硬實力。科技巨頭每天要面對投資人、跨國客戶與內部高層,講台上不能有一句廢話。簡報師的工作是把深奧的 AI 技術與複雜數據,轉化成對方一聽就懂、願意買單的商業故事。現在 AI 工具隨手一按就能生出一份投影片,操作軟體早就不是門檻;真正值錢的,是你能不能抓出重點、梳理邏輯,並促成最後的商業決策。 2️⃣求職最大痛點:每個人都說自己「精通簡報」 打開 104 履歷,十個人裡面有九個人都會在技能欄勾選「擅長 PowerPoint、具備簡報溝通提案能力」,但對人資和用人主管來說,這反而是最難在面試前驗證的模糊技能。畢竟口說無憑,很多人自稱精通,做出來的頁面卻塞滿整段密密麻麻的文字;加上主管不可能每個人都找來現場試講,而在學校報論文、做小組作業的經驗,拿到職場商務提案也常常不管用。這種「大家都在寫,卻沒人拿得出證據」的狀況,正是為什麼越來越多求職者選擇直接考一張 具公信力的簡報實力認證 來證明自己。 https://104bc.pse.is/9drvtt 3️⃣業界三大名師背書:20分鐘線上測驗,直接替履歷加分 想在海選履歷中一眼被看見,你需要一套具備公信力的客觀標準。台灣簡報與溝通教育訓練領域的三位代表性人物:企業簡報教練王永福(福哥)、影響力教練謝文憲(憲哥),以及台大簡報大賽創辦人葉丙成教授,聯手制定了這套標準化的評測機制。 💡這次推出的 104 × 台灣簡報認證-初級 門檻很親民,不考軟體操作、也不用上台演練,純粹檢核你的「簡報核心觀念」,內容涵蓋簡報觀念、簡報準備、投影片技巧、表達技巧、邏輯結構與群眾分析等六大能力。 • 測驗方式:線上測驗,單選加複選共 30 題,70 分及格。 • 彈性快速:約 20 分鐘就能完成,即報即考、不限時間地點。 • 履歷連動:測驗通過後,104學習於3-5個工作天將直接把認證回傳至你的 104 履歷資格認證欄位,讓你的實力被看見。 4️⃣提早卡位建立差距,就是最划算的職涯投資 初級認證只是起點,未來還能一路挑戰中級(作品審查)與高級(實體上台,由福哥、憲哥親自評定),現在考等於提早卡位,拉開跟其他求職者的差距。 從日常向主管回報進度、跨部門協調爭取預算,到對外向客戶提案競標,簡報力決定了你在職場上的能見度與說服力。與其在自我介紹裡花大篇幅解釋自己多會溝通,不如在履歷放上一張有公信力的認證,讓你的實力一眼就被看懂。 ❇️立即報名【104 × 台灣簡報認證-初級】https://104bc.pse.is/9drvtt
104學習 新鮮人求職攻略🔥 找工作與技能養成請進
鼎新 ERP 系統介紹
鼎新 ERP 系統介紹
鼎新電腦(Dingxin, DING SHIN) 是台灣本土最大的企業管理軟體供應商之一,主要提供 ERP(企業資源規劃)系統,幫助企業整合內部資源、提升管理效率、優化營運流程。鼎新的 ERP 產品廣泛應用於製造業、流通業、服務業等不同產業,涵蓋財務、供應鏈、生產管理、人力資源、CRM 等核心業務。 鼎新 ERP 主要產品 1. 鼎新易助(E10 / 易助 Cloud) 適合 中小企業,提供 雲端 ERP 解決方案,讓企業能快速部署、降低 IT 維護成本。 🔹 特色: SaaS 架構,無需額外購買伺服器 包含 財務、採購、銷售、庫存、會計 等核心功能 提供 API 串接,可與第三方系統整合(如電商、POS) 2. 鼎新 ERP u8+ 適合 中型企業,強調靈活性與客製化,適用於多種產業。 🔹 特色: 提供 多語系、多幣別 支援,適合國際業務 支援製造業 MRP(物料需求計劃)、WMS(倉儲管理)、BPM(業務流程管理) 可與 BI(商業智慧分析) 整合,提升決策效率 3. 鼎新 ERP T100 適合 大型企業 / 集團,是一套高度整合與客製化的 ERP 系統。 🔹 特色: 支援 跨國集團、多工廠、多公司架構 提供 AI 智能分析、大數據 BI、IoT 物聯網應用 針對 製造業、電子科技業、流通零售業 提供專業解決方案 鼎新 ERP 功能模組 財務管理:會計、成本計算、預算控制、報表分析 供應鏈管理(SCM):採購、庫存、物流、供應商管理 生產管理(MRP / APS):工單排程、物料需求計劃、自動化生產追蹤 客戶關係管理(CRM):客戶數據分析、銷售管理、客戶服務 人力資源(HRM):薪資計算、考勤管理、績效評估 鼎新 ERP 優勢 ✅ 本土化支持:適應台灣法規、會計標準與報稅需求 ✅ 產業適用性強:提供製造、流通、服務、醫療等行業專屬解決方案 ✅ 可擴展性高:支援 API、AI、IoT、BI 分析 等新技術整合 ✅ 雲端與本地部署雙支援:企業可選擇公有雲、私有雲或混合雲 適合使用鼎新 ERP 的企業 需要完整財務 + 供應鏈整合的 中小企業(可用 E10) 需要跨部門流程管理的 中大型企業(可用 U8+) 需要集團級 ERP 解決方案 的企業(可用 T100) 鼎新 ERP 以 靈活性、可擴展性與本土化支持 為主要優勢,是台灣市場上最具影響力的 ERP 系統之一。
林司牧Aaron
在職場被霸凌還被強制離職⋯⋯我該怎麼辦?
在職場被霸凌還被強制離職⋯⋯我該怎麼辦?
當初面試的時候非常開心 因為感覺新公司的主管都很理性且非常重視新人的感受 所以確定4/19到職上班去了!到了新公司 因為準備遷移廠房的關係 舊人忙於趕工作 幾乎沒有完整的教學 一路以來跌跌撞撞的自己摸索也就過了第一個月 再來遷移至新廠 環境很大設備也很完善,本以為可以好好的學習 結果還是一樣的如同第一個月,同事愛教不教的導致我的工作效率很差⋯⋯事倍功半!舊人就開始中傷我 言語侮辱 嘲笑諷刺(雖然他沒有指名)但是大家都知道她在說新人 而且新人只有一個我⋯ 甚至於搶走我的工作 直接大喊 她一個人就可以了 有我沒有我根本沒差啊⋯⋯就這樣過了一個月又三週⋯ 到了最後一週就滿兩個月了 ,課長和班長總是替舊人說話 總是說 :妳真的不太ok 當然我每每有問題的時候都有當天反應給主管 卻沒有得到幫助 也沒有解決方案的 直到某天課長突然性的把我叫到會議室 裡面有人事副理和課長 和我共3人⋯他們一開口就是說 無法再用我請我離開 因為不適任這份工作 ⋯當然我也有不開心的反應 為何可以這樣 我都還沒有任職兩個月 也沒有犯下什麼錯 怎麼可以強制叫我離職?爭論了一小時後 我還是簽了 帶著眼淚被冤枉似的畫押 這是我人生中最可怕的一個工作經歷 直到現在我還是感到很受傷⋯⋯很不甘心 該怎麼預防下一個新人 可以不要像我一樣受到傷害⋯⋯要如何制止這家公司的惡劣行為⋯⋯請幫助我
小優
NPI是什麼?一分鐘認識 NPI 各工作階段,PM在產品導入期的工作內容
NPI是什麼?一分鐘認識 NPI 各工作階段,PM在產品導入期的工作內容
NPI 的全名是「新產品導入」(New Product Introduction),是一個常見的商業術語,在製造業和產品開發領域中使用。這表示將新產品或服務引入市場的過程,包括產品概念、設計、開發、測試和最終上市等階段。NPI 過程通常是複雜的、多階段的,旨在確保新產品成功推出,並滿足市場需求。 【NPI 各工作階段】 當一家公司決定推出新產品或服務時,NPI 過程將成為實現這一目標的核心。這個過程涉及多個階段和各種活動,以下是 NPI 過程的一般步驟: 1. 概念階段:在此階段,公司確定新產品的初步概念和目標。這可能涉及市場調查、競爭分析和顧客需求評估。 2. 設計階段:在這個階段,公司開始設計產品的外觀、功能和特性。工程師、設計師和其他相關人員將合作開發產品原型。 3. 開發階段:一旦設計確定,就進入開發階段。這包括製造試驗樣品、進行測試和評估產品的可行性。 4. 測試與驗證:在這個階段,公司將對產品進行各種測試,包括功能測試、性能測試和可靠性測試。同時,也會對產品進行用戶測試,以確保產品符合客戶的期望。 5. 生產準備:當產品經過測試和驗證後,公司將準備進入量產階段。這可能包括供應鏈管理、生產流程優化和培訓工人等活動。 6. 市場推出:最後一個階段是產品的市場推出。這包括制定市場推廣計劃、培訓銷售人員、準備促銷材料等,以確保產品成功進入市場並獲得客戶的關注和接受。 【PM在NPI過程中的角色】 在新產品導入(NPI)過程中,PM在各個階段都扮演著重要的角色,並在整個過程中提供領導和協調。以下是專案經理在每個階段可能承擔的角色: 1. 概念階段:在這個階段,專案經理可能負責協調團隊進行市場調查和競爭分析,以確定產品的概念和目標。他們可能會與市場部門合作,收集客戶反饋,確定產品的市場需求。 2. 設計階段:在設計階段,專案經理可能負責管理產品開發的時間表和里程碑。他們需要確保設計團隊按時完成工作,並在需要時解決任何問題或障礙。 3. 開發階段:在這個階段,專案經理可能需要協調不同部門的工作,包括工程、製造和測試團隊。他們需要確保開發過程順利進行,並在需要時調整計劃。 4. 測試與驗證:在測試階段,專案經理可能需要確保測試計劃按照預定計劃執行。他們可能會監督測試團隊的工作,並跟蹤測試結果,以確保產品符合要求。 5. 生產準備:在進入生產階段之前,專案經理需要確保供應鏈的準備情況良好,生產流程的優化工作進行順利,並準備好應對任何潛在的問題或風險。 6. 市場推出:在市場推出階段,專案經理可能需要協調市場營銷活動的執行,確保市場推廣計劃的有效實施。他們可能會與銷售團隊合作,確保產品順利進入市場並達到銷售目標。 專案經理在 NPI 過程中的角色是確保整個過程順利進行,各個階段之間的協調和溝通,以確保新產品成功推出並達到預期的業務目標。
知識貓星球 PM雜學相談室-新手轉職PM交流區🙌
履歷光寫會AI不夠?多了「AI認證」讓面試邀約多1.7倍!「AI通用素養認證」全攻略 
履歷光寫會AI不夠?多了「AI認證」讓面試邀約多1.7倍!「AI通用素養認證」全攻略 
生成式AI已成為職場基本能力,履歷上只寫「會用ChatGPT」已不易突顯差異,求職者需要可量化、可驗證的AI能力證明。根據104數據,通過AI通用素養認證且回傳履歷表,企業邀約面試機會平均提升1.7倍,由104學習推出的「104 AI通用素養檢測」認證,主打快速上手且具鑑別度,通過後可串接104履歷,讓AI技能從自我描述,轉化為企業看得見的求職競爭力。  文/104學習 本文導覽 擺脫AI焦慮!這張「AI通用素養認證」如何成為你的職涯加速器?非工程師也行!30題線上測驗,5大核心考點雷達圖解析五大核心考點!測出AI素養人才鑑別度!實戰經典樣題揭密!考情境邏輯不考程式獨家通關神隊友:認證課程+實戰「AI陪練法」從履歷亮點到進階AI證照敲門磚,現在就開始! 許多求職者最大的痛點,就在於「口頭說會」已經不足以應付現今的職場需求。企業其實很難判斷你到底只是在跟AI瞎聊,還是真的具備商業邏輯。真正的AI素養,不僅僅是下指令,而是包含風險評估、工具選型以及精準應用的綜合能力。  如果你想在履歷上把AI技能變成企業看得懂、也願意相信的「能力證明」,「104 AI通用素養檢測認證」就是你職涯升級的關鍵通行證。  擺脫AI焦慮!這張「AI通用素養認證」如何成為你的職涯加速器? 在競爭激烈的求職市場中,為什麼這張認證能幫你的職涯開外掛?我們用104人力銀行的數據說話:  AI人才需求呈爆發式成長:根據104人力銀行數據顯示,近5年AI需求人數成長97%,企業每月平均招募約 10萬名AI人才,企業求才若渴,市場對AI人才的需求正快速上升。  面試機會直接翻倍:數據指出,通過「104 AI通用素養檢測認證」且回傳履歷表的求職者,企業主動邀約面試次數,平均提升1.7倍!當你的能力可以被明確識別,面試機會自然大幅增加。  官方認證直接回傳104履歷:這是最關鍵的優勢!只要你通過檢測(分數達60分以上),104學習每週將會定期審視,並在5到8個工作天內,自動將認證更新至你的104履歷表。當企業在篩選人才時,你的AI實力一目了然,市場能見度瞬間提升!  延伸閱讀:AI害你被裁員?104資深協理:學會用AI開外掛,未來是你挑公司 非工程師也行!30題線上測驗,5大核心考點雷達圖解析 你也許會問:「我又不是工程師,我也考得過嗎?」  不用擔心!這項檢測定位在「素養級」認證,是專門為非技術職位設計的AI敲門磚。它向未來的雇主證明了你具備「與AI協作、用AI解決問題」的通用能力。  超友善的考試方式:總共只有30題單選題,不考複雜的計算,也不需要寫任何程式碼。  隨時隨地,想考就考:完全採用線上測驗方式,只要有網路,在最舒服、沒人打擾的環境隨時都能登入系統測驗。  合格與高分門檻:滿分100分,60分即可取得認證。如果衝到70分以上代表熟練應用的「進階級」;拿到80分以上更是具備評估專案可行性的「高階級」!  延伸閱讀:擔心被取代…AI來襲 職場焦慮就醫增加 五大核心考點!測出AI素養人才鑑別度! 「104 AI通用素養檢測認證」測驗的範圍平均分配在五大主題(各佔20%),旨在測驗你是否具備完整的AI認知結構:  AI基礎概論:理解人工智慧、機器學習與深度學習的層級關係,以及避免「數據解讀偏誤」與「模型偷看答案的資料洩露」等底層邏輯。  生成式AI:掌握大型語言模型(LLM)的文字接龍原理、提示工程(Prompt Engineering)技巧,以及企業如何評估導入RAG(檢索增強生成)或Fine-tuning(微調)。  機器學習:不考寫程式,考的是情境判斷力!理解監督式、非監督式及強化學習的任務分類,並學會用混淆矩陣(Confusion Matrix)來判斷模型好壞,破解高準確率的迷思。  專案規劃與倫理:學習AI專案生命週期,懂得如何將老闆抽象的商業目標(如:提升客戶滿意度)轉化為可衡量的「代理指標」,並防範演算法偏見與遵循GDPR等個資法規。  雲端AI服務與部署:認識微軟、Google、AWS等現成雲端認知服務,學習No-code/Low-code開發工具,並評估在聯網受限或低延遲情境下,採用「邊緣部署」的策略。  延伸閱讀:你也是膨風一族嗎?63%上班族AI能力都在灌水,為什麼會這樣? 實戰經典樣題揭密!考情境邏輯不考程式 「AI通用素養認證」不考程式碼與工程佈署,而是重視情境與邏輯分析,特別舉例「AI基礎概論」核心考點中的實戰樣題:  【案例】某開發團隊訓練了一個預測準確度高達99%的AI模型,用來分辨照片中的動物是「哈士奇」還是「狼」。但當專家用熱力圖(Heatmap)檢驗模型決策依據時,卻發現AI根本沒有看動物的五官,而是看「背景有沒有雪地」。請問這是什麼現象?該如何解決?  💡考題核心解析:這在AI領域被稱為「聰明漢斯效應(Clever Hans Effect)」,代表AI模型只抓到了無關的作弊線索,學到的是「偽相關」而非真正的動物特徵。這題在考你懂不懂得透過「提供背景多樣化的資料」或「在訓練前將影像去背」來打破單一規律,確保模型上線後不會失準。  獨家通關神隊友:認證課程+實戰「AI陪練法」 光看考點覺得有點抽象、擔心卡關?104學習會在學員購買「104 AI通用素養檢測認證」,特別附加免費課程,幫助考生系統化準備、快速通關!  這門課程分為三個主要部分,不僅帶你看懂檢測核心、系統化複習,更會教你一套實戰「AI陪練法」,教你如何直接把ChatGPT、Gemini等AI工具變成你的專屬刷題助教:  建立個人化備考計劃:讓AI扮演學習規劃顧問,根據你的備考時間、目標分數產出每日進度。  生成考點筆記與名詞對照表:利用AI快速濃縮精華,例如將容易混淆的「精準率與召回率」、「相關性與因果性」用生活化的比喻整理成對照表,突破理解卡關。  互動式模擬測驗與弱點補強:請AI擔任命題老師,以概念題與情境題交錯出題;做完題後利用AI進行錯題分析,精準診斷盲點並安排強化練習。  延伸閱讀:如何用AI準備證照考試?Gemini Notebook學習備考超實用5步驟完整解析 從履歷亮點到進階AI證照敲門磚,現在就開始! 在AI時代,「感覺會用」跟「拿到官方認證背書」,在企業HR眼中是完全不同的層次。取得這張「AI通用素養認證」,不只是在履歷表上建立清晰、具可信度的實力證明,也能作為邁向其他AI專業證照的入門基礎,例如準備挑戰iPAS AI應用規劃師初級前,先補齊必要的通用觀念、應用邏輯與專案思維。  準備好迎戰AI時代、讓你的面試邀約與進修路徑一起升級了嗎?透過「104 AI通用素養檢測認證」,先取得企業看得見的能力背書,也為下一張AI證照打下扎實起點!  加入【104 AI通用素養檢測】
【104職場力】
考對才有效! 2026 年三大類高含金量證照懶人包
考對才有效! 2026 年三大類高含金量證照懶人包
