104學習

▉ 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

CCNA認證（Cisco Certified Network Associate）是針對網管與系統研發人才設計的入門級別網路架構與網路協定專業認證。無論是想進一步了解網路基礎概念，還是尋求提升職場競爭力，CCNA都是不可錯過的重要憑證。本文將帶大家認識CCNA認證內容、報考條件、考試準備資源，讓你輕鬆踏上網路專業之路。 CCNA認證是什麼？ CCNA是Cisco Certified Network Associate的縮寫，是Cisco提供的基础網路認證。它重點在基本網路構造、LAN和WAN原理、IP通信和網路安全等基础能力。通過CCNA，您可以認識網路基本運作原理，並增加解決網路問題的能力。 CCNA認證好考嗎？ 雖然CCNA認證在難度上屬於網路專業認證的入門款，但還是需要一定的準備和學習。CCNA考試包括理論和實作兩部分，考生需要熟悉IP網路概念、LAN和WAN構造、VLAN和網路處理功能。對於新手而言，有網路基礎知識背景將會將考試過程簡單化。 CCNA認證好用嗎？ 根據104學習精靈的資料，有近30%的網管工程師職缺要求求職者須具備CCNA認證資格，但除了這張證照之外，工程師的實務操作能力，以及程式語言、資料庫系統架構、框架工具使用技能...等專業技術也至為重要，甚至有的企業會要求專案型的工程師達到CCNP（CCNA再高一級的認證）以上等級，因此，證照技能兩不誤，才能凸顯能力價值。 工程師必備技能課程：https://nabi.104.com.tw/nabisearch/course?keyword=%E5%B7%A5%E7%A8%8B%E5%B8%AB&jobcat=2007000000 報考CCNA認證需要具備什麼條件？ 報考CCNA認證沒有限制，任何對網路技術有興趣的人都可以參加。不過，具備以下基礎知識會有助於增加過關機率： ● 基本電腦操作知識：熟悉電腦硬體和軟體的基本操作。 ● 網路基礎概念：如IP地址分配、子網路劃分、路由和交換等。 ● IT基礎英語能力：CCNA考試的內容多為英文，理解基本的技術英語是必需的。 如何報考CCNA認證？ 報考CCNA的步驟如下： 1. 註冊Cisco帳號：前往Cisco官方網站（Cisco官方網站）註冊個人帳號。 2. 選擇考試科目：目前CCNA的主要考試代碼為200-301，請確認最新的考試資訊。 3. 選擇考試中心或線上考試：登錄Pearson VUE考試平台，選擇您方便的考試中心或選擇線上遠端監考模式。 4. 支付考試費用：CCNA考試的費用約為300美元，依所在地區可能有所變動，支付後即可完成報名。 5. 準備考試：利用Cisco學習網頁、教材或其他學習資源進行充分準備。 6. 參加考試：在預約的時間和地點參加考試，也可申請遠距考試。 CCNA的考試範圍內容為何？ CCNA考試範圍涵蓋多個網路基礎領域，主要包括以下內容： ● 網路基礎：了解網路運作的基本概念，如OSI模型、IP尋址、子網劃分等。 ● 交換與路由技術：包括VLAN配置、路由協議（如OSPF、EIGRP）及靜態路由的設置。 ● 無線網路基礎：涵蓋無線網路配置與故障排除的基本知識。 ● 網路安全：基礎防火牆配置、訪問控制列表（ACL）的使用及網路威脅防護。 ● 自動化與可程式化網路：基礎網路自動化工具（如Python）和SDN（軟體定義網路）概念。 ● 這些內容結合了理論與實務，旨在提升考生對實際網路操作與問題解決的能力。 因此，CCNA認證是通往網路管理專業的入門證照之一，搭配多樣性的工具技能專才，幫助你在職涯發展上更順利。 CCNA 可以做什麼工作？(104人力銀行統計企業職務要求排行榜) Top1: 網路管理工程師 Top2: 系統工程師 Top3: 資訊設備管制人員 Top4: 網路安全分析師 Top5: MIS / 網管主管 證照資訊： https://nabi.104.com.tw/ability/10000637 相關免費課程影片： https://nabi.104.com.tw/nabisearch/film?keyword=CCNA 需要CCNA的職缺需求： https://bit.ly/3TXgEl4