「到底該考哪張?」是許多人在求職或轉職時最常卡住的第一關。 坊間證照種類繁多,但並不是每一張都對你的職涯有幫助。有人花了半年準備一張根本不被企業看重的證照,也有人因為一張對的認證,在面試中直接拉開差距。 為了讓你把準備時間花在刀口上,依據 104 人力銀行數據與市場最新需求,將高含金量證照整理為三大類方向:AI 類、ESG 綠領類、語文・數位行銷・長照類,找到最適合你的選擇。 一、 AI 類證照 ❇️生成式 AI 課程認證  🔗 104 證照中心連結:https://nabi.104.com.tw/ability/10048799 • 適合對象:AI 初學者、各職類在職者,無需任何技術背景 • 費用:完全免費,完成課程即取得 Google 官方數位徽章 ▶️【點我免費做線上模擬測驗】 https://nabi.104.com.tw/assess/13967cfe-5c5d-4754-8cff-99c43cabd1e0 ❇️iPAS+ AI 應用規劃師能力鑑定(初級) 🔗 104 證照中心連結:https://nabi.104.com.tw/ability/10049056 • 適合對象:行銷、人資、行政、PM 等非技術背景職場人士,無需程式設計能力 • 市場動態:104 人力銀行統計,AI 相關職缺年增 38%,iPAS+ 初級已成為非技術職類最具代表性的 AI 能力背書 ▶️ 線上模擬試題練習 https://nabi.104.com.tw/assess/6c2efe0a-8456-4694-bdc3-a1813f66ee19 ❇️iPAS+ AI 應用規劃師能力鑑定(中級)  🔗 104 證照中心連結:https://nabi.104.com.tw/ability/10049057 • 適合對象:已具備資訊、數據或產品開發背景的專業人員 • 職場應用:適合 IT 工程師、數位轉型專員,作為初級的進階升級,進一步強化 AI 技術深度與跨部門整合能力 ▶️ 線上模擬試題練習 https://nabi.104.com.tw/assess/0b1426fe-7c6c-4138-a059-f59400d7eebe ❇️資策會生成式 AI 能力認證  🔗 104 證照中心連結:https://nabi.104.com.tw/ability/10048893 • 適合對象:想精進 Prompt 工程、提升 AI 辦公應用實戰能力的在職者 • 考試特色:聚焦生成式 AI 工具操作、Prompt 設計與實務應用情境,強調即學即用 ▶️ 線上模擬試題練習 https://nabi.104.com.tw/assess/13967cfe-5c5d-4754-8cff-99c43cabd1e0 ❇️Microsoft Azure AI-900(AI 基礎知識) 🔗 104 證照中心連結:https://nabi.104.com.tw/ability/10047979 • 適合對象:有跨國求職需求,或任職於使用 Microsoft 365/Azure 雲端服務企業的職場人士 ▶️ 線上模擬試題練習 https://nabi.104.com.tw/assess/9bd61b3a-9dd3-48ef-af4c-a17aaaeb4437 ❇️AWS Certified AI Practitioner  🔗 104 證照中心連結:https://nabi.104.com.tw/ability/10049019 • 適合對象:具備基本技術背景、有意投入雲端 AI 應用領域的工程師或產品人員 二、ESG 綠領類證照 ❇️環境部淨零綠領人才培育課程合格證明  🔗 課程報名連結:https://nabi.104.com.tw/ability/10049142 • 適合對象:任何職類皆可跨域取得,文組、非理工背景均適合 • 職場應用:104履歷上勾選此證明的求職者相較未勾選前面試邀約暴增 5.4 倍 ❇️廢水處理專責人員合格證書 🔗 104 證照中心連結:https://nabi.104.com.tw/ability/10029207 • 適合對象:化工、環境工程、製造業從業人員,或有意轉型環安衛職類者 • 職場應用:綠領職缺企業要求 Top 1 證照,環安衛類職缺必備 ▶️ 線上模擬試題練習 https://nabi.104.com.tw/assess/1ffc4f33-d8f6-4aec-acc8-da4f83014746 ❇️空氣污染防制專責人員合格證書  🔗 104 證照中心連結:https://nabi.104.com.tw/ability/10029208 • 適合對象:製造業、煉油、半導體廠的環安衛人員,或有意投入空污防制職類者 ❇️ISO 14064 溫室氣體盤查員  🔗 104 證照中心連結:https://nabi.104.com.tw/ability/10048756 • 適合對象:ESG 專員、永續顧問、供應鏈管理人員,或上市櫃企業負責 CSR 報告的職場人士 三、語文・數位行銷・長照類證照 📌 此類證照橫跨多元職涯方向,適合希望在現有職類基礎上加值,或跨域進入服務、行銷、醫療照護領域的求職者。 ❇️TOEIC 多益測驗  🔗 104 證照中心連結:https://nabi.104.com.tw/ability/10034532 ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/group/toeic • 適合對象:有意進入外商公司、跨國集團,或有海外派駐需求的求職者 • 職場應用:外商企業通常要求 600 分以上入職門檻,金色證書(860 分以上)在跨國職缺中具顯著競爭優勢 ❇️Google Analytics 個人認證(GA4)  🔗 104 證照中心連結:https://nabi.104.com.tw/ability/10028451 ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/ceb78afe-8583-4273-97a3-66fe940374df • 適合對象:數位行銷人員、電商運營、社群小編、品牌企劃,或任何需要解讀網站數據的職場人士 • 職場應用:數位行銷與網站經營者必備分析工具,是求職履歷加分的黃金證照 ❇️照顧服務員單一(丙)級技術士  🔗 證照連結:https://nabi.104.com.tw/ability/10029185 ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/c2d6707f-c205-4054-a741-d8d70decc4ae • 適合對象:有意投入長照機構、居家照護、日間照顧服務的新手從業人員 • 市場動態:台灣高齡化加速,長照 3.0 政策推動下,照護人力缺口持續擴大,此照就業保障高、工作穩定性強
104學習 職場熱門證照排行榜
乙級就業服務技術士證照好用嗎?2026第三梯次考試日期、最新題庫與準備攻略
乙級就業服務技術士證照好用嗎?2026第三梯次考試日期、最新題庫與準備攻略
更新日期:2026/08/10 想進入人資、招募、就業服務或職涯顧問領域,「乙級就業服務技術士」是台灣相當常見的專業證照之一。它不只出現在人力仲介、就業服務機構的職缺條件中,對於從事招募、人資、職涯諮詢、就業輔導等工作的人來說,也能幫助建立勞動法令與就業服務專業基礎。 如果你正在準備2026年就業服務乙級考試,這篇整理最新報名時間、報考資格、考試內容、官方題庫與備考重點,幫助你一次掌握。 一、乙級就業服務技術士是什麼? 乙級就業服務技術士,是由勞動部主管的國家級技術士技能檢定之一。 考試內容涵蓋就業服務相關法規、勞動法令、職業介紹、人力仲介、就業媒合、職涯諮詢與就業市場等內容。 常見適用族群包括: 人力資源工作者 招募人員 人力仲介從業人員 就業服務機構工作者 就業輔導與職涯顧問 想轉職HR或就業服務相關工作者 通過技能檢定後,可申請取得乙級就業服務技術士證;若要成為法規所稱的「就業服務專業人員」,仍須依規定取得技術士證並申請就業服務專業人員證書。 二、2026年就業服務乙級考試時間 2026年為民國115年。依115年度全國技術士技能檢定時程,就業服務乙級共有三梯次。 第一梯次 報名:2026/1/2~1/13 測試:2026/3/15 目前已結束。 第二梯次 報名:2026/4/24~5/5 測試:2026/7/5 目前已結束。 第三梯次 報名:2026/8/27~9/7 測試日期:2026/11/8 准考證預計寄送:2026/10/20 試場位置公告:2026/11/5 截至2026年8月,目前準備報考的考生,主要可鎖定第三梯次。 115年第三梯次就業服務乙級一般報檢費用為925元;申請免試學科為735元,申請免試術科為340元。實際費用與報名規定仍請以官方最新簡章為準。 全國技術士技能檢定官方網站: https://skill.tcte.edu.tw/ 三、就業服務乙級報考資格 就業服務乙級的資格規定和部分其他乙級技術士不同。 依現行規定,參加就業服務職類技能檢定者,需具備: 經教育部立案或認可之國內外高中職以上學校畢業,或具有同等學力資格。 因此,不一定要有人資工作年資,也不限定人資、勞工或社會工作相關科系。 如果你是高中職以上畢業,通常即可依規定報考。 相關法規可查詢全國法規資料庫: https://law.moj.gov.tw/ 四、就業服務乙級考什麼? 考試主要分成學科與術科。 學科 學科主要測驗就業服務、勞動法令及相關專業知識,常見範圍包括: 就業服務法 勞動基準法 就業保險法 性別平等工作法 個人資料保護法 職業訓練與就業促進 就業市場與職業介紹 外國人聘僱相關規定 就業服務相關行政規範 準備學科最有效的方法之一,就是以官方題庫為基礎,大量練習並同步理解法規內容。 術科 術科重點通常不是單純背答案,而是測驗考生是否能把法令與就業服務知識應用到實際情境。 例如: 如何判斷就業服務行為是否合法 不同勞動法規在案例中的適用方式 招募、媒合與職業介紹相關問題 求職者與雇主權益 外國人聘僱及就業服務規範 因此,準備術科時除了讀法條,也要練習「看到情境後,知道應該引用哪一項規定」。 五、2026第三梯次要注意:學科題庫已更新 這是2026年下半年考生最需要注意的地方。 技能檢定中心目前已公布新版「就業服務乙級學科測試參考資料」,並標示: 115/07/01起報檢者適用。 因為2026年第三梯次從8月27日開始報名,所以準備第三梯次的考生,建議直接使用新版官方題庫。 如果你之前已經下載過題庫,也要確認手上的版本是否適用於115年7月1日以後報檢者。 不要只使用舊版補習班講義或幾年前整理的題庫,因為法規名稱、條文與題目內容都有可能調整。 官方題庫與測試參考資料: https://owinform.wdasec.gov.tw/ 六、術科未來可能改採電腦測試 另一個值得注意的變化,是就業服務乙級術科測試方式。 勞動部勞動力發展署技能檢定中心已公告,正在規劃就業服務職類乙級術科改採電腦測試,也已提供相關參考資訊。 不過,截至目前官方仍表示實施日期另行公告。 因此,目前不能直接解讀為2026年第三梯次一定改成電腦測試。 考生在考試前,建議再次確認技能檢定中心最新公告與准考證資訊,以官方公告為準。 技能檢定中心: https://www.wdasec.gov.tw/ 七、就業服務乙級難不難? 很多考生真正覺得困難的地方,不是學科,而是術科。 學科有官方題庫,只要願意反覆練習,通常比較容易掌握。 術科則需要: 熟悉法規 理解條文 能判斷案例 知道如何整理答案 掌握專有名詞與關鍵字 因此,常見的備考策略是: 第一階段:建立法規架構 先了解各項法規在管什麼,不要一開始就硬背整本法條。 第二階段:大量刷學科題庫 透過題目找出常考規定與容易混淆的法條。 第三階段:整理術科考點 將常見題型分成勞基法、就業服務法、外國人聘僱、職業介紹、就業媒合等主題。 第四階段:練習情境題 看到題目後,練習先判斷問題核心,再找出適用法規與關鍵字。 八、2026考生準備重點 如果你準備2026年第三梯次,建議優先掌握以下四件事。 1. 記住報名與考試日期 第三梯次報名: 2026/8/27~9/7 測試日期: 2026/11/8 不要等到最後幾天才報名,並提前確認需要準備的資料。 2. 一定要下載新版學科題庫 第三梯次屬於115年7月1日以後報檢,請使用新版官方題庫準備。 3. 法規要看最新版 除了刷題,也要確認就業服務法、勞動基準法、就業保險法、性別平等工作法、個人資料保護法等法規是否有更新。 4. 注意術科測試方式公告 官方正在規劃術科電腦化,但實施時間尚未正式公布。考前務必再次查看官方公告。 九、適合用課程準備嗎? 如果你本身沒有人資或勞動法令背景,只靠自己讀法規,常見問題是「不知道哪些地方重要」。 這時候課程的價值主要在於: 幫你整理考試範圍 解釋難懂的法規 整理高頻考點 帶著做題目 建立術科答題架構 如果你已經有HR或勞動法令經驗,也可以採取「官方題庫+法規+考古題」的方式自己準備。 104學習可搜尋就業服務乙級相關課程: https://nabi.104.com.tw/ 也可以在104證照中心查看相關證照與職涯資訊: https://nabi.104.com.tw/certify 十、考到就業服務乙級有什麼幫助? 乙級就業服務技術士並不代表取得證照就一定能加薪或找到工作,但對特定職務確實具有實用價值。 例如: 就業服務機構 人力仲介公司 派遣與人力服務業 人力資源與招募工作 就業輔導與職涯服務 部分職缺會將就業服務乙級列為必要或加分條件。 如果你的職涯方向原本就在人資、招募、就業服務或人力仲介,這張證照會比單純為了「多一張證照」更有價值。 十一、結論:2026下半年準備,先鎖定第三梯次 如果你打算在2026年取得就業服務乙級,目前最重要的就是第三梯次。 報名時間: 2026/8/27~9/7 考試日期: 2026/11/8 準備時請特別注意三件事: 使用115/07/01起報檢適用的新版學科題庫。 法規內容以最新版本為準。 考前持續確認術科是否有電腦測試新公告。 如果準備時間有限,可以先從官方題庫開始,再搭配法規整理與術科情境題練習,會比從頭逐條硬背法規更有效率。 官方資訊來源 全國技術士技能檢定 https://skill.tcte.edu.tw/ 勞動部勞動力發展署技能檢定中心 https://www.wdasec.gov.tw/ 官方測試參考資料與題庫 https://owinform.wdasec.gov.tw/ 全國法規資料庫 https://law.moj.gov.tw/ 104學習 https://nabi.104.com.tw/
104學習 證照學習熱門QA整理
有證照面試機會多35%!2026年1月最熱門10張證照完整攻略
有證照面試機會多35%!2026年1月最熱門10張證照完整攻略
想在求職市場脫穎而出?根據104人力銀行最新數據顯示,有證照的求職者比沒有證照者多出35%的面試機會。2026年1月熱門證照排行榜出爐!從當紅的AI應用、財會、工程、人資到穩定的長照服務,這10張證照不僅是求職加分項,更是轉職加薪的最佳投資。 ❇️物業管理類_事務管理人員(總幹事)證照 證照資訊:https://nabi.104.com.tw/ability/10029198 公寓大廈管理條例規定,一定規模以上的社區必須聘用具證照的總幹事。隨著老屋管理需求增加,這張證照的職缺持續成長,穩定度高且具發展性。 適用職務: 社區總幹事、物業管理人員 ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/98c486e6-8ec7-44da-b07c-d3799eaed113 ❇️工程建築類_公共工程品質管理人員 證照資訊:https://nabi.104.com.tw/ability/10029243 政府工程及大型建設專案的必備證照,具備此證照的人才在工程界炙手可熱。課程涵蓋施工品質管理、驗收程序及相關法規知識。 適用職務: 品管工程師、工地主任、營造業從業人員 ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/d074f13b-3cf6-42e9-82ea-90c61f619bfe ❇️工程建築類_乙級職業安全衛生管理員 證照資訊:https://nabi.104.com.tw/ability/10046740 《勞工職業災害保險及保護法》施行後,企業對職安證照的需求大增。超過九成相關職缺都要求此證照,就業市場需求強勁。 適用職務: 職安管理員、勞安主管、工安專員 ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/9e3f75d6-01c6-4d46-98b6-347dc9f76b35 ❇️科技AI類_iPAS+ AI應用規劃師能力鑑定(初級) 證照資訊:https://nabi.104.com.tw/ability/10049056 AI浪潮席捲各行各業,這張由經濟部產業發展署推出的證照,是進入AI領域的最佳敲門磚。 適用職務: 適合想轉型AI領域的工作者,無需深厚技術背景也能考取。 ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/6c2efe0a-8456-4694-bdc3-a1813f66ee19 ❇️科技AI類_生成式AI課程認證 證照資訊:https://nabi.104.com.tw/ability/10048799 ChatGPT、Midjourney等生成式AI工具已成為職場必備技能。取得認證能證明你掌握AI工具應用,在行銷、設計、內容創作等領域都能大幅加分。 適用職務: 行銷企劃、社群小編、內容創作者、品牌經理 ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/13967cfe-5c5d-4754-8cff-99c43cabd1e0 ❇️財會金融類_丙級會計事務技術士 證照資訊:https://nabi.104.com.tw/ability/10028814 會計領域的入門證照,適合想從事財會工作的新鮮人或轉職者。考試內容涵蓋基礎帳務處理、報表編製與稅務實務,是財會職涯的第一步。 適用職務: 會計助理、出納、記帳士助理、財務行政 通過率: 約52.6%(2023年數據) 面試加分: 可提升1.4倍面試邀約率 ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/df09209a-c850-4fc8-8515-616c07252f11 ❇️語言類_TOEIC(多益測驗) 證照資訊:https://nabi.104.com.tw/ability/10034532 外商企業與跨國公司的必備門檻,金色證書(860分以上)更是求職加分利器。多益成績已成為企業判斷求職者英語能力的標準指標。 建議分數: • 外商公司:750分以上 • 金色證書:860分以上(高階職位必備) 適用職務: 幾乎所有需要英文溝通的職位 ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/group/toeic ❇️ 服務照護類_照顧服務員單一(丙)級技術士 證照資訊:https://nabi.104.com.tw/ability/10029185 台灣邁入高齡社會,長照需求持續攀升。這張證照門檻友善、考試彈性,是投入照護產業的最佳起點,政府長照2.0政策持續支持。 適用職務: 照顧服務員、居家照護員、機構照護員 通過率: 約77.5%(2023年數據) ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/c2d6707f-c205-4054-a741-d8d70decc4ae ❇️ 服務照護類_乙級就業服務技術士 證照資訊:https://nabi.104.com.tw/ability/10029276 人資領域唯一的國家級證照,每年考試三次。無論是人力銀行、人力仲介還是企業人資部門,這張證照都是求職轉職的必備資格。 適用職務: 招募專員、就業服務人員、人資顧問、獵頭顧問 ▶️【免費模擬測驗】https://nabi.104.com.tw/assess/343d8c62-b9aa-4af3-8fa2-b3b684908277
104學習 職場熱門證照排行榜
ChatGPT怎麼整理Excel資料?清理欄位、統一格式,樞紐分析不出錯|8組提示詞範本
ChatGPT怎麼整理Excel資料?清理欄位、統一格式,樞紐分析不出錯|8組提示詞範本
Excel或Google Sheets的欄位內容沒統一,樞紐分析被拆成好幾類、加總還算不出來?本文分享使用ChatGPT檢查欄位問題、建立清理規則、產生公式,並將混亂資料轉換成一致格式,附8組可直接複製的提示詞範本,同樣適用。本文節錄自《ChatGPT上工了! 最強AI活用術》。 文/施威銘研究室 本文目錄(點擊可快速前往) 請ChatGPT幫你清理Excel資料、統一欄位格式輸入指令請ChatGPT做檢查範例:清理訂單資料中的欄位與格式檢查資料、給予清理規則產生清理公式常見清理任務的指令範本:檢查欄位、金額、統一日期格式使用ChatGPT外掛時的注意事項 【在Excel或Google Sheets使用ChatGPT外掛】 工具:Excel或Google Sheets 外掛:ChatGPT for Excel/ChatGPT for Google Sheets Excel安裝:常用→增益集→ 搜尋ChatGPT→ 新增 Google Sheets安裝:擴充功能→外掛程式→取得外掛程式→ 搜尋ChatGPT→安裝 登入:用OpenAI帳號登入。免費版及各訂閱方案皆可使用 注意:類似的外掛程式很多,下載時請確認公司名稱為「OpenAI」(圖/104職場力小編截圖) 請ChatGPT幫你清理Excel資料、統一欄位格式 資料表在進行排序、篩選、加總、查找或樞紐分析前,通常需要先確認欄位與格式是否一致。即使資料看起來可以閱讀,只要欄位內容不統一,後續分析就可能出現錯誤。例如,同一欄地區中同時出現「台北」、「臺北市」、「Taipei」;同一欄日期中混用「2026/1/5」、「1月5日」、「2026-0105」;同一欄金額中同時出現「1200」、「1,200」、「$1,200」、「1200元」。這些內容對人來說容易理解,但在試算表中可能被判斷為不同分類、不同格式,甚至不同資料型態。 ChatGPT可以協助使用者檢查欄位問題、建立清理規則、產生公式,並將混亂資料轉換成一致格式。用在資料整理的前置階段,幫助使用者判斷哪些欄位需要統一、哪些內容可能會影響計算,以及應該採用哪些功能來處理。 輸入指令請ChatGPT做檢查 使用這項功能時,可以先選取需要檢查的資料範圍,例如A1:F20,再於ChatGPT外掛中輸入清理指令。比較穩定的做法是先請外掛檢查問題,再請它建立規則,最後才請它產生公式或建議處理方式。可以在外掛中輸入: 【提示詞】請檢查目前選取的表格有哪些欄位與格式問題。請用表格列出欄位名稱、問題類型、可能影響與建議清理方式。請特別檢查日期、金額、分類名稱、空格與付款狀態是否一致。 如果已經知道要清理的欄位,也可以更精準地輸入: 【提示詞】金額欄位在(自行選取或填寫)欄,內容可能包含 $、,、元 等符號。請提供一個可以放在新欄位的公式,將這些內容轉成可加總的純數字。 先檢查問題以避免ChatGPT誤改資料;再建立清理規則可以讓我們確認標準;最後產生公式,則能把清理結果放在新欄位中檢查,而不是直接覆蓋原始資料。 範例:清理訂單資料中的欄位與格式 檢查資料、給予清理規則 假設工作表中有一份簡單的訂單資料: 訂單編號地區訂單日期金額付款狀態商品類別A001台北2026/01/051200已付款辦公用品A002臺北市1月6日850元已付辦公用品A003Taipei2026-01-07$2,300Paid電腦週邊A004新北2026.01.081,500未付款電腦週邊 這張表看起來仍然可以閱讀,但若要做統計,會出現幾個問題。地區欄位中「台北」、「臺北市」、「Taipei」可能代表同一地區,但在樞紐分析中會被拆成不同分類。訂單日期欄位混用斜線、中文日期、短橫線與句點格式,可能影響排序與月份統計。金額欄位混入「元」、「$」與逗號,可能造成加總失敗。付款狀態中的「已付款」、「已付」、「Paid」也需要統一。商品類別中的「電腦週邊」與「電腦周邊」雖然意思接近,但試算表會將它們視為不同類別。我們可以先選取這份資料,然後在ChatGPT外掛中輸入: 【提示詞】請檢查目前選取的訂單表有哪些資料清理問題。請用表格列出欄位、問題類型、可能影響與建議處理方式。請不要直接修改資料,先提出清理建議。 外掛可能回傳類似以下內容: 欄位問題類型可能影響建議處理方式地區同一地區有多種寫法樞紐分析或篩選時會被拆成不同分類建立對照表,將台北、臺北市、Taipei統一為臺北市訂單日期日期格式不一致可能無法正確排序、依月份統計或製作趨勢圖統一為 yyyy-mm-dd 格式金額數字混入符號與文字加總、平均或比較時可能出錯移除 $、,、元 後轉為純數字付款狀態分類命名不一致篩選與統計時結果分散將已付款、已付、Paid 統一為已付款商品類別同義分類用字不同分類統計會被拆成兩組將電腦週邊與電腦周邊統一為同一標準名稱 接著,可以在外掛中請ChatGPT建立清理規則: 【提示詞】請根據剛才檢查出的問題,建立一張清理規則表。欄位請包含:原始欄位、標準格式、建議方法、是否需要人工確認。 ChatGPT可能會回傳: 原始欄位標準格式建議方法是否需要人工確認地區台北市、新北市等標準縣市名稱建立對照表,再用XLOOKUP或VLOOKUP轉換是訂單日期yyyy-mm-dd使用日期轉換公式或先統一分隔符號部分需要金額純數字使用SUBSTITUTE、VALUE或REGEXREPLACE清除符號否付款狀態已付款、未付款建立對照表或使用SWITCH / IF統一否商品類別固定分類名稱建立對照表或使用取代功能是 這張規則表可以放在工作表旁邊,作為後續清理依據。需要人工確認的項目,通常是分類標準或語意判斷。例如「Taipei」是否一定要轉成「台北市」,要看資料來源是否可能包含「台北地區」或其他更寬的區域定義;「電腦週邊」與「電腦周邊」是否統一,也要看團隊採用哪一種標準用字。 產生清理公式 確認清理規則後,可以請ChatGPT 外掛針對特定欄位產生公式。比較推薦的做法,是在原始欄位旁新增「清理後」欄位,而不是直接覆蓋原始資料。例如可以新增「清理後金額」、「標準付款狀態」、「標準地區」等欄位,方便檢查公式結果是否正確。我們在這邊以「統一金額格式」、「統一付款狀態」為例子做示範。 1. 統一金額格式:若金額在D欄,可以在外掛中輸入: 【提示詞】金額欄位在D欄,可能出現1200、850元、$2,300、1,500這幾種格式。請提供一個可放在新欄位的公式,將它轉成可以加總的純數字。 Excel可能會出現以下公式: =VALUE(SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(D2,"$",""),"元",""),",","")) 這個公式用多層SUBSTITUTE逐一移除$、元與逗號,再用VALUE轉成數字。它的優點是容易理解,缺點是每新增一種要移除的符號,就需要增加一層替換。如果資料來源長期會出現不同格式,使用對照表、PowerQuery或更進階的清理工具可能更適合。 2. 統一付款狀態:原始資料中可能有「已付」「Paid」「未繳」「Unpaid」,我們希望統一成「已付款」或「未付款」。這時就可以先請ChatGPT建立一張對照表,再讓ChatGPT提供函數,把原始值轉成標準值。 【提示詞】請在原始資料旁建立一份「付款狀態對照表」,包含「原始值」與「標準值」兩個欄位,並依照下列規則填入:●「已付款」、「已付」、「Paid」統一對應為「已付款」。●「未付款」、「未付」、「Unpaid」統一對應為「未付款」。請保留原始資料,不要直接修改或覆蓋原欄位。 先請ChatGPT建立付款狀態的對照表(圖/旗標科技) 接著,請ChatGPT依照對照表寫的轉換規則,在原始資料旁新增「整理後的付款狀態」欄位,將E欄中格式不一致的付款狀態統一為標準值。對照表位於H2:I7,其中H欄為原始值,I欄為對應的標準值。 【提示詞】E欄為「付款狀態」,其中包含多種不同寫法。請參考H2:I7的對照表,提供一個可填入新欄位的公式,將 E 欄的付款狀態轉換為對應的標準值。若找不到相符的原始值,請顯示 "需確認"。 本次實際測試中,ChatGPT提供的公式如下: =IFERROR(VLOOKUP(E2,$H$2:$I$7,2,FALSE),"需確認") 這個公式會先讀取E2儲存格中的付款狀態,並到H2:I7的對照表中尋找完全相同的原始值。找到後,會回傳對照表第二欄的標準值,例如將「已付」或「Paid」轉換成「已付款」。公式中的$用來固定對照表範圍,因此向下複製公式時,查找範圍不會跟著移動。如果找不到相符的付款狀態,IFERROR就會讓儲存格顯示「需確認」。 可以看到ChatGPT已經在G欄新增一個欄位,用來顯示統一判斷後的付款狀態(圖/旗標科技) 若使用的是Microsoft365或新版Excel,也可以使用XLOOKUP: =XLOOKUP(E2,$H$2:$H$7,$I$2:$I$7,"需確認",0) 這個公式會取得E2的付款狀態,並在H2的「原始值」中尋找完全相同的內容;找到後,回傳同一列I2中的「標準值」。若找不到相符內容,就顯示「需確認」。最後的0代表必須完全符合,而$則用來固定對照表範圍,讓公式向下複製時不會移動。但是部分舊版Excel還有Google Sheets都不支援XLOOKUP,假如出現 #NAME?,就得改用VLOOKUP版本。 常見清理任務的指令範本:檢查欄位、金額、統一日期格式 在Excel或GoogleSheets中使用ChatGPT外掛清理資料時,可以依照問題類型輸入不同指令。若資料問題不明確,先要求外掛檢查;若問題已經明確,再要求它產生公式或清理規則。 使用需求可輸入到外掛的指令檢查欄位問題請檢查目前選取的表格有哪些欄位與格式問題,並指出哪些問題會影響排序、篩選、加總或樞紐分析建立清理規則請根據目前表格建立一份欄位清理規則表,包含欄位名稱、問題類型、標準格式與建議處理方法統一分類名稱請檢查目前選取欄位中哪些值可能代表同一意思,並建立標準化對照表。若不確定,請標註需要人工確認清理金額欄位請提供Excel與Google Sheets公式,將目前金額欄位中含有貨幣符號、逗號與文字單位的內容轉成純數字清理日期欄位請檢查目前日期欄位有哪些格式不一致,並建議如何統一為yyyy-mm-dd。若部分資料缺少年份,請標註需要補充規則清除多餘空格請提供公式,清除目前文字欄位中的前後空格、連續空格與不可見字元拆分混合欄位請根據目前欄位內容,判斷是否需要拆分成多個欄位,並提供Excel與Google Sheets可用方法檢查重複資料請根據目前表格欄位,建議應該用哪些欄位判斷重複紀錄,並說明理由 這些指令可以依表格內容調整。若外掛輸出的解法說明不明確,可以要求它「引用具體欄位名稱與範例值」;假如公式出錯又不知道怎麼調整,可以用「先用輔助欄位分步處理,再提供合併公式」提示詞處理。 使用ChatGPT外掛時的注意事項 使用ChatGPT 外掛清理欄位與格式時,應先保留原始資料。比較安全的做法,是新增「清理後」欄位,或另存一份工作表,再將公式結果放入新欄位中檢查。若直接覆蓋原始欄位,一旦清理規則有誤,就不容易回頭確認資料原貌。這一點在金額、日期、客戶資料、庫存資料與交易紀錄中特別重要。 清理後也建議進行抽樣比對。可以挑選幾筆正常資料、空白資料、格式特殊資料與找不到對應值的資料,檢查清理前後是否符合預期。例如付款狀態使用對照表轉換時,若某個原始值沒有出現在對照表中,公式最好顯示「需確認」,而不是直接保留原值或顯示空白。這樣可以讓尚未被清理規則涵蓋的資料浮現出來,方便後續補充對照表。 清理公式也需要測試,尤其是日期與金額欄位,只要資料中有少數特殊格式,公式就可能失效。例如金額欄位如果出現負數、括號表示負值、百分比、小數點或不同幣別,原本只移除符號的公式可能不夠用。日期欄位若出現缺少年份、民國年、西元年混用,或文字日期與數字日期混雜,也需要先確認轉換規則,不能只依賴單一公式。 如果試算表裡的資料會定期更新,建議把清理規則整理在工作表中,例如建立一張「對照表」或「清理規則」工作表,記錄原始值、標準值、處理方法與是否需要人工確認。ChatGPT外掛可以協助產生規則與公式,但清理規則最好留在試算表內,方便日後重複使用、檢查與交接。 節錄自:旗標科技《ChatGPT上工了! 最強AI活用術: ChatGPT Work×GPT 5.6》/施威銘研究室 著
【104職場力】
【免費下載|2026 AI 人才趨勢報告】企業選才正在改變,你的工作會受影響嗎?
【免費下載|2026 AI 人才趨勢報告】企業選才正在改變,你的工作會受影響嗎?
▍報告內容重點 ➡️ 哪些工作 AI 需求成長最快? ➡️ 哪些產業最需要 AI 人才? ➡️ AI 技能會帶來薪資優勢嗎? ➡️ 企業如何判斷「真的會用 AI」? ➡️ 2026 AI 職缺最常要求的Top硬技能 ➡️ 履歷該如何展現 AI 能力? ➡️ 求職者與企業,如何搶先布局下一波人才競爭? 👉 適合新鮮人、在職者與想轉職的人,免費下載完整報告 https://drive.google.com/drive/folders/1cEoNKeLCMijK6r4ZLQgbcaGL0fV3afQU?usp=drive_link 💡求職者: 想知道你的職務最需要哪項AI技能?104學習AI專區會自動帶入你的當前職務,分析技能缺口、提供測驗與推薦課程 1️⃣【立即行動一】104學習AI專區👉 https://nabi.104.com.tw/ai 2️⃣【立即行動二】104 AI 素養認證​: 客觀評估 AI 應用能力,測驗通過幫你一鍵匯入履歷 👉立即測試AI素養能力 https://nabi.104.com.tw/course/104nabi/e9e13d08-2c6f-49b2-bae8-1e9418588041 3️⃣【立即行動三】國家級「iPAS+ AI 應用規劃師」已成為企業評估數位轉型人才的標準 ▶【點我免費測 iPAS+ AI應用規劃師 初級模擬測驗】 https://nabi.104.com.tw/assess/6c2efe0a-8456-4694-bdc3-a1813f66ee19 ▶【初級】衝刺班|速攻考點 × 模擬實戰 × GPT刷題攻略】 https://nabi.104.com.tw/course/104nabi/19ba2cdd-5ae1-44a0-a975-01f989c92691 ▶【中級】衝刺班|命題精析 × 實戰解題 × AI刷題 https://nabi.104.com.tw/course/104nabi/3987ebea-3686-4f67-a292-c46c3cc2128e 💡企業主: 想讓員工系統性補上AI能力?104人資市集提供AI企業內訓課程,協助實現員工AI化目標 👉 了解104企業AI內訓方案 https://tw104.pse.is/98mx3p
104學習 AI 趨勢報-科技愛好者的產地🤖
非工程師也能考!2026最新AI證照指南|零基礎先從哪張開始最容易通過?
非工程師也能考!2026最新AI證照指南|零基礎先從哪張開始最容易通過?
AI不再只是工具,而是影響績效、升遷與錄取的職場必備能力關鍵。 (更新115年iPas AI應用規劃師報名費最新優惠) 根據104人力銀行最新數據,完成AI課程或擁有AI證照的求職者,面試邀約平均提升4倍;而標註 AI 技能的職缺年薪中位數高達80萬元,企業甚至有近5成願意開出「面議」、也就是薪資高於4萬的職缺搶人。AI技能已經成為職涯加速器。 ▶️ AI證照≠技術人才限定 所有職場角色都可以考 無論是行銷、行政、客服、PM、人資、財會還是業務,現在的工作場景都需要用AI來提升效率、降低工時與強化成果。AI已成跨部門共通語言,而不再僅限RD或IT背景。 ▶️ AI證照=面試敲門磚 搭配AI實戰力更加分 👉 AI證照建立「可信度」:證明你具備 AI 基礎能力與知識門檻 👉 AI作品集展現「即戰力」:讓企業看到你真的能用AI產生結果 ▶️ AI證照有哪些?官方告訴你! 依照 數位發展部《AI產業人才認定指引》,目前AI證照可分為: 🟡 素養型:不需寫程式、重視AI基礎素養與職場應用,適合一般上班族、跨領域轉職者。 🟡 工具型:需具備程式與模型實作能力,適合工程、資料、AI技術人員等職類。 🟡 專案型:同時具備AI素養與工具操作實務經驗,可領導大型AI導入專案,並熟悉情境應用。 📌 台灣官方認可的AI證照清單(最新重點整理) 以下難度評估係依通過率與考題的技術門檻綜合判斷而成,僅供參考,實際感受會因個人背景與準備程度而異。 一、素養類 1. iPAS AI應用規劃師 初級(經濟部) 特色:國家級認證,證書永久有效。考試範圍包含人工智慧概論與生成式AI應用兩科,考題靈活且重視實際應用,且難度隨梯次逐漸加深的趨勢。 難度:★★★☆ 費用:800元 (此為115-116年專屬優惠,原價1200元) 通過率:38% (2025第四梯次為例) 建議備考時間:4-8週 網址:https://nabi.104.com.tw/ability/10049056 2. 生成式AI能力認證(資策會) 特色:有明確的考試範圍與備考內容,證書兩年有效,通過率幾乎都有80%以上。 難度:★★☆ 費用:1300元,另可加購雷達圖399元,紙本證書500元 通過率:70-80% (平均) 建議備考時間:3-6週 網址:https://nabi.104.com.tw/ability/10048893 3. 生成式AI辦公室應用能力認證 (資策會) 特色:分學科與術科,評測生成式AI實際應用在文本創作、文案創作、圖像創作、簡報製作,強調AI實務操作,證書兩年有效,預計2026年開放報名。 難度:★★☆ 費用:報名費2000元,另可加購雷達圖399元,紙本證書500元 通過率:未有相關資訊 建議備考時間:3-6週 網址:https://nabi.104.com.tw/ability/10049231 4. 人工智慧工程素養認證(資策會) 特色:應試條件需有基礎的Python語言與資料分析知識,有明確的考試範圍與備考內容,證書兩年有效。 難度:★★★★ 費用:1300元,另可加購雷達圖399元,紙本證書500元 通過率:未有相關資訊 建議備考時間:4-8週 網址:https://nabi.104.com.tw/ability/10048892 5. AI素養級認證(台灣人工智慧學校) 特色:入門最友善,考題偏原理與應用情境,適合跨領域學習者 難度:★☆ 費用:3000元 通過率:90%以上 建議備考時間:3-6週 網址:https://nabi.104.com.tw/ability/10049171 6. TQC生成式AI應用與技術 實用/進階/專業(電腦技能基金會) 特色:測驗內容依照等級,從實用等級的AI概念,到專業等級的生成式AI應用、原理以及模型,全面檢測你是否真正理解 AI 背後的運作邏輯與使用方法。 難度:實用★★/進階★★★/專業★★★★ 費用:1200元/每等級 通過率:未有相關資料 建議備考時間:4-8週 (依等級不同) 網址:https://nabi.104.com.tw/ability/10049228 7. TQC人工智慧應用與技術 實用/進階/專業(電腦技能基金會) 特色:測驗內容依照等級,從實用等級的AI 理論、到進階等級的機器學習、深度學習演算法、到專業等級的資料分析、 Python 程式基礎等,強調AI觀念理解與技術應用能力。 難度:實用★★/進階★★★/專業★★★★ 費用:1000元/每等級 通過率:未公布,專業級若有商管背景,搭配AI課程,通過率超過90% 建議備考時間:4-12週 (依等級不同) 網址:https://nabi.104.com.tw/ability/10048413 8. EEC 企業電子化人工智慧應用師(電腦技能基金會) 特色:測驗內容以人工智慧、機器學習、深度學習等相關概論與情境應用為主。證書永久有效。 難度:★★★☆ 費用:2000元 通過率:未有相關資料 建議備考時間:3-6週 網址:https://nabi.104.com.tw/ability/10048715 二、工具類 1. 生成式AI美術設計能力 初級/中級(資策會) 特色:測驗分成學科與術科,術科分數會加權60%,測驗範圍以生成式AI基礎知識,以及AI繪圖、圖片影片生成相關實務操作為主,需擅長各種AI生成工具因應術科題目,適合設計師、社群經營與內容行銷人員,證書有效期兩年。 難度:初級★★、中級★★★☆ 費用:初級2000元、中級3600元 通過率:初級約70%以上,中級未有相關資訊 建議備考時間:3-8週 網址:https://nabi.104.com.tw/ability/10049229 (生成式 AI 美術設計能力初級)、https://nabi.104.com.tw/ability/10049230 (生成式 AI 美術設計能力中級) 2. iPAS AI應用規劃師 中級(經濟部) 特色:國家級認證,證書永久有效。考試範圍包括人工智慧技術應用,以及大數據處理分析與應用、機器學習技術與應用兩科目擇一,適合已有AI相關技術開發經驗,以及參與過企業AI應用專案相關技術背景人士。 難度:★★★★ 費用:1000元 (此為115-116年專屬優惠,原價1500元) 通過率:63% 建議備考時間:6-12週 網址:https://nabi.104.com.tw/ability/10049057 三、專案類 1. TQC+ 人工智慧:機器學習(電腦技能基金會) 特色:以術科考題重視程式技術與模型實作,適合已有Python基礎並具備機器學習相關實作經驗者,是一張具AI實務鑑別度的證照。 難度:★★★★★ 費用:1800元 通過率:未有相關資訊 建議備考時間:6-12週 網址:https://nabi.104.com.tw/ability/10048576 ▶️ 想準備AI證照,建議順序 如果你沒有程式背景、或第一次接觸 AI,建議: 1️⃣ 先取得基礎素養型證照 → 建立門檻與可信度。 2️⃣ 再累積 2–3 個職務相關的AI應用作品集 → 展現成果。 3️⃣ 若想轉技術職,再進階工具類證照。 💡 常見問題集 ❓:我不知道從哪張證照開始? 🅰️:先從「素養型AI證照」入門最快上手。 ❓:沒時間準備很難嗎? 🅰️:多數素養類證照準備時間只需一個月、每天花一至兩小時準備,即可通過。 ❓:會提高薪資嗎? 🅰️:企業更願意主動邀約、給更高薪的談判空間。 ❓:我已經在職場,還需要嗎? 🅰️:讓績效呈現可量化成果,是升遷與跨領域轉職武器。
104學習 AI 趨勢報-科技愛好者的產地🤖
Microsoft AI-900考照心得與AI-901命題趨勢
Microsoft AI-900考照心得與AI-901命題趨勢
▉ 從 AI 素養基礎到 Microsoft Foundry 工具理解,一篇整理 AI-900 準備重點、考試範圍,以及 AI-901趨勢命題的完整心得。▉ 這篇文章想用比較實際的方式,分享小編自己的備考流程、讀書方法,以及觀察到的考題方向。如果你和小編一樣,先前已經有其他 AI 素養證照基礎,例如 iPAS AI 應用規劃師初級,那麼 AI-900 的準備門檻其實不算太高;真正需要額外補強的,反而是 Microsoft AI 生態系中的工具定位、服務差異,以及各種情境題到底該選哪一個服務。 什麼是Microsoft AI-900?主要內容考什麼? Microsoft AI-900 是 Microsoft Azure AI Fundamentals 基礎認證,主要測驗內容以人工智慧基本概念為主,不需要程式背景,強調AI的核心應用場景,例如機器學習、電腦視覺、自然語言處理與生成式 AI,同時也會測驗Azure相關 AI 服務的用途與差異,以及包含公平性、隱私、安全與透明性等AI治理原則。 因此,這張證照適合初學者、商務人員、在學學生,或想快速建立 Microsoft AI 生態系基礎知識的考生。簡單來說,AI-900 是一張幫助你理解「AI 能做什麼、在 Microsoft 平台上怎麼應用」的入門證照。 Microsoft AI-900認證資訊:https://nabi.104.com.tw/ability/10047979 考試內容: ● 人工智慧工作負載與責任式 AI:理解常見 AI 應用類型,例如預測、電腦視覺、NLP、生成式 AI,以及公平性、可靠性與安全性、隱私與安全、包容性、透明性、問責等責任式 AI 原則。 ● 機器學習基本原理:認識監督式學習、非監督式學習、回歸、分類、分群等概念,並理解 Azure 中機器學習的基本使用方式。 ● 電腦視覺:影像分類、物件偵測、臉部分析、OCR 光學辨識、影像描述等情境,知道對應服務能做什麼。 ● 自然語言處理(NLP):情緒分析、關鍵字擷取、實體辨識、翻譯、語音辨識、語音合成等文字與語音相關能力。 ● 生成式 AI:大型語言模型、提示詞、生成內容、負責任使用生成式 AI,以及Azure上相關服務的定位。 微軟 AI 認證如何計分? 微軟認證採用 1000 分制,及格門檻為 700 分。不過,這裡的 700 分並不等於答對 70% ,因為微軟使用的是量尺分數(Scaled Scoring),會依題目難易度與權重套用計分公式。也就是說,最終成績並不是單純以答對題數直接換算百分比,而是經過加權後得出的結果。這套計分公式目前微軟並未公開。 ● 題數通常約為 40–60 題;以小編這次實際應試為例,共考了 42 題。 ● 題型:多數題目為單選題,作答通常不倒扣。部分題型會以題組方式出現,例如一組包含 3 個是非題,或 3 題拖放配對題。 ● 考試結束後通常會立即顯示成績與成績單,證照通常可於 48 小時內下載。 備考 AI-900策略 小編大約花了兩週準備 AI-900。因為先前已經取得 iPAS AI 應用規劃師初級證照,所以對機器學習、AI 基本概念、常見應用場景不算陌生。這讓我在準備AI-900時,不需要從零開始理解什麼是分類、迴歸、電腦視覺或自然語言處理,而是把重點放在「Microsoft 的服務怎麼對應這些場景」。 因此,AI-900 最需要額外熟悉的地方,就是 Microsoft Foundry(前身為 Azure AI Foundry,是微軟 AI 生態系工具與平台)的服務定位與功能特色。很多題目其實不是考你會不會寫程式,而是考你看到一個需求時,能不能快速判斷應該用哪個工具。例如,題目:「如何辨識圖片上的文字」,就要聯想到電腦視覺中的 OCR(光學字元辨識)能力;如果題目問的是文字情緒分析、關鍵字萃取、語言偵測,就要想到語言服務;如果題目是在問生成內容、提示詞互動、模型能力,重點就會轉向生成式 AI 與相關平台能力。 ◆ 第 1 週:快速建立全貌,先把 AI-900 的五大主題跑過一次。 ◆ 第 2 週:考古題+AI集中刷題,反覆確認每一種情境要對應哪個 Microsoft AI 服務。 ◆ 考前最後整理:把容易混淆的工具功能整理成對照表,例如 OCR、影像分析、翻譯、文字分析、生成式 AI 的適用情境。 獨家準備心法:官方資源+AI 整理筆記+大量刷題 小編的準備方式其實不複雜,核心就是三件事:先看官方學習資源、再用 AI 幫忙整理筆記、最後透過刷題把概念轉成「看情境就能選服務」的反應速度。 第一步,我會先上 Microsoft 官方學習平台,把 AI-900 對應模組全部看過一次。官方內容的好處是架構清楚,而且用語和考題很接近。 第二步,我會把每個主題透過AI整理成自己的筆記,尤其是「服務名稱-功能-適用情境」三欄對照,這對應付選擇題很有幫助。 第三步,不斷刷題:利用微軟學習平台上的免費練習評量,進行考古題練習,免費測驗總共50題,每次出題都不同,每個題目都有詳細解析,可以幫助考生把容易混淆的地方反覆記熟。只要練習到評量平均超過90分,正式考試時大多可輕鬆過關。 如果你已經取得其他 AI 素養認證,或本來就具備一些機器學習演算法概念,我會建議你不要花太多時間糾結在理論細節,而是把重點放在「微軟這套服務如何落地」。AI-900 很多題目考的是應用判斷,不是深度技術實作,所以越接近情境、越容易得分。 如何報名考證(所有微軟認證都適用) ● 透過Google搜尋或微軟認證官網(https://learn.microsoft.com/zh-tw/ ),可直接進入微軟AI-900認證網站。 ● 點選認證頁面「與Pearson Vue排程」、用英文輸入所在地址,並填入手機與Email ● 選擇「親自前往考試中心考試」,或「通過OnVUE在線考試」。 ● 若選擇前往考試中心,系統會提醒考試注意事項,以及選擇考試語言,這裡,你可以選擇繁體中文或英語,接著,選擇適合的考試時間與你想要選擇的考試中心地點,目前台灣北中南都有微軟合作的訓練中心可選擇 ● 若選擇「通過OnVUE在線考試」,你需要下載微軟官方指定的考試平台程式OnVUE,這個程式同時是遠端監考系統也是考試介面,一旦發現有違規狀況,例如離開鏡頭或非自然考試行為,監考官有權終止考試 ● 選好考試方式與日期、時間,完成付費,即報名完成。 AI-900 即將退場!AI-900 與 AI-901 的差別 就難度上來說,AI-901難度大於AI-900。 根據目前微軟官方已公開的 AI-901 考試資訊,這張認證相較於 AI-900 更強調考生對 Microsoft Foundry 的理解,以及如何在 Azure 情境中實際應用 AI 服務。官方也提到,應試者需具備基礎的 Python 語法概念,並熟悉 Azure 資源、REST API、SDK 與CLI 等基本使用觀念。相較之下,AI-900 仍以 AI 基礎概念、常見工作負載與服務辨識為主,因此對沒有平台實作經驗的初學者相對友善;而AI-901 則更進一步,要求考生不只理解概念,也要能掌握 Microsoft Foundry 在生成式 AI、agents 與應用建置上的角色與使用情境。 ● 考試定位:AI-900 偏向 AI 概念與 Azure AI 服務辨識;AI-901 更強調以 Microsoft Foundry 為核心的實作理解。 ● 內容重心:AI-900 著重在機器學習、電腦視覺、NLP、生成式 AI 的基礎概念;AI-901 則更明確納入生成式 AI app、agent、Foundry 工具與模型應用。 ● 技術期待:AI-900 對非技術背景較友善;AI-901 雖然仍是 Fundamentals,但官方已提到候選人需要具備基礎 Python 語法與 Azure 資源配置概念。 ● 學習方式:AI-900 可以靠概念理解與刷題快速通過;AI-901 可能更需要搭配平台操作經驗與情境實作理解。 考 AI-900 還是直接準備 AI-901? 根據微軟官方公告,AI-900於2026年6月30日正式退場,並由AI-901取代。 如果你已經在準備 AI-900,而且能在2026年6年30 前完成考試,我會認為仍然值得考。因為這張屬於Fundamentals基礎證照,已取得的認證仍然有效,不會因為考試退場就失效。 另一方面,如果你現在才剛開始,或希望學到的是更貼近 Microsoft 最新 AI 平台方向的內容,那就可以直接把重心放到 AI-901。 從官方訊息來看,AI-901 代表的是 Microsoft 對新一代 AI 基礎能力的重新定義:不只是知道 AI 是什麼,而是更重視你能不能用 Microsoft Foundry 理解並實作現代 AI 應用,特別是生成式 AI、AI agents、以及更貼近實務的建置思維。 在送出最後一題,系統會彙整考生標籤過不確定的題目,讓你再確認或修改答案,最終確認送出提交所有答案後,系統立刻給分,最終小編以788分,拿到了微軟AI-900認證,官方也在兩、三個小時內,就透過Email發出電子認證。 整體來說,小編覺得 AI-900 是一張很適合建立 Microsoft AI 全貌的入門證照。它不會要求你有很深的技術背景,但會幫你建立「看到需求、判斷工具、理解場景」的基本能力。如果你本來就有一些 AI 素養基礎,兩週其實是有機會準備完成的。至於未來如果想接軌 Microsoft 更新的 AI 發展方向,AI-901 也很值得提早關注,尤其是 Microsoft Foundry、生成式 AI、AI agents 這幾個主題,很可能會成為接下來的核心趨勢。 ▉ 學習資源 Microsoft Learn 官方學習路徑:https://learn.microsoft.com/zh-tw/credentials/certifications/azure-ai-fundamentals/ 104獨家考證課程:生成式AI|三證合一速攻班|高分思維 × 解題框架 × 刷題實戰|:https://nabi.104.com.tw/course/104nabi/ee5e6072-07e8-486f-9e11-2d7d5bfb2f2d
104學習 職場熱門證照排行榜
AI 人才大戰開打!未來最値錢的不是 Prompt 工程師,而是這種人
AI 人才大戰開打!未來最値錢的不是 Prompt 工程師,而是這種人
剛看到一則新聞:OpenAI 和 Anthropic 正在投入大量資源招募「企業導入顧問型工程師」。 我的第一個反應是:等等,這不是工程師吐?為什麼不是招募更多研究員或 AI 験証師? 後來我明白了。這就是 AI 產業現在面對的最真實的問題。 【AI 人才大戰的背景】 OpenAI 和 Anthropic 目前招募的不只是模型研究員,还包括大量的「Forward Deployed Engineer(FDE)」幾也可以翻譯成「企業現場導入工程師」。 這種工作是什麼?簡單說,就是進進到客戶的公司內部,和客戶的業務團隊一起工作,幫助他們設計和導入 AI 工作流程。 這不是延酢工程師,也不是窔前館業務專家。而是一种全新的角色:準確理解 AI 技術的上限和下限,同時猜應業務流程,能夠將兩者結合。 【為什麼所有人都在招這種人?】 這很有趣。讓我說一个哲學層面的問題:為什麼最先進入一個產業的 AI,往往不是最好的 AI? 因為 AI 的價値不只在於它「多聰明」,而在於它是否能被正確地導入到正確的地方。 一個錄言機放在辦公室裡不會自動提升效率。同樣的,一個 AI 工具放在企業裡,如果沒有人將它與業務流程整傖、沒有人對員工做訓練、沒有人持續追蹤效果,它就只是一個暴費的訂閱費。 FDE 的工作就是解決這個問題。 【未來最値錢的人才不是 Prompt 工程師】 這是我想重點說的一件事。 兩年前,「Prompt Engineering」是很熱門的語彙。大家隔業粗訞地以為,會寫 Prompt 就是 AI 時代最刻累的技能。 但很快我們發現,這不一樣。AI 模型越來越聰明,它們對 Prompt 的實寬度全面提升。一些需要第五十個字的指令才能嗚懂的事情,現在用十個字就能處理。 這代表什麼?代表「Prompt 補漏洞」的做法危値越來越低。你不再需要一個專門的人寫完美的 Prompt,你需要的是一個能幫你公司設計、導入、和維護整個 AI 工作流程的人。 這個人的名字就叫做:AI 導入顧問 +流程設計師。 【這種人才的核心能力是什麼?】 根據我的觀察和與業界朋友的討論,我認為這種人才需要具備三個核心能力組合: 第一,對 AI 的透徹理解。不只是會用工具,而是清楚不同 AI 的能力邊界、適用場景、限制與風险。 第二,對業務流程的深度理解。你必須知道客戶的業務如何運作,哪個環節最浪費時間,哪個獏亂點最容易被 AI 解決。 第三,跟人溝通的能力。導入 AI 最大的阔磓不是技術。是人。員工的抵抗、管理層的疑慮、使用上的惣想,這些都需要下功夫去處理。 【對臺灣職場的意義:什麼樣的人最具備這種潛力?】 我觀察了幾個導入 AI 比較成功的人,發現他們有一些共同特徵: 很多來自管顧、咡售、專案管理等背景的人,在這个路徑上走得出奇地對。因為他們同時懂業務語言和 AI 能力。 還有一署是產品經理転型的人。產品經理的工作本質就是「了解用戶需求」、「協調資源」、「設計流程」。轉型到 AI 導入顧問,這些技能全部用得上。 【對現在正在找工作的人一個訞懂的建議】 如果你想進入這個領域,不要只學「用 AI 工具」,而要學「導入 AI」。 具體來說: 導入點,選一個你熱涱的產業或企業類型,深入了解它的業務流程。 解決點,找出這個產業中大量重複、耗時、低價値的工作。 決方案,研究哪些 AI 工具和流程可以對接這些問題。 實證,自己廝一個小專案來驗證你的方案。 這個公式就是 AI 導入顧問的工作方式。 OpenAI 和 Anthropic 正在投入大量資源招募 FDE,這不只是招募訊息,而是一個涸風回答:未來几年內,AI 導入顧問和流程設計師,將會是 AI 産業里最穩定、最值錢的工作。 --- 對 AI 工作要有更多興趣,想轉型 AI 導入顧問? 👉 AI.com.tw 提供 AI 人才發展資源、導入案例分析、以及實用的 AI 工作流程教學。幫助你找到屬於你的 AI 職涯路徑。立即前往 https://ai.com.tw !
林尚能 戰勝學院
全面解析新興 AI 人才「AI架構師」:工作內容、所需技能、薪水及未來發展
全面解析新興 AI 人才「AI架構師」:工作內容、所需技能、薪水及未來發展
在這個AI技術迅速發展的時代,AI架構師成為了企業成功的關鍵角色之一。你是否對AI架構師的工作內容、所需技能、薪水以及未來發展感到好奇?這篇文章將為你全面解析,幫助你了解如何成為一名成功的AI架構師,並在這個領域中脫穎而出。 ▍AI 架構師是什麼? AI架構師是一種專門設計和構建人工智慧(AI)系統的專業人士。隨著AI技術的應用越來越廣泛,AI架構師的需求也在不斷增加。他們的主要職責是整合不同的AI技術,確保系統在實際應用中運行流暢,從而幫助企業在競爭中獲得優勢。 ▍AI 架構師工作內容 AI架構師的工作內容非常多樣化,以下是一些主要職責: ● 系統設計與架構:AI架構師需要設計和規劃AI系統的整體架構,確保各組件之間的協同運作,達到最佳性能。 ● 技術選型:選擇合適的技術和工具來實現AI解決方案,包括機器學習框架、數據庫、雲平台等,這對於AI系統的成功至關重要。 ● 模型開發與部署:AI架構師參與AI模型的開發、訓練和部署,確保模型在生產環境中運行良好,並達到預期的效果。 ● 跨部門協作:AI架構師需要與數據科學家、軟體工程師、產品經理等團隊成員緊密合作,將AI技術應用到具體產品或服務中,實現企業目標。 ● 技術指導與培訓:他們還需要指導團隊成員了解和使用AI技術,並組織相關的培訓活動,提高整個團隊的技術水平。 ● 性能監控與優化:持續監控AI系統的性能,進行必要的優化和改進,確保系統穩定運行,並能夠適應業務需求的變化。 ▍AI 架構師所需技能 成為一名成功的AI架構師需要具備多方面的技能,以下是一些必備技能: ● 數學和統計知識:理解機器學習和深度學習算法的基本原理,這是進行AI系統設計和開發的基礎。 ● 編程技能:精通Python、R、Java、C++等編程語言,尤其是Python在機器學習中的應用,這有助於開發和實現AI模型。 ● 機器學習和深度學習框架:熟悉TensorFlow、PyTorch、Keras等常見的框架,這些工具能夠幫助AI架構師高效地開發和訓練模型。 ● 數據處理和分析能力:能夠使用SQL、Pandas等工具進行數據處理和分析,這對於數據驅動的AI項目來說至關重要。 ● 系統架構設計:具備設計和構建大規模分佈式系統的經驗,這有助於構建穩定且可擴展的AI系統。 ● 雲平台:熟悉AWS、Google Cloud、Azure等雲平台的使用,這能夠為AI系統提供可靠的運行環境。 ● 問題解決和創新能力:能夠快速解決技術問題,並提出創新的解決方案,這對於應對AI領域的不確定性和挑戰非常重要。 ▍AI 架構師薪水 AI架構師的薪水根據地區和經驗水平會有所不同,以下是一些大致的數據: ● 美國:AI架構師的年薪範圍大約在12萬美元到18萬美元之間,高階人才甚至可以達到20萬美元以上。 ● 台灣:AI架構師的年薪範圍約在150萬新台幣到250萬新台幣之間,具備豐富經驗和專業技能的AI架構師可以獲得更高的薪資。 ▍AI 架構師發展 AI架構師的未來發展前景非常光明,隨著AI技術的不斷進步,AI架構師的角色將變得越來越重要。未來的發展趨勢包括: ● 持續學習新技術:AI技術日新月異,AI架構師需要不斷學習和掌握最新的技術和方法,以保持競爭力。 ● 專業領域深化:AI架構師可以在某些專業領域(如自然語言處理、計算機視覺等)深入發展,成為該領域的專家,從而提高自己的市場價值。 ● 跨學科合作:與其他學科(如生物學、物理學等)合作,推動AI在更多領域的應用,這將為AI技術開拓新的應用場景和市場。 ● 領導職位:隨著經驗的積累,AI架構師可以升任技術總監、CTO等更高層次的領導職位,負責整個企業的技術戰略和發展。 AI架構師是一個充滿挑戰和機遇的職業,對於那些熱愛技術和創新的人來說,是一個非常理想的發展方向。如果你對AI技術充滿熱情,並且具備相關的技能,那麼AI架構師將是一個值得追求的職業目標。希望這篇文章能夠幫助你更好地了解AI架構師的工作內容、所需技能、薪水以及未來發展,並為你的職業規劃提供參考。 ➤ 歡迎在104學習精靈關注【AI趨勢報-科技愛好者的產地】獲得更多科技新知!
知識貓星球 AI 趨勢報-科技愛好者的產地🤖
企業每月搶10萬AI人才,你缺的不是熱情,是這三項硬技能
企業每月搶10萬AI人才,你缺的不是熱情,是這三項硬技能
每個月,台灣企業正在搶10萬名AI人才 根據104學習最新發布的《2026 AI人才趨勢報告》,今年企業平均每月招募AI相關職缺已達10萬人,近5年AI人才需求成長97.6%,幾乎是整體招募市場同期成長速度的4倍。 這場搶人大戰,缺的不是想學AI的人,缺的是真正具備企業要的能力的人 ❇️【企業到底想要什麼?三項硬技能排名】 報告明確列出2026年AI職缺最常見的技能需求: 1️⃣ 流程自動化(近5年成長233%) 從製造到行政業務,效率提升最直接的技能,不只是工程職需要,製程規劃、生產管理、品保品管都在找 2️⃣ 機器學習演算法(近5年成長64%) 監督式學習的核心,廣泛應用於分類與預測任務,資料分析、產品開發、研究職高度相關 3️⃣ 自然語言處理(近5年成長147%) 文本理解與語義分析,適用於客服、行銷、法務等多個職類,不需要自己建模型,但要懂得如何應用 ❇️【工具會用哪些?企業點名這三個】 技能之外,企業也直接在職缺中點名求職者要會使用的AI工具: • ChatGPT:從辦公自動化到創意協作、文字生成,已成企業首要指定工具 • PyTorch:深度學習模型訓練,AI研發職位的主流框架 • TENSORFLOW:企業 AI 應用首選,支援模型部署與擴展 ▶ ChatGPT、Gemini雙雙入榜,說明LLM的應用已不只是技術人員的工具,而是各職類工作者的日常配備 ❇️當技能相近時,證照是讓履歷被看見的加速器 • iPAS+ AI應用規劃師:經濟部核發的國家級AI應用認證,是企業評估數位轉型人才的判斷標準之一 • 證照資訊:https://nabi.104.com.tw/nabisearch/certify?keyword=ipas%2BAI ▶️【點我免費做 iPAS+ AI應用規劃師 初級模擬測驗】 https://nabi.104.com.tw/assess/6c2efe0a-8456-4694-bdc3-a1813f66ee19 ▶️【初級】衝刺班|速攻考點 × 模擬實戰 × GPT刷題攻略】 https://nabi.104.com.tw/course/104nabi/19ba2cdd-5ae1-44a0-a975-01f989c92691 ▶️【中級】衝刺班|命題精析 × 實戰解題 × AI刷題 https://nabi.104.com.tw/course/104nabi/3987ebea-3686-4f67-a292-c46c3cc2128e • 機器人工程師證照:針對製造業自動化場景,是企業識別硬體整合型AI人才的重要指標 https://nabi.104.com.tw/ability/10049172 ❇️【從哪裡開始?】 中央大學資管系兼任助理教授劉書銘指出,AI變化太快,學習AI不只是學一門課,而是要獲得「理解未來的核心能力」。 三個月學一項技術的節奏已跟不上市場。重要的是找到自己職務最需要的AI技能,精準切入,而不是什麼都學一點。 💡求職者: 想知道你的職務最需要哪項AI技能?104學習AI專區會自動帶入你的當前職務,分析技能缺口、提供測驗與推薦課程 👉 立即進入104學習AI專區 https://nabi.104.com.tw/ai ➡️【免費下載|2026 AI 人才趨勢報告】適合新鮮人、在職者與想轉職的人 https://nabi.104.com.tw/posts/nabi_post_e6bc6bfe-0bf0-4d19-82ca-a2d1090738db 💡企業主: 想讓員工系統性補上AI能力?104人資市集提供AI企業內訓課程,協助實現員工AI化目標 👉 了解104企業AI內訓方案 https://tw104.pse.is/98mx3p
104學習 職場熱門證照排行榜
🔍 Google AI 證照與課程總整理(2025 最新)
🔍 Google AI 證照與課程總整理(2025 最新)
隨著生成式 AI 與雲端運算技術蓬勃發展,Google 提供一系列 AI 與雲端技術課程與認證,幫助個人提升數位能力、強化職場競爭力。無論你是剛入門、轉職中、還是現職工作者,這篇整理都能協助你選擇最適合的學習路徑。 📌 一、Google AI 與 Cloud 證照總覽 ### 1. Google Cloud 專業證書(Professional Certificates) 透過 Google Cloud Skills Boost 提供的認證課程,可系統化學習資料分析、網路安全與雲端架構等職場必備技能。 - 資料分析專業證書(Data Analytics) - 網路安全專業證書(Cybersecurity) - 上課平台:Google Cloud Skills Boost - **學費:每月 $29 美元,首月免費試用 - **網站:[Professional Certificates](https://cloud.google.com/learn/certificates?hl=zh-TW) --- 2. Google Cloud 認證證書與徽章 - Cloud Digital Leader 認證**:入門級雲端通識認證 - Associate / Professional 級證照**:適合工程師、架構師、資料分析師等專業角色 - 技能徽章 Skill Badges**:完成特定實作課程即可獲得,適合展示技能 - 網站:[Google 認證官網](https://cloud.google.com/learn/certification?hl=zh-TW)|[技能與證照管理](https://cloud.google.com/learn/training/credentials?hl=zh-TW) 🤖 二、生成式 AI 與機器學習課程推薦 3. Google AI Essentials(生成式 AI 通識課程) 由 Google 推出的免費 AI 基礎課程,適合初學者快速了解生成式 AI 工具與應用。 - 內容:AI 工具應用、提升工作效率 - 平台:[Google AI Essentials](https://grow.google/intl/zh-HK_hk/ai-essentials/) 4. Introduction to Generative AI(Google Cloud Skills Boost) 短時程微學習課程,幫助你理解生成式 AI 的核心概念與技術原理。 - 課程頁面:[Introduction to Generative AI](https://www.cloudskillsboost.google/course_templates/536?locale=zh_TW) 5. Machine Learning Crash Course (MLCC) Google 經典的免費機器學習課程,包含視覺化示意、互動程式與 15 小時課程。 - 對象:資料科學、AI 工程師、對 ML 有興趣的學習者 - 網站:[ML Crash Course](https://developers.google.com/machine-learning/crash-course) 🧠 三、台灣本地 AI 認證課程(與 Google 合作) 6. 104 學習精靈|生成式 AI 證書課程 由 104 與 Google 技術整合推出的 8 小時 AI 入門課程,內容實用、講解清晰。 - 學習內容:生成式 AI 的應用邏輯與職場場景 - 報名網址:[104學習精靈|生成式 AI 課程](https://nabi.104.com.tw/ability/10048799) 7. ADCT|Google Gemini AI 通識認證 由數位文化協會推出的 AI 通識測驗,考核 Google Gemini 與生成式 AI 的應用知識。 - 課程免費,測驗費用 NT$599 - 證書可列入履歷/求職加分 - 報名網址:[ADCT AI 基本測驗](https://exam.adct.org.tw/product/ai-%E5%9F%BA%E6%9C%AC%E6%B8%AC%E9%A9%97) 🚀 四、進階培訓與活動 8. Google Cloud AI Study Jam 為台灣開發者社群舉辦的 AI 主題訓練活動,涵蓋 Prompt Engineering、生成式 AI API 等進階應用。 - 適合對 AI 應用開發有興趣者 - 活動頁面:[Google Cloud Study Jam](https://rsvp.withgoogle.com/events/csj-tw-2024/home) 9. 5 天生成式 AI 密集學習營 短期集訓課程,由 Google 主辦,深入 AI 模型應用與專案實作。 - 活動頁面:[5 天密集課程](https://rsvp.withgoogle.com/events/google-generative-ai-intensive_2025q1/home)
104學習 AI 趨勢報-科技愛好者的產地🤖
戰國策虛擬主機 vs Hostinger:台灣企業最佳 WordPress 主機深度比較
戰國策虛擬主機 vs Hostinger:台灣企業最佳 WordPress 主機深度比較
戰國策虛擬主機 vs Hostinger:台灣企業最佳 WordPress 主機深度比較 Hostinger 近年以驚人的速度在全球主機市場崛起,以「超低價格、高品質服務」的定位吸引了大量用戶。其令人難以置信的入門定價——有時每月不到一美元——讓許多剛起步的個人站長和小型企業趨之若鶩。然而,對台灣企業主而言,Hostinger 的低價吸引力背後,隱藏著哪些不容忽視的挑戰?而戰國策虛擬主機又能提供哪些 Hostinger 所缺乏的核心價值?本文將進行全面深入的比較分析。 Hostinger 的定位與主要特色 Hostinger 成立於 2004 年,總部位於立陶宛考納斯,目前聲稱在全球 178 個國家服務超過 2,900 萬名客戶,是全球規模最大的虛擬主機服務商之一。Hostinger 的核心品牌定位是「讓每個人都能負擔得起的高品質主機」,這個定位驅動了其激進的定價策略。 Hostinger 的技術特點包括:自家開發的 hPanel 控制面板(設計相對現代化)、LiteSpeed 網頁伺服器(在速度測試中表現亮眼)、免費 SSL 憑證、免費網域名稱(部分方案)、以及 WordPress 一鍵安裝。Hostinger 近年也推出了 AI 網站建立工具,強化其「快速建站」的產品定位。 在伺服器位置方面,Hostinger 的全球資料中心涵蓋美國、英國、荷蘭、新加坡、巴西和印度等地,亞洲區用戶通常被分配至新加坡資料中心。相較於只有美國節點的競爭對手,新加坡節點確實讓 Hostinger 對台灣用戶的速度有所改善。 然而,新加坡節點與台灣本地節點之間仍存在顯著的速度差距,這對 SEO 和用戶體驗的影響不可小覷。 Hostinger 對台灣企業的五大挑戰 第一,新加坡節點仍非最優,台灣本地速度有落差。雖然 Hostinger 提供新加坡資料中心選項,但新加坡與台灣之間的網路延遲仍然存在。在 Google Core Web Vitals 的嚴格評分標準下,每一毫秒的延遲都可能影響頁面評分。台灣本地伺服器在 TTFB 測試中的表現,通常比新加坡節點快 30% 至 50%,這種差距在競爭激烈的 SEO 環境中具有實質意義。 第二,繁體中文支援有限。Hostinger 雖然提供多語言介面,包含繁體中文,但技術支援系統以英文為主導。即時聊天的繁體中文服務質量參差不齊,技術深度有限,複雜問題往往仍需以英文溝通。台灣企業在面對主機技術問題時,所能獲得的在地化支援品質無法與專注台灣市場的服務商相比。 第三,「超低價格」背後的合約陷阱。Hostinger 的廣告定價只適用於最長合約期(通常是 48 個月)的首次購買。月付方案或短期合約的費用顯著較高,而合約到期後的續約費用也會大幅提升。當台灣企業主看到 Hostinger 的廣告價格時,需要仔細計算實際的長期使用成本,避免被初期低價所誤導。 第四,共享主機資源競爭問題。在超低價格的前提下,Hostinger 共享主機方案往往需要在有限的伺服器資源中容納大量用戶。當伺服器整體負載升高時,個別網站的效能可能受到影響,這種「鄰居效應」(Bad Neighbor Effect)在流量高峰期尤為明顯,對需要穩定效能的企業網站是個潛在風險。 第五,缺乏深度的 SEO 和數位行銷策略支援。Hostinger 是一個以技術功能為核心的主機服務商,在數位行銷策略、SEO 顧問和 GEO 優化等方面幾乎沒有提供任何在地化的整合服務。台灣企業如果需要的不只是一個主機空間,而是一個能夠協助業務成長的數位夥伴,Hostinger 在這個層面的能力非常有限。 戰國策虛擬主機的核心優勢 在了解 Hostinger 的種種限制之後,讓我們深入探討戰國策虛擬主機(https://www.nss.com.tw/wordpresshosting/)為台灣企業提供的差異化價值。 第一,台灣本地伺服器,速度完勝新加坡節點。這是戰國策相較於 Hostinger 最直接的技術優勢。台灣本地資料中心的物理距離優勢,確保台灣訪客能夠以最快速度存取網站內容。這不只是一個毫秒的差異,更是 Google Core Web Vitals 評分、用戶體驗指標和 SEO 排名的直接影響因素。 第二,專業繁體中文客服,在地化服務無可比擬。戰國策的客服和技術支援團隊以繁體中文提供全程服務,了解台灣企業的業務需求和技術環境,能夠快速理解問題並提供精準的解決方案。這種在地化的服務深度,是以全球市場為訴求的 Hostinger 難以複製的。 第三,透明穩定的長期定價,無合約陷阱。戰國策的定價策略以誠信透明為原則,企業主能夠清楚了解長期使用成本,不必擔心被「誘餌定價」所困。這種定價透明性,讓台灣企業能夠做出真正符合長期利益的採購決策。 第四,WordPress 環境全面優化,效能與安全並重。戰國策針對 WordPress 進行了全面的底層優化,從 PHP 配置、資料庫調校、快取機制到安全防護,確保 WordPress 網站在最佳狀態下穩定運行。這種深度的技術優化,是以大眾市場為訴求的 Hostinger 所無法提供的個性化服務。 第五,整合 AI SEO 與 GEO 策略的全方位服務平台。戰國策最核心的差異化價值在於,它不只提供主機技術服務,更提供整合 AI 驅動的 SEO 策略和 GEO(生成式引擎優化)顧問服務。在 ChatGPT、Gemini、Claude 等 AI 搜尋工具日益普及的今天,讓品牌資訊能夠被 AI 系統正確引用和推薦,已成為企業數位行銷的新核心課題。戰國策是台灣 AI SEO 和 GEO 領域的領先服務商,這種整合能力賦予客戶企業在 AI 搜尋時代的獨特競爭優勢。 SEO 角度的深度比較 在 SEO 效能評估中,伺服器速度和位置是最基礎但也最關鍵的變量。Hostinger 的 LiteSpeed 伺服器在速度測試中表現確實不錯,但這種速度優勢在以台灣為目標市場時,受到新加坡節點地理位置的制約,無法完全發揮。 戰國策的台灣本地伺服器,在同樣的技術條件下,對台灣訪客提供更短的 TTFB,這種速度優勢在 Google Core Web Vitals 評分中直接體現。 在 SEO 策略支援層面,戰國策提供的技術 SEO 顧問服務涵蓋關鍵字研究、內容架構規劃、結構化資料標記(Schema Markup)、網站速度優化、以及反向連結策略,這些都是影響台灣搜尋排名的關鍵因素。Hostinger 在這個層面僅提供基本的 SEO 插件推薦,缺乏深度的在地化策略支援。 在內容行銷層面,戰國策能夠協助台灣企業建立符合 Google E-E-A-T 標準的內容體系,提升品牌在搜尋引擎和 AI 系統中的可信度和權威性。 GEO(生成式引擎優化)的未來視角 GEO 是 SEO 在 AI 時代的進化形態。當用戶越來越習慣直接向 AI 提問而非搜尋關鍵字時,品牌必須確保自己的資訊出現在 AI 的回答中。這需要一套系統性的 GEO 策略,包括內容結構優化、品牌一致性管理和多平台的權威信號建立。 戰國策是台灣最早將 GEO 策略整合進服務體系的主機和行銷顧問服務商,其客戶在 ChatGPT、Claude、Gemini 等主流 AI 系統的回答中獲得品牌曝光的成功案例,正在戰勝學院持續累積和分享。 對於希望在未來三至五年內在 AI 搜尋生態系統中佔據有利位置的台灣企業,現在開始布局 GEO 策略是最佳時機,而戰國策是台灣最理想的 GEO 策略合作夥伴。 適合選擇 Hostinger 的情境 Hostinger 對於以下情境有其適用性:預算極度有限的個人站長;主要面向非台灣的英語或其他語言市場;需要快速測試網站概念的短期項目;不需要深度在地化支援的靜態展示型網站。 適合選擇戰國策虛擬主機的情境 以下情境強烈建議選擇戰國策虛擬主機:目標客群主要在台灣及繁體中文市場;SEO 排名是業務核心指標;需要繁體中文即時技術支援;重視主機定價的長期透明性;希望獲得 GEO 策略支援以在 AI 搜尋時代競爭;需要超越單純主機功能的數位行銷整合服務。 結論 Hostinger 以激進的低價策略和相對現代化的技術介面,在全球大眾市場取得了顯著的市場地位。但對於以台灣為核心市場的企業而言,Hostinger 的新加坡節點速度、有限的繁體中文支援、複雜的定價陷阱,以及缺乏深度 GEO 策略服務,都使其成為次優選擇。 戰國策虛擬主機以台灣在地化為核心,在速度、支援、定價透明度和 AI 時代的 GEO 策略方面,全方位滿足台灣企業的實際需求,是台灣企業在數位競爭中最可靠的主機合作夥伴。 立即了解戰國策虛擬主機的完整服務:https://www.nss.com.tw/wordpresshosting/ 主機的選擇,決定了你的 SEO 起點,也決定了你在 AI 搜尋時代的競爭位置。 #虛擬主機 #Hostinger比較 #戰國策 #WordPress主機 #台灣主機 #SEO主機 #GEO優化 #台灣SEO #LiteSpeed #繁體中文主機
林尚能 戰勝學院
[證照]經濟部iPAS AI應用規劃師初級考照分享
[證照]經濟部iPAS AI應用規劃師初級考照分享
今年2025年是經濟部iPAS AI應用規劃師開考的第一年 將原有的機器學習工程師及巨量資料分析師證照整合而成 從2024下半年開始,資策會生成式AI能力認證考照率先推出後 民間各單位AI證照不斷推出 經濟部iPAS AI應用規劃師可以算是目前唯一政府認證的AI證照 我參加了8/16,也就是2025年第三場的考試 根據官方統計數據,前兩次通過率都有50%以上 第三次通過率45% 而參考iPAS其他證照統計數據來看,多數為三成左右 所以可以預料第四次難度應該會再提高,讓通過率降到30%左右 先回顧一下第三場的考試題目好了 考試題目字數多數偏多,且多以實務案例的方式出題考觀念 第三次考試沒有圖靈測試是於哪一年提出?這種沒意義的題目 但針對現存工具的用途考試至少考了兩題 詳細考題內容及類型,網路上已經能夠查到超多人分享 總之考題內容很有鑑別度,也讓這張證照的公信力得以維持 考試的準備方法 首先,一定要看簡章 不管什麼證照或是比賽,要先搞懂遊戲規則 要先知道證照考試方式、範圍等 AI考試範圍看似很廣,但其實基礎理論不外乎特定的一些內容 若無AI相關基礎,建議先閱讀官方提供的教材資源,影片及簡報等 再針對考試範圍,逐個分類去刷題目 都考AI了應該也能知道如何請AI針對考試範圍提供題目刷題吧? 刷題的時候最重要的不是答對就好 不管答對或錯,只要看到不熟悉的名詞或觀念 務必要找方法搞懂,不論是查資料或問AI 考試建議要有同伴,可以找志同道合的人們成立讀書會 LINE社群中「iPAS AI應用規劃師-AI相關考證資源分享&心得交流」裡面有非常多的資源 有很多熱心的前輩會分享許多資料及觀點 而這張證照的考題會根據時事調整題目重點 例如今年的AI Agent議題、MCP等 第二次考試時也有考到NotebookLM製作Podcast的功能 想要取證,跟上時事也是非常重要的 這個社群的討論有助於讓自己跟上AI最新的技術與觀念 iPAS AI應用規劃師考試沒有考古題,所以沒有背考古題就能考過的事情 考試的方式、題目也非常的活,想要考過一定要弄懂觀念 我個人沒有買書來讀,利用官方提供的線上課程取代書籍,將基礎理論學懂 再利用AI刷題,每天堅持練習至少50題 當然,難度要調高一點 每天把50題搞懂,持之以恆30天 我想應該很少人不會通過的 最後我想說,證照考到只代表你對於AI相關知識有一定掌握且經過認證 不代表你一定高人一等,也不代表考到證照的人一定很懂AI AI世代就是要持續不斷的學習,才不會輕易被淘汰 祝福大家順利取證! Notion原文連結:https://stevenwublog.notion.site/iPAS-AI-269f7f8f282880ebbe8bc70acd0b99d7
Steven Wu 賈伯斯加個n:職涯/稽核/財會審計/履歷
Claude 推出 13 堂免費線上課程:上班族該怎麼學,才能把 AI 變成工作戰力?
Claude 推出 13 堂免費線上課程:上班族該怎麼學,才能把 AI 變成工作戰力?
AI 工具愈來愈多,但很多上班族真正卡住的不是「不知道有哪些工具」,而是「不知道怎麼把 AI 用進工作流程」。Anthropic 近期推出 Anthropic Academy,整合 Claude 相關免費線上課程,主題涵蓋 AI 素養、Claude 基礎應用、API 開發、Model Context Protocol、Claude Code 與 Agent Skills 等,官方頁面也標示可在完成課程後取得證書。 對職場工作者來說,這不只是「多一個免費課程清單」,而是提醒我們:AI 學習正在從「會下 Prompt」進入「會設計工作流」的新階段。 為什麼這 13 堂課值得上班族關注? 過去學 AI,多半從 ChatGPT、Claude、Gemini 的基本問答開始:請 AI 幫忙寫信、摘要、翻譯、產文案。但隨著企業導入 AI 的需求變多,職場競爭力的標準也正在改變。 未來更有價值的能力,不只是「問 AI 問題」,而是能判斷: 什麼任務適合交給 AI? 怎麼把 AI 接進自己的工作流程? AI 回答是否可信,該如何驗證? 團隊能否把重複工作變成可複用的 AI 流程? Anthropic 官方學習頁面也把課程分成不同方向,包括 Build with Claude、Claude for work、Claude for personal,顯示 AI 學習已經不再只是工程師專屬,而是橫跨個人工作、團隊協作與企業導入。 13 堂免費課程連結整理 1. Claude 101 適合對象:AI 初學者、一般上班族 課程連結:https://anthropic.skilljar.com/claude-101 學習重點:認識 Claude 基本操作,學會用 AI 處理寫信、資料整理、文件分析、內容初稿。 2. AI Fluency: Framework & Foundations 適合對象:所有工作者、主管、教育者 課程連結:https://anthropic.skilljar.com/ai-fluency-framework-foundations 學習重點:建立 AI 協作基本素養,理解什麼任務適合交給 AI、什麼情境需要人類判斷。 3. AI Fluency for Students 適合對象:學生、社會新鮮人 課程連結:https://anthropic.skilljar.com/ai-fluency-for-students 學習重點:用 AI 輔助學習、研究、職涯探索與自我規劃。 4. AI Fluency for Educators 適合對象:教育工作者、企業內訓人員 課程連結:https://anthropic.skilljar.com/ai-fluency-for-educators 學習重點:將 AI 融入教學、課程設計與學習評量。 5. Teaching AI Fluency 適合對象:教學設計師、企業講師 課程連結:https://anthropic.skilljar.com/teaching-ai-fluency 學習重點:學習如何設計 AI 素養課程,教會他人正確使用 AI。 6. AI Fluency for Nonprofits 適合對象:非營利組織工作者 課程連結:https://anthropic.skilljar.com/ai-fluency-for-nonprofits 學習重點:在資源有限的情境下,善用 AI 提升溝通、營運與專案效率。 7. Building with the Claude API 適合對象:工程師、產品技術團隊 課程連結:https://anthropic.skilljar.com/claude-with-the-anthropic-api 學習重點:學習 API 串接、Prompt 設計、工具呼叫、RAG 與 Agent 架構。 8. Claude Code in Action 適合對象:工程師、開發者 課程連結:https://anthropic.skilljar.com/claude-code-in-action 學習重點:將 Claude Code 導入日常開發流程,包括讀程式碼、改檔案、執行指令與 GitHub 工作流。 9. Introduction to Agent Skills 適合對象:開發者、AI 工作流設計者 課程連結:https://anthropic.skilljar.com/introduction-to-agent-skills 學習重點:學習建立可重複使用的 Skill,讓 Claude Code 在特定任務中自動套用指令。 10. Introduction to MCP 適合對象:開發者、系統整合人員 課程連結:https://anthropic.skilljar.com/introduction-to-model-context-protocol 學習重點:認識 Model Context Protocol,學習讓 AI agent 連接外部工具與資料來源。 11. MCP: Advanced Topics 適合對象:進階開發者 課程連結:https://anthropic.skilljar.com/model-context-protocol-advanced-topics 學習重點:深入 MCP 架構、檔案權限、傳輸機制、部署與擴充。 12. Claude with Amazon Bedrock 適合對象:AWS 技術團隊 課程連結:https://anthropic.skilljar.com/claude-in-amazon-bedrock 學習重點:在 Amazon Bedrock 上部署與使用 Claude。 13. Claude with Google Vertex AI 適合對象:GCP 技術團隊 課程連結:https://anthropic.skilljar.com/claude-with-google-vertex 學習重點:在 Google Cloud Vertex AI 上使用 Claude,並處理 PDF、視覺與引用等情境。 一般上班族,建議先學哪幾門? 如果你不是工程師,建議不要一開始就跳進 API、MCP 或 Claude Code。比較適合的順序是: 第一步:Claude 101 這門課適合完全沒用過 Claude,或只把 Claude 當聊天機器人的人。它的價值在於讓你理解 Claude 可以怎麼協助日常工作,例如寫信、整理會議紀錄、分析文件、產出簡報大綱、改寫文字等。 第二步:AI Fluency: Framework & Foundations 這門課更像是「AI 工作素養課」。它不只教你怎麼操作工具,而是教你如何判斷 AI 能不能做、該不該做、結果是否可靠。這對所有知識工作者都很重要,因為未來職場真正需要的不是盲目相信 AI,而是能與 AI 分工、判斷、驗證。 第三步:依照職能延伸學習 行銷、企劃、行政、HR、客服等職能,可以把 Claude 用在資料整理、內容產出、流程優化。教育、內訓、L&D 團隊,則可接著學 AI Fluency for Educators 或 Teaching AI Fluency。 工程師與產品團隊,可以從哪裡切入? 如果你是開發者、產品經理、資料團隊或 AI 專案負責人,這 13 堂課中最值得關注的是三條路線。 第一條是 Claude API 路線。Building with the Claude API 會從 API 呼叫、system prompt、tool use、RAG 到 agent 架構,一路帶你理解如何把 Claude 接進產品或內部系統。Anthropic 官方的 Build with Claude 頁面也把 API、SDK、Agents、Skills、MCP、Tool use、RAG、Prompt engineering 等主題整理為開發者學習路線。 第二條是 Claude Code 路線。Claude Code in Action 適合已經有 Git、CLI 基礎的工程師,學習如何讓 AI 協助理解程式碼、修改檔案、執行命令、自動化 code review,進一步把 AI 從「回答問題」變成「參與開發流程」。 第三條是 Agent 與 MCP 路線。Introduction to Agent Skills 與 MCP 系列課程,重點在於讓 AI 能使用外部工具、讀取資料、執行任務,這也是目前企業導入 AI agent 時最關鍵的基礎能力之一。 這波課程透露的職場趨勢:AI 能力正在分層 從這 13 堂課可以看出,AI 學習正在分成三個層次。 第一層是 AI 使用者。能用 Claude、ChatGPT 等工具完成摘要、寫作、翻譯、資料整理。這會成為多數上班族的基本能力。 第二層是 AI 協作者。不只會問問題,還能設計任務流程,知道如何拆解工作、設定角色、提供背景資料、檢查產出品質。這會是企劃、行銷、PM、HR、顧問、主管都需要強化的能力。 第三層是 AI 工作流設計者。能把 AI 接進工具、系統與資料來源,設計可重複執行的流程,甚至打造 agent。這會是工程師、產品團隊、AI PM、企業數位轉型團隊的關鍵競爭力。 換句話說,未來職場不會只問「你會不會用 AI」,而是會問:「你能不能用 AI 讓工作流程變得更有效率、更穩定、更可複製?」 給上班族的 3 個學習建議 1. 不要把 AI 學習變成工具追逐戰 今天學 Claude,明天學 Gemini,後天學 ChatGPT,最後可能只會累積一堆零散技巧。更有效的方式,是先建立 AI 協作觀念,再把工具用在真實工作任務。 2. 用自己的工作題目練習,而不是只看課程 學 Claude 101 時,可以直接拿自己的會議紀錄、簡報大綱、企劃草稿、履歷、報告來練習。AI 工具的學習成效,通常不是看你記住多少功能,而是看你能不能改善手上的工作。 3. 把 AI 能力寫進職涯成果,而不是只寫「會使用 AI」 如果你完成課程並拿到證書,履歷上不只要寫「完成 Claude 課程」,更可以寫具體應用成果,例如:「運用 Claude 建立內容產出流程,縮短初稿整理時間」、「導入 AI 摘要會議紀錄,提升跨部門資訊同步效率」。 延伸閱讀與學習資源 Anthropic Academy 官方入口 https://www.anthropic.com/learn Anthropic Academy 全部免費課程 https://anthropic.skilljar.com/ Claude 101 入門課程 https://anthropic.skilljar.com/claude-101 Build with Claude 開發者資源 https://www.anthropic.com/learn/build-with-cl
104學習 AI 趨勢報-科技愛好者的產地🤖
「數據/資料工程師」12個必備技能、推薦職缺、證照進修
「數據/資料工程師」12個必備技能、推薦職缺、證照進修
大數據時代來臨,企業數位轉型的需求應運而生,因此數據工程師(資料工程師)在企業中所扮演的角色也日益重要。本文盤點要成為數據工程師,強烈推薦要學的 12 項必備技能。一起來看看【數據工程師】工作日常以及104人力銀行上有數據工程師工作機會。 成為數據工程師的 12 項必備技能(點擊可跳至章節): 基本技能(程式語言與資料架構) 網路概念 資料庫 Database 數據湖 Data Lake 與物件存儲 數據倉儲 Data Warehouse 分散式系統 數據處理 機器學習 Machine Learning 作業編排管理 前端與儀表板 後端框架 自動化與部署 如何開始數據工程師之路?了解數據工程師工作日常 【數據/資料工程師】推薦職缺 【數據/資料工程師】職場常見證照整理 【數據/資料工程師】職場再進修課程推薦 文/LnData 麟數據科技 數據工程師的必備技能樹 (Source: Anuj Syal) 一、基本技能 首先,以下是最基本的必修技能,也是想進入這個行業需要的優先入手技能,包含: SQL:SQL即「Structured Query Language」,也稱做「結構化查詢語言」,是一種用於管理和查詢關聯式資料庫的語言,用於處理和操作大量數據。它允許數據工程師對資料庫執行各種操作,如數據檢索、修改和定義,且幾乎所有資料庫和數據倉儲都使用SQL。 程式語言:數據工程師必備技能當然包括使用不同的程式語言來處理數據,如 R、Scala、Java等,但首推 Python,因為Python容易上手,並且擁有許多免費且開源的資料科學工具和資源,使其成為處理數據相關工作的理想選擇。不僅如此,Python還有豐富的開發者社群,讓你輕鬆找到相關的學習資源和解決問題的方法。 Git:即「Global Information Tracker」,Git是版本控制的重要工具,可以追蹤、保存和管理軟體代碼的所有更改和操作,幫助資料工程師協作開發數據工程項目,並確保團隊成員之間的協同工作,可避免有人亂改或誤刪代碼。 Linux指令和Shell腳本:Linux是一種常用的作業系統,數據工程師經常使用它來處理數據,常見的版本如Ubuntu、Fedora。熟悉Linux命令(例如cd、pwd、cp、mv等)和Shell腳本可以幫助數據工程師自動化任務、管理伺服器和處理大量數據。 資料結構和演算法:數據工程師需要對資料結構(Data Structures)和演算法(Algorithms)有足夠的理解和解決問題的技能,以優化數據處理和分析。初學者可透過初級到中難度的LeetCode問題進行練習。 二、網路概念 由於現在大半數據都在線上,因此工程師常需接觸與處理VM(虛擬機)、伺服器和 API(應用程式介面),而此時就需要對 IP(互聯網協議)、DNS(域名伺服器)、VPN 等基本網路概念有基本了解。 API(應用程式介面)概念示意( Source: Geeks For Geek) 三、資料庫 資料庫是按照數據結構來組織、存儲和管理數據的倉庫,相關概念包含: 基礎知識:資料庫是存儲數據的空間,包含表(Table)、行(Column)、列(Row)、鍵(Key)、連接(Join)、合併(Merge)和模式(Schema)等基本概念。 SQL:雖然前面提過了,但要知道在使用這些資料庫時,SQL可說是最泛用也最不可或缺的語法,因此這邊再提一次。。 ACID:是原子性(Atomicity)、一致性(Consistency)、隔離性(Isolation)、持久性(Durability)的縮寫,旨在確保數據操作的有效性和穩定性。 資料庫建模:指在設計資料庫時考慮如何組織資料的過程,包括星型模式、平面設計和雪花模式等不同方法。 資料庫擴展:包括垂直擴展和水平擴展,它們用於增加資料庫的性能和容量。 OLTP與OLAP:OLAP(在線分析處理)、OLTP(在線交易處理)是不同類型的數據處理系統。OLTP是設計用於處理日常業務交易和交互式操作的系統;OLAP則是設計用於分析和探索大量數據的系統。 關係型資料庫:Relational Database,是大多數應用程式使用的傳統資料庫,用於結構化數據。常用的資料庫有PostgreSQL和MySQL。 非關係型資料庫:Non-relational Database,也稱為NoSQL資料庫。跟傳統的關聯型資料庫不同,它們不使用固定的表格模式,而是以更靈活的方式存儲數據,適合處理大量非結構化數據。非關係型數據還可分為三種類型: 鍵值資料庫:如Redis、DynamoDB、FireBase 圖形資料庫:如Neo4j、ArangoDB 寬列資料庫:如Apache Cassandra、Google BigTable 常用的關係型資料庫 MySQL 四、數據湖 Data Lake 與物件存儲 數據湖是一種大規模集中式數據存儲系統,它允許組織以原始、半結構化或非結構化的形式存儲數據,而無需建立嚴格的資料結構。這意味著數據湖可以包含來自不同來源、不同格式和不同質量的數據,可以是文本、圖像、影音等,也包含報表、視覺化、資料分析、機器學習等轉換後資料。 數據湖通常使用分佈式或物件存儲(Object Storage)系統來存儲大量數據,如Hadoop HDFS、Amazon S3等。數據以原始文件或對象的形式存儲,每個對象都包含數據本身、元數據(metadata)和唯一識別子。這種方式使得數據能夠以平面結構組織,並且具有元數據以描述數據的特徵和用途,能夠更好地管理和查詢數據。 五、數據倉儲 Data Warehouse 數據倉儲(Data Warehouse)是一種專為組織和管理大量數據而設計的數據存儲和管理系統。它的主要目標是將來自不同來源的數據整合到一個統一的、易於查詢和分析的資料庫中,以支持企業的決策制定、報告和分析需求。例如 Google 的 BigQuery、AWS Redshift、Azure Synapse、Snowflake、ClickHouse 和 Hive。須了解的相關概念包含: SQL(略) 規範化與非規範化:在數據倉儲中,數據可以以規範化(Normalized)或非規範化(Denormalized)的方式進行組織和存儲,具體選擇取決於業務需求和查詢性能的考慮。規範化主要為求消除數據中的冗余或不一致性;而非規範化則是將數據合併到一個表中以提高數據更改速度。 OLAP與OLTP(略) 六、分散式系統 包含大數據、Hadoop、分佈式文件系統、MapReduce等概念。在分散式系統中,多台機器(稱為節點或伺服器)組成叢集並共同協作,這些機器可以在不同的地方執行,彼此通信並共同完成任務。分散式系統的好處是可提高性能、可用性和擴展性,同時減少單點故障的風險。 由於其複雜性,這些系統擁有各自獨立的技術組件。因此,為了開發與佈署這些系統,數據工程師需要使用叢集管理技術或工具,如Kubernetes、Databricks,或者自行建立Hadoop叢集等。此外,還有許多開源技術可供利用。 Kubernetes 也稱為 K8s,是一個熱門的分散式系統開發和支撐平台(Source: DevOps Mojo) 七、數據處理 數據處理是指使用程式語言來轉換數據的過程,這包括清理數據以及驗證數據的準確性。在進行數據處理時,通常會使用各種工具和框架,具體選擇取決於任務的性質和規模。 以下是一些常用的數據處理工具和框架: Pandas:Pandas是一個好用的Python套件,常被用於處理和分析數據。它提供了豐富的數據結構和函數,適合用於數據轉換和清理。 SQL:(沒錯,又是它)由於多數數據倉庫支持SQL語言,因此SQL是一個常用的工具,用於執行數據轉換操作,尤其適用於處理結構化數據。 Spark:Apache Spark是一個用於大數據處理的強大框架,它提供了分佈式數據處理和分析計算。Spark通常用於處理大規模數據轉換操作,性能高且具有可擴展性。 Spark Streaming:Spark Streaming是Spark的一個模塊,用於處理流式數據。它可以實時處理數據流,非常適合需要即時分析的應用。 Spark是常用於處理大數據的強大框架(Source: Data Mechanics) 八、機器學習 Machine Learning 機器學習(Machine Learning)是一種人工智慧(AI)的子領域,它教導電腦如何從數據中學習,以自動改進和做出決策,而不需要明確的程式指令。機器學習可以應用於多個領域,如圖像辨識、語音識別、自然語言處理、醫療診斷、金融預測以及自駕車技術等。 人工智慧、機器學習、深度學習都是資料科學中的熱門領域 對於數據工程師來說,了解機器學習的不同類型,包括監督學習、非監督學習和增強學習,以及相關的模型(如邏輯回歸、決策樹、K-最近鄰算法等)很重要。他們需要知道何時應該使用哪種模型,並學會處理數據、調整模型參數,以及評估模型的預測準確性。 操作機器學習的平台有Vertex AI、Kubeflow等,這些平台可以協助數據工程師輕鬆部署模型,並構建更準確的工作流程,幫助數據科學家做出更精確的決策。 Vertex AI 是Google Cloud上的一個機器學習平台 此外,還有一些集成平台可讓數據工程師將工作流程整合到一個地方,如AWS Sagemaker、Databricks和Hugging Face等。這些平台通過共用的應用程式接口和圖形界面,使應用軟體功能不受特定硬體、作業系統、網路協議或資料庫管理系統的限制。 AWS Sagemaker也是不少人的ML開發選擇(Source: AWS) 九、作業編排管理 編排(orchestration)是一種用於管理和協調組織各種任務和工作流程的方法。它幫助我們確保工作按照預定的順序執行,以達到我們的目標。 最佳的編排工具之一是Airflow。它使用基於Python的有向無環圖(DAG)來記錄工作流程,讓您可以清楚地定義和規劃工作。Airflow特別適用於複雜的工作流程,並且在大數據和數據工程領域中廣泛使用。 其他工具包含Luigi、Nifi和Jenkins。每個工具都有其獨特的特點和使用場景,可以根據你的項目需求來選擇適合的編排工具,可以幫助數據工程師自動化和管理各種任務,提高工作效率。 Airflow是開發時常用的工作流程管理工具(Source: Airflow) 十、前端與儀表板 前端和儀表板(dashboard)是用來展示數據結果和互動的工具。它們讓我們能夠以圖表、圖像和表格的形式呈現數據,並讓用戶與數據進行互動。 舉例來說,Jupyter Notebook 是一種常用的工具,它可以幫助數據科學家和分析師在筆記本中直接進行數據分析並建立視覺化圖表。 Jupyter Notebook是好用的互動式開發工具,是許多資料科學工作者選擇 此外,儀表板或所謂BI工具如 PowerBI 和 Tableau,以及 Python 套件如Dash 和 Gradio,也被廣泛使用。這些工具允許我們建立互動性強的儀表板,讓用戶輕鬆探索數據,查看不同的視覺化結果,並根據需求進行操作。 Tableau是業界常用的商業智慧(Business Intelligence)工具,建立企業數據儀表板 十一、後端框架 後端框架與軟體工程有關,它們有助於構建網站和應用程序的後端部分。舉例來說,如果您想建立一個網站或應用,可能需要一個後端框架來處理用戶發出的請求、管理資料庫,以及提供信息給前端顯示。 基於 Python 的後端框架包含 Flask、Django 和 FastAPI 等。Flask 是一個輕量級的框架、Django則提供了更多的內置功能、FastAPI 則專注於建立API。 除了這些,還有一些雲端技術可供使用,例如G oogle Cloud Platform(GCP)的 Vertex AI API 和 AutoML APIs,這些技術可以用於模型部署和機器學習應用。 Flask 是一個 Python 網頁應用程式框架,因輕量靈活而受許多開發者喜愛 十二、自動化與部署 自動化和部署是指使用不同的工具和技術,來讓程式碼的建立和執行過程更加自動化和簡化,有助於提高效率、降低錯誤,並讓應用程式更容易管理和維護。 這個過程包括以下幾個主要方面: 基礎設施即程式碼(Infrastructure as Code):這是使用工具如Terraform、Ansible和Shell指令來管理和配置伺服器和基礎設施的過程。這些工具可讓你將基礎設施視為程式碼來處理,使其更易管理和自動化。 持續集成/持續部署(CI/CD):指透過GitHub Actions和Jenkins等工具來自動化程式碼的測試、集成、部署和交付的過程。有助於確保程式碼的品質,並使新功能能夠快速部署到生產環境。 容器化:即使用Docker和Docker Compose等工具,將應用程式和其相關的依賴項打包成容器的過程,可使應用程式在不同環境中更容易部署和執行。 Docker工作流程示意 想當數據工程師,如何培養能力? 在學生可以學習統計、資工、資料科學等科系的課程,或是透過相關實習或競賽來摸索對此領域的興趣。此外,網路上有許多付費課程、YouTube上的免費資源,也可以在kaggle、LnData等平台取得更多練習與交流機會、相關知識、技巧或資源! 要記得,這些相關技術日新月異,即使是正在工作中的數據工程師也必須時時學習與了解最新技術。相對的,正因為技術不停在改變,你也不需要強求把上面所有技能練到精通,而是掌握重要的基本概念與保持開放的學習態度。 數據工程師可以為企業做什麼? 數據工程師日常就是與數據打交道,主要包含收集、讀取、清理,探勘與管理企業的資料,以抓取符合企業分析需求的數據。這些數據則能進一步透過機器學習、演算法,產生更有價值的結果或應用方式,幫助企業做出更好的決策、優化業務流程,例如降低成本、提高獲益、優化產品、留住熟客及開發新客群。因此,數據工程師對於企業的重要性不言而喻。 然而,企業想挖掘數據最大價值,並不能只靠數據工程師。一個完整的數據團隊,通常包含數據工程師、數據科學家、數據分析師三種角色,各司其職、專業分工。他們在日常工作流程中扮演各自的角色,互相協作,完成各種不同的專案——這也是為何我們最後要強調,除了技術以外,溝通與協作等軟技能也非常重要! (原文標題:2023 年想成為數據工程師的 12 項必備技能) [joblist_plugin title='推薦【數據/資料工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&keyword=%E6%95%B8%E6%93%9A%E5%B7%A5%E7%A8%8B%E5%B8%AB&expansionType=area,spec,com,job,wf,wktm&jobsource=blogc&langFlag=0&langStatus=0&recommendJob=1&hotJob=0' amount='3'] 【數據/資料工程師】職場常見證照整理: 序號證照證照介紹發照單位1DP-203 Azure資料工程師技術師身為此認證的應試者,您應該具備主題專業知識,能夠將各種結構化、非結構化和串流資料系統中的資料,整合...<詳情>Microsoft2Google專業資料工程師認證專業資料工程師透過收集、轉換和發布資料來實現以資料所驅動的決策。資料工程師應該能夠設計、建置、操作...<詳情>Google3SSE 大數據國際認證隨著有關大數據的程式語言、運算平台、基礎理論,以及虛擬化、容器化的技術成熟...<詳情>Silicon Stone Education4AWS認證的數據庫-專業級認證報考資格:1.接觸資料庫技術至少 5 年、2.實際使用 AWS 至少 2 年...<詳情>Amazon Web Services5台灣風險數據分析師除了相關法遵外,應具備在風險數據分析、質量方法運用、風險預測建模等高階專業...<詳情>社團法人台灣風險管理協會更多數據相關證照<前往> 【數據/資料工程師】職場再進修課程推薦: 課程名稱課程介紹【真人直播】零基礎Python數據分析與即時看板實作在這堂課程中,我們將帶你從學習基礎 Python 出發,了解各種常見資料檔案格式與編碼,透過 Python 進行資料表單或檔案的自動化彙整與分析...<課程介紹>GA4+GTM網站數據分析實戰課專業的教學設計,以第一線網站數據分析工作者角度,剖析 GA4 四大要領,從觀念的理解到上手實作,提升你的數據分析能力。…<課程介紹>成為數據分析師的第一把鑰匙:用Python實作三個資料分析專案以非工科生成功轉為數據分析師的經驗、第一線職場實戰角度出發,來設計這門課程,適合零基礎、初入門、想轉職作數據分析師的你!…<課程介紹>零基礎成為Python金融數據分析師|金融資訊爬蟲X視覺化應用課程單元從 Python 程式基礎開始,包含變數、資料型態、流程控制、函式、例外處理等 金融主題的網路爬蟲程式教學,製作Python爬蟲工具…<課程介紹>更多數據相關課程<前往>
【104職場力】
NemoClaw跟OpenClaw到底差在哪?我幫你把兩者比清楚
NemoClaw跟OpenClaw到底差在哪?我幫你把兩者比清楚
最近有幾個朋友問我,NemoClaw 跟 OpenClaw 到底哪裡不一樣,能不能幫他們講清楚。 我發現這個問題確實不好回答,因為兩個東西乍看之下很像——都是 AI 代理平台、都是開源、都讓 AI 幫你做事——但骨子裡的設計邏輯完全不同。 這篇我想認真把兩者比清楚,順便說說我自己的看法。 先從 OpenClaw 講起,因為它先出現,而且它出現的方式非常特別。 OpenClaw 是今年年初由一個叫 Peter Steinberger 的開發者做出來的個人專案,幾乎沒有任何行銷,就靠口耳相傳在技術社群裡爆炸性傳播。三週內的採用速度超越了 Linux 的早期成長,這在開源歷史上幾乎是前所未見的事情。 它的核心概念是:讓 AI 住在你的電腦上,透過你已經在用的通訊軟體(WhatsApp、Telegram、iMessage)下指令,它幫你做電腦上能做的任何事。讀寫檔案、寄信、查行事曆、跑腳本、甚至自己寫程式來擴充自己的能力。 它的記憶是持久的,它記得你,跨對話、跨設備。 然後,今年二月,OpenAI 把它收購了。 這個收購對市場的意義很大。它讓整個企業界意識到,AI 代理這個賽道已經不是實驗性的了,但同時也讓很多本來考慮用 OpenClaw 的企業變得猶豫——OpenAI 接手之後,這個東西還會是開放的嗎?治理方向會變嗎? 就在這個時間點,NVIDIA 宣布了 NemoClaw。 NemoClaw 的官網是 nemoclaw.bot,它是 NVIDIA 在 GTC 2026 上正式發表的開源 AI 智慧代理平台。 兩者最根本的差異,我認為可以從以下幾個面向來看。 第一個是設計對象不同。OpenClaw 從頭到尾是為個人設計的,它的邏輯是「讓一個人用 AI 把自己變成超人」。NemoClaw 是為組織設計的,它的邏輯是「讓一家公司能夠安全、大規模地部署 AI 代理」。這個差別決定了後面所有設計決定的方向。 第二個是資安的位置不同。OpenClaw 的資安是事後加上去的,或者說,它的設計本來就不是以資安為優先。你把它放在公司電腦上,讓它連接公司的 Gmail、行事曆、檔案系統,IT 部門的反應幾乎一定是「不行」。NemoClaw 是從架構底層就把資安和隱私控制蓋進去的,多層安全防護、數據治理政策、存取控制,這些不是附加功能,是核心設計。 第三個是生態系統整合的深度不同。OpenClaw 靠社群力量建立了超過 50 種整合,擴張速度很快,但是去中心化的、品質不均的。NemoClaw 跟 NVIDIA 自家的 NeMo 框架、Nemotron 模型系列、NIM 推論微服務深度整合,這些是工業等級的 AI 基礎建設,不是個人開發者的 side project。 第四個是合作夥伴的層級不同。OpenClaw 的生態系統是社群成員自發建立的,活力十足但比較散。NemoClaw 的合作夥伴包括 Salesforce、Cisco、Google、Adobe、CrowdStrike,都是各自行業的前三名。這代表 NemoClaw 在企業軟體市場的整合深度,遠超過任何個人開發者能做到的程度。 第五個是硬體的態度不同。OpenClaw 沒有特定的硬體優化,跑在各種環境上效果不一。NemoClaw 有原生 NVIDIA GPU 加速支援,但同時也設計成硬體無關——可以跑在 AMD、Intel 等其他處理器上。 我自己的解讀是:這兩個工具不是競爭關係,它們服務的是不同的用戶群,只是碰巧在同一個時間點出現,都叫「Claw」。 如果你是個人用戶,想讓 AI 幫你管理自己的生活和工作,OpenClaw(現在已被 OpenAI 收購,未來方向還待觀察)或類似的工具是合理的起點。 如果你是企業決策者,正在評估要不要讓 AI 代理進入公司的工作流,NemoClaw 是目前最接近「可以認真考慮放進 production 環境」的選擇。 有一件事我想特別說,很多人在看 NemoClaw vs OpenClaw 的時候,會很自然地用「個人版 vs 企業版」這個框架去想。但我覺得這個框架還不夠精準。更準確的說法是:OpenClaw 代表的是「AI 助理化」,NemoClaw 代表的是「AI 代理基礎建設化」。 前者是工具的升級,後者是基礎設施的重建。 就像當年從 Excel 到 ERP 系統的轉變一樣——Excel 讓個人效率大幅提升,但 ERP 讓整個組織的運作方式改變了。AI 代理現在也在走同樣的路。OpenClaw 是那個讓大家看到可能性的 Excel,NemoClaw 是要把這件事變成組織基礎設施的 ERP。 對台灣的企業來說,我認為現在最重要的不是馬上決定要用哪個,而是先有人認真去理解這兩個東西在做什麼、可以解決什麼問題、跟公司現有的 IT 架構怎麼接。這件事做了,後面的決策才有根基。 這類工具的評估和導入策略,AI.com.tw 有在提供顧問服務,可以去了解看看。 https://AI.com.tw
林尚能 戰勝學院
我從 ISO 27001 資安管理體系學習與實戰體悟
我從 ISO 27001 資安管理體系學習與實戰體悟
我擔任的工作是資訊人員,負責公司資安架構的維護與管理,以及Helpdesk。 這陣子撥出時間投入資安管理與 ISO 27001 的學習,起初只是想建立更完整的資訊安全防護思維,但在真正系統化研讀並進行實務驗證後,才發現這不僅僅是一套規範,更是企業運作中極為關鍵的風險控管核心。 過去在面對資安政策或防護措施時,往往容易流於片段式的執行,或是停留在表面的規範配合。這次透過全盤梳理 ISO 27001 的條文精神與核心控管項目,我終於將原本零散的防護觀念串接起來,真正理解背後的風險評估邏輯,明白各項資安政策該如何落實到日常作業中。 在學習的過程中,最具價值的莫過於實務情境演練。透過模擬真實演練與風險判讀,我漸漸學會從整體架構的角度去評估潛在漏洞,並針對不同情境找出合規且有效的改善方案。這種將抽象規範轉化為實際解決方案的思考訓練,大大補足了我過往在實務操作上的盲點。 這次的學習不僅讓我順利釐清了許多過去模糊的資安概念,也為未來的職場應用打下了扎實的基礎。資安管理是一項持續優化的長跑,接下來我也會將這些經驗落實到實際工作中,持續推動更完善的防護機制。 🔗 詳全文:https://ucom.uuu.com.tw/web/Testimony/Article/12822
精誠資訊恆逸教育訓練中心
【職場問題】不能準時下班、請假都要看臉色,是職場潛規則嗎?
【職場問題】不能準時下班、請假都要看臉色,是職場潛規則嗎?
先講結論:不是每家公司都要等上級先下班,請假要先揣摩上意,但是這樣的公司不少。如何避免這種問題?通常要先打聽這家公司的企業文化,然後面試的時候要注意觀察主管是不是這樣的人。不能聽主管說 "我從來不逼員工加班" 就相信,通常這種主管屬於 "霸道型","陰鬱型","micro-manage型" 最多 (也還有其他類型主管有可能這樣),總之只能觀察言行舉動。 ★看完整回答➡https://bit.ly/3T89ngH 大家是否也有其他職涯、職場的問題呢?歡迎到【104職涯診所】找前輩發問喔➡ https://bit.ly/39KUzD7
前輩幫後輩 經驗永流傳 104 職涯診所
拒絕年後職涯焦慮:為什麼 2026 年你需要一張「會說話」的 AI 證照?
拒絕年後職涯焦慮:為什麼 2026 年你需要一張「會說話」的 AI 證照?
步入 2026 年,職場分水嶺不再是學歷,而是誰能更有效率地與 AI 協作。 面對轉職潮,單純在履歷上寫「會用 AI」已不足以說服面試官,現在企業更看重「即戰力」。資策會有兩張證照,分別從「基礎通識」與「職場實戰」切入,讓非技術背景的人才也能擁有標準化的專業背書。 除了 AI 素養,具備國際公認的管理框架也是加薪關鍵。根據 PMI (國際專案管理學會) 於 2025 年 11 月發布的《薪資調查報告:第 14 版》(Earning Power: Project Management Salary Survey, 14th Edition) 指出,持有 PMP 證照的專業人士,其薪資中位數在 21 個受訪國家中平均比未持有者高出 33%。這反映出企業對於「具備專業框架」且懂「商業敏銳度」人才的重視。 💡2026 熱門證照快報 ❇️iPAS+ AI應用規劃師能力鑑定(初級) 考試資訊:https://nabi.104.com.tw/ability/10049056 ▶️【點我免費做線上模擬測驗】https://nabi.104.com.tw/assess/6c2efe0a-8456-4694-bdc3-a1813f66ee19 特色:國家級認證,證書永久有效。考試範圍包含人工智慧概論與生成式AI應用兩科,考題靈活且重視實際應用,且難度隨梯次逐漸加深的趨勢。 ❇️生成式AI能力認證(資策會) 考試資訊:https://nabi.104.com.tw/ability/10048893 ▶️【點我免費做線上模擬測驗】https://nabi.104.com.tw/assess/13967cfe-5c5d-4754-8cff-99c43cabd1e0 特色:有明確的考試範圍與備考內容,證書兩年有效,通過率幾乎都有80%以上,目前已開放2026年1-3月場次報名。 ❇️生成式AI辦公室應用能力認證 (資策會) 考試資訊:https://nabi.104.com.tw/ability/10049231 ▶️【點我免費做線上模擬測驗】https://nabi.104.com.tw/assess/9bfaea95-16af-4183-ba6f-0a0b5506cfc1 特色:分學科與術科,評測生成式AI實際應用在文本創作、文案創作、圖像創作、簡報製作,強調AI實務操作,證書兩年有效,將於2026年3月進行考試。 ❇️國際專案管理師PMP 👉擁有此證照面試邀約可提升45% 證照資訊:https://nabi.104.com.tw/ability/10029355 ▶️【點我免費做線上模擬測驗】https://nabi.104.com.tw/assess/43b8030e-af5a-48fb-babb-80f048956582 特色:全球公認的專案管理專業資格,代表你掌握了專案規劃、執行、監控與結案的完整知識體系,能有效提升跨部門溝通協調、進度控管及風險管理能力。 挑選一張與您工作場景契合的證照,這將是您在數位浪潮中不被取代的生存證明。 ➡️【推薦給你的考照學習資源】 https://nabi.104.com.tw/course/104nabi/ee5e6072-07e8-486f-9e11-2d7d5bfb2f2d
104學習 職場熱門證照排行榜
別再照單全收 AI 答案!提高可信度的 3 個方法,附指令模板
別再照單全收 AI 答案!提高可信度的 3 個方法,附指令模板
AI 已經成為許多上班族的日常工具。寫報告、整理資料、做簡報、擬文案、查趨勢,甚至協助主管做初步判斷,很多工作過去要花半天,現在幾分鐘就能先產出一版。 但用得越頻繁,大家也越容易遇到一個問題:AI 回答得很順、很完整,卻不一定是對的。 它可能把不確定的事說得斬釘截鐵,也可能編出不存在的數據、查不到的報告,甚至把人物說法、研究結果講得像真的一樣。這就是常被提到的「AI 幻覺」。 例如有人請 AI 協助整理競品分析,AI 回答:「根據 IDC 2023 報告,該市場年成長率達 34%。」看起來很專業,數字也很精準。但真正回到 IDC 官網查證,卻找不到這份報告。那個 34%,可能只是 AI 根據語境推測出來的答案,不是真實引用。 對職場工作者來說,這不是小錯。一個錯誤數字,可能讓提案失去可信度;一段查不到來源的引用,可能影響文章品質;如果出現在新聞稿、對外簡報或主管決策資料裡,甚至可能變成公關風險。 會不會用 AI,已經不只是「能不能問出答案」。更重要的是,你能不能讓 AI 產出的內容經得起檢查。 為什麼 AI 看起來很懂,卻還是會答錯? 很多人誤會 AI 是「查資料工具」,但更精準地說,它比較像是「語言整理工具」。 AI 擅長根據大量文字資料,整理出通順、有邏輯、看起來合理的回答。它很會歸納、改寫、分類,也很會把零散資訊整理成一段像樣的說法。 但「說得合理」和「確實正確」是兩件事。 尤其當問題涉及最新數據、人物言論、政策法規、企業動態、市場趨勢時,如果你沒有明確要求它查證來源,AI 很可能會根據既有語境推測答案。這也是為什麼有些回答讀起來非常完整,實際查證卻找不到根據。 所以,使用 AI 時不能只問:「請幫我整理這份資料。」 更好的問法是:「請幫我整理這份資料,並標示哪些是已確認事實、哪些是合理推論;所有數字與引用請附上可查證來源。」 前者只要求 AI 給答案,後者則要求 AI 說清楚答案從哪裡來、可信度有多高、哪些地方還需要人判斷。 想讓 AI 回答更可信,先做到這三件事 一、不確定的地方,不要讓 AI 硬答 真實職場中,很多問題本來就沒有單一標準答案。資料可能過時,市場可能正在變化,不同媒體的說法也可能不一致。如果這時候 AI 為了完成回答而硬湊一個結論,反而會讓使用者誤判。 因此,在指令裡最好先加上一條規則: 「如果你對答案沒有把握,請直接說明不確定的原因,不要自行補齊缺漏資訊。」 這句話很重要。它不是要 AI 變得保守,而是要它把「不確定」說出來。對職場工作來說,知道哪些地方不確定,本身就是重要資訊。 主管在看報告時,不只需要結論,也需要知道風險在哪裡。PM 在做需求規劃時,不只需要市場趨勢,也需要知道哪些假設還沒被驗證。行銷人在寫文章時,不只需要一段漂亮的說法,更需要確認這段話能不能公開引用。 AI 可以協助你加速產出,但不能替你承擔查證責任。 二、凡是數字、引用、人物說法,都要回到來源 職場內容最容易出問題的,往往不是明顯錯誤,而是那些「看起來很專業」的句子。 例如:「根據研究顯示……」、「某某 CEO 曾表示……」、「有 80% 的企業已經導入 AI……」。這些話如果沒有來源,就只是風險。 尤其在報告、提案、新聞稿、專欄文章中,數字與引用會直接影響內容可信度。讀者不一定會逐字檢查,但只要有一個關鍵數字被發現查不到,整篇內容的專業感就會被打折。 因此,只要內容涉及數字統計、研究結果、人物言論、新聞事件、政策法規、企業公告、市場排名,都應該要求 AI 提供可驗證來源。 來源也要分層級。優先參考官方資料、原始研究報告、政府或學術機構、企業公告、具公信力媒體。若只能找到二手整理文,就要明確標註,不要把它包裝成一手資料。 這個習慣看起來麻煩,但實際上能大幅降低內容出錯機率。AI 可以先幫你整理方向,但最後要不要放進簡報、文章或提案裡,仍然要看來源是否可靠。 三、把「事實、推論、建議」分開看 AI 很容易把推論寫得像事實。 例如看到某公司推出 AI 課程,它可能接著寫出:「企業培訓市場正全面轉向 AI。」這句話聽起來合理,也可能符合趨勢,但它仍然是推論,不是已經被證實的事實。 這也是許多 AI 內容讓人覺得「像 AI 寫的」原因之一:它常常太快下結論,太少交代中間判斷。 比較好的做法,是要求 AI 把回答分成三類: 「已確認事實」:有來源支持,可以被查證的內容。 「合理推論」:根據資料做出的判斷,但仍需要進一步確認。 「建議做法」:根據目前情境提出的行動方案。 這種寫法特別適合用在職場分析,例如競品研究、市場趨勢整理、專案規劃、內容選題、主管簡報。 它能讓讀者清楚知道:哪些資訊可以直接採用,哪些只是目前看起來合理,哪些則需要後續查證。 有些人也會要求 AI 在回答最後加上「信心指數」,例如 1 到 10 分。這可以作為輔助判斷,但要記得,AI 的自評分數不等於事實正確。信心分數只能提醒你「這段內容可能穩不穩」,不能取代真正的來源查證。 不同職位,可以怎麼用? 對行銷人來說,AI 可以幫忙加速文章架構、標題發想、社群文案和資料整理。但在發布前,最好請 AI 另外列出「待查證清單」,特別是數字、研究、引用、產業趨勢等內容。 對 PM 來說,AI 很適合整理競品功能、市場資料和使用者回饋。不過在寫 PRD 或做產品決策時,要特別區分「使用者已明確提出的需求」和「AI 根據資料推測出的可能需求」。 對 HR 來說,AI 可以協助整理職能趨勢、薪資資料、人才市場變化。但薪資、職缺、產業需求都具有高度時效性,也會因地區和職務不同而有很大差異,因此來源與時間點更需要標清楚。 對主管來說,AI 適合用來做第一版資料整理,幫助快速掌握議題輪廓。但真正要做決策前,仍應請團隊回頭確認關鍵數字、資料來源和假設條件。 簡單說,AI 適合當「第一版整理者」,不適合直接當「最後裁判」。 它能幫你節省時間,但不能取代人的判斷。真正有價值的工作,不是把 AI 的答案直接貼上,而是懂得檢查、追問、修正,最後做出更可靠的判斷。 可直接複製的高可信度 AI 指令模板 下次需要 AI 協助整理資料、寫報告、查趨勢或做分析時,可以直接使用下面這段指令: ============================================================ 請用「高可信度回答模式」回應。 1. 如果你對答案沒有把握,請明確說明不確定的原因,例如資料可能過時、來源不足、不同來源說法不一致,或問題定義不清。不要自行編造或補齊缺漏資訊。 2. 涉及事實、數據、人物言論、研究結果、法規政策、新聞事件、產品資訊時,請提供可驗證來源。 3. 來源請優先使用官方資料、原始研究或報告、政府或學術機構、企業公告、具公信力媒體。若只能找到二手來源,請明確標註。 4. 所有數字、統計、引用語、人物說法都必須附來源。若沒有可靠來源,請標註「尚未找到可驗證來源」。 5. 回答請分成「已確認事實」、「合理推論」、「建議做法」三類,不要把推論寫成事實。 6. 如果答案中有低可信度內容,請另列「需要進一步查證的部分」。 7. 回答最後請提供信心指數 1 到 10 分;若低於 7 分,請說明主要風險與不確定點。 ============================================================ 會查證,才是真的會用 AI AI 讓工作變快,但變快不代表變準。 真正成熟的 AI 使用方式,不是期待它每次都給出完美答案,而是讓它把資訊整理得更清楚,同時把不確定的地方攤開來。 下次使用 AI 前,不妨先把高可信度指令貼上去。多花幾分鐘設定規則,可能就能避免一份錯誤報告、一段失準引用,甚至一場不必要的公關危機。
104學習 AI 趨勢報-科技愛好者的產地🤖
H100和A100到底差在哪?我幫企業選GPU主機的幾個判斷原則
H100和A100到底差在哪?我幫企業選GPU主機的幾個判斷原則
我常常遇到客戶問我:「我要跑AI,要買哪張GPU?」這個問題看起來簡單,但其實背後有不少需要釐清的事情。我想把我平常跟客戶討論的邏輯整理一下,給正在考慮這件事的人參考。 先從最基本的說起。GPU的記憶體容量是選擇的第一個關卡。你要跑的模型,參數量有多大?大語言模型通常的規則是,7B參數的模型大概需要14GB的記憶體,70B的模型就需要140GB左右。這個估算是最低需求,實際跑起來還要加上推論的緩衝。 RTX 4090有24GB GDDR6X,適合跑中小型的AI模型,或者做AI應用開發和測試。它的性價比很高,3D渲染和AI開發都能用,是最入門的選擇。RTX 5090記憶體升到32GB,用的是GDDR7,速度更快,適合需要稍大記憶體但預算有限的場景。 A100是一個分水嶺。它有80GB的HBM2e,這讓它可以完整跑一個70B的大語言模型,或者做大規模的深度學習訓練。A100還支援NVLink互連,多張卡可以連起來形成一個大的記憶體池,對需要超大模型的場景非常重要。我們的A100方案是最多客戶選的,原因是它在記憶體容量、運算能力和價格之間取得了不錯的平衡。 H100是目前最頂級的選項。3,958 TFLOPS的AI算力,比A100高了好幾倍,而且有Transformer Engine加速,對大語言模型的訓練有特別的優化。如果你要訓練自己的大型語言模型,或者需要大規模的多GPU互連,H100是正確的選擇,但價格也相應的高。 我判斷客戶適合哪個方案,通常問這幾個問題:你的工作負載是訓練還是推論?訓練需要更多算力,推論通常對記憶體頻寬的要求更高。工作是持續的還是間歇的?持續的適合月租,間歇的考慮按小時。你需要多大的模型?這決定了你最少需要多少VRAM。 有一個很多人忽略的點:GPU的算力數字只是一個參考,真實的效能還取決於記憶體頻寬、互連速度、周邊的CPU和系統記憶體配置。我們在搭配主機的時候,A100方案搭配的是256GB系統記憶體和2x 2TB NVMe SSD,H100方案是512GB DDR5,這些配置是根據GPU的特性仔細設計過的。 最後一個建議:不要為了看起來比較厲害而買超過你需要的GPU。H100很強,但如果你只是跑推論服務,A100就夠了,而且便宜很多。把預算放在夠用的GPU加上好的基礎設施,比花很多錢在規格上用不到的部分更聰明。 https://gpu.nss.com.tw/
林尚能 戰勝學院
2026 年 Prompting 怎麼學?AI大神吳恩達推出免費新課給一般人的 AI 使用指南
2026 年 Prompting 怎麼學?AI大神吳恩達推出免費新課給一般人的 AI 使用指南
AI 工具越來越強,提示詞也不再只是「請幫我寫一段文案」這麼簡單。AI 教育者吳恩達(Andrew Ng)近期推出新課程《AI Prompting for Everyone》,主打不需要技術背景,幫助一般使用者學會更有效地使用 ChatGPT、Claude、Gemini 等 AI 工具。DeepLearning.AI 課程頁顯示,這是一門初學者課程,共 3 小時 4 分鐘、21 堂影片課,由吳恩達授課。官方學習頁也標示可免費開始學習、觀看課程影片;若需要 graded assignments 與證書,則屬於 PRO 方案。 吳恩達是誰?為什麼他的新課值得關注? 吳恩達是全球知名的 AI 教育者與機器學習專家。他是 DeepLearning.AI 創辦人、Coursera 共同創辦人,也曾擔任百度首席科學家,並曾創辦與領導 Google Brain 專案,目前也是史丹佛大學兼任教授。 對非工程背景的上班族來說,吳恩達最重要的影響,是他長期把 AI 知識轉化成大眾可以理解、可以上手的學習內容。從早期的機器學習課程,到《AI For Everyone》,再到這次的《AI Prompting for Everyone》,他的課程常被視為 AI 學習趨勢的風向球。 這門課在教什麼?不是背 Prompt,而是學會和 AI 協作 《AI Prompting for Everyone》的核心,不只是教你寫出更漂亮的提示詞,而是教你在不同工作情境中,如何讓 AI 產出更可靠、更有用的結果。官方課程頁將學習重點分成三大方向:找資訊、腦力激盪與寫作、創作與建構。 第一個重點是 Finding Information,也就是用 AI 找資料。課程會說明 AI 模型本身已經知道什麼、什麼時候應該使用 AI 網路搜尋、什麼情境適合使用 deep research mode,以及如何取得更準確、有來源的回答。 這對上班族非常實用。無論是做市場資料整理、競品分析、產業趨勢觀察,或準備會議前的背景研究,AI 不只是回答問題的工具,更可以協助快速建立資料架構。但前提是使用者要懂得要求來源、設定範圍,也要知道哪些資訊需要再查證。 第二個重點是 AI as a Thought Partner,也就是把 AI 當成思考夥伴。課程會教使用者如何提供正確上下文,讓 AI 理解真正需求;也會談到如何讓 AI 提供誠實回饋,而不是只迎合使用者。官方課綱中也列出 brainstorming、context、reasoning、sycophancy、writing with AI、AI critique 等單元。 這代表未來職場的 AI 能力,不只是「會叫 AI 寫東西」,而是能不能請 AI 幫忙檢查盲點、提出反方觀點、改善表達方式,甚至協助自己做更完整的決策思考。 第三個重點是 Working with Multimedia and Code。課程會介紹如何在提示中使用圖片、讓 AI 理解圖片、生成視覺內容,並使用 AI 建立簡單遊戲、網站與 App;官方也特別說明,這部分不需要程式經驗。 這也反映 AI 工具的使用場景正在擴大。過去上班族多半把 AI 用在寫信、摘要、翻譯、整理資料;但未來,AI 也可能協助做簡報素材、產出視覺概念、分析資料,甚至建立可展示的簡易 prototype。 誰適合上這門課? 官方課程頁指出,這門課適合任何在日常工作或生活中使用 ChatGPT、Claude、Gemini 等 AI 工具,並希望獲得更好結果的人,不需要技術背景,也沒有必修前置課程。 換句話說,這門課很適合以下幾類上班族:經常需要查資料的企劃、行銷、編輯、研究人員;需要寫報告、簡報、Email 的一般辦公室工作者;想把 AI 帶進工作流程的主管;以及想開始學 AI、但不想一開始就碰程式的人。 對職場工作者的啟示:提示力已經變成基本功 這門課最值得注意的訊號是:AI 提示力正在從「技巧」變成「基本工作能力」。 過去,很多人學 AI 會先找提示詞模板,例如「請扮演某某角色」、「請一步一步思考」、「請用表格整理」。這些技巧仍然有用,但已經不夠。真正會用 AI 的人,還要知道如何提供背景資料、設定輸出格式、要求資料來源、讓 AI 挑戰自己的想法,並判斷哪些內容可以採用、哪些內容必須查證。 也就是說,未來職場上的 AI 能力,不是誰背了最多 prompt,而是誰更會設計任務、拆解問題、提供上下文,並把 AI 產出整合成真正能交付的工作成果。 課程介紹 https://www.youtube.com/watch?v=FNfIMnpz-ZY&t=2s 有興趣的讀者可至 DeepLearning.AI 官方課程頁開始學習:《AI Prompting for Everyone》。 課程影片可免費開始觀看;若想取得作業評分與證書,需留意官方 PRO 方案說明。 DeepLearning.AI《AI Prompting for Everyone》 https://www.deeplearning.ai/courses/ai-prompting-for-everyone/
104學習 AI 趨勢報-科技愛好者的產地🤖