美德向邦-居家服務業現況與未來發展與日照中心的機會與挑戰-教材-詹翔霖副教授居安照護 「沒有人是孤獨的活著，更沒有人應該孤單照顧，只有生命可以扶持生命。」 長照 2.0 給付新制成為點燃服務量能成長的柴火，其中，居家服務單位的成長幾乎毫無停滯，創業夢催生許多「照老闆」與勞動合作社，急速成長的背後卻是波濤洶湧，高薪挖角、帶案投靠、削價競爭等現象，在競爭激烈的亂流之下，居家服務單位如何穩住腳步，甚至將危機蛻變為重生的轉機？ 1.人力資源管理和引進科技運用兩大管理經營策略 在善用人力資源方面，可透過合作社模式再配合延長工時來增加總服務產值。 建立單位專業授權制度，並由專業人員訓練、監督與領導照顧服務員執行簡易技術性服務，不但可以提升服務員的專業產值，也可擴大專業服務的提供，提升整體照護成效。 2.發展服務核心競爭力 留意市場強大對手，拉大競爭門檻，如美德向邦的多元化戰略與垂直整合策略，都會帶來產業的變革和產生大藍海的市場，現有個別社區型日照或小規模居家服務單位都亦如早期的雜貨店，將被有系統、有體制、有資源的超商便利店所替代: 現有照護須先將服務整合且有服務體驗出顧客價值，再打造跨專業合作提供個別化、整合性的照護服務，經濟規模夠大才撐得住。 學習個案:美德向邦股份有限公司 經營理念 ■ 願景 : 守護天下人的安全與健康。 ■ 使命 : 提供安全有效的商品暨有速度有溫度的服務。 ■ 我們的核心價值觀 : 客戶第一，員工優先，永續為本。 居家服務業務（萬華、中山(北市)、汐止、桃園區、中壢區、台南市、高雄市） 預估初期市場需求: 1間居家300個案/30間 工作內容 一、綜理居家服務各項業務，定期檢討及改善。 二、擬定及執行年度工作計畫、規劃安排各項教育訓練計畫。 三、機構評鑑準備及定期報表統計分析工作。 四、訂定居家服務標準作業流程、工作手冊及相關管理制度。 五、危機預防和風險管理，緊急情況處理和通報。 六、服務對象或家屬建議、申訴案件處理。 七、展開對外聯繫會議與參與會議。 八、服務滿意度調查及統計分析。 九、行政事務及文書處理。 十、其他上級主管交辦事宜。 資本額--8億 經濟部商業司查詢 員工人數--5600人 地址-台北市信義區松高路9號11樓 公司網址-http://www.medtecs.com 計畫內容： (一)當地資源概況： (二)需求評估： (三)設立類別： (四)機構業務： (五)服務區域： (六)服務項目： (七)服務品質管理： (八)經費需求： (九)經費來源與使用計畫(含預算書)： (十)收費基準： (十一)預定營運日期及營運後三年內機構業務預估： 組織及人員管理： (一)組織架構： (二)主管與工作人員人數： (三)工作項目與行政管理：

由於課程內容將以104履歷範本為教學架構， 為了確保學習成效，需要請學員先開通104履歷， 並填寫初版履歷，繳交連結供資格審核參考。 📍如何取得履歷連結？ 【電腦版】 ❶點選「My104」➡ ❷點選「履歷」➡ ❸點選「我的履歷」➡ ❹點選「‧‧‧」➡ ❺點選「取得連結」➡ ❻點選「複製連結」 【手機版】 ❶點選「左上三條橫線鈕」➡ ❷點選「履歷表」➡ ❸點選「‧‧‧」➡ ❹點選「取得連結」➡ ❺點選「複製連結」 【捷徑】 104 履歷表：https://pda.104.com.tw/profile/intro 可直接從步驟❸點選「‧‧‧」➡ ❹點選「取得連結」➡ ❺點選「複製連結」

我認為選工作不是只看薪水或公司有不有名來考慮，可以用以下5個構面來考慮: 1) C: Company/Industry (公司/產業) 這公司/產業是否有發展，公司是否有獲利，公司氛圍或公司文化是否能接受，這些都可以多方打聽，記得要多方打聽，不要只聽信網路上的一方之言。 您的評分是：☆ ☆ ☆ ☆ ☆ 2) A: Administrator (主管) 主管是否可以跟，有句話說：「好公司也有壞主管，壞公司也有好主管」。好主管可以讓你上天堂，壞主管讓你去背黑鍋。所以面試很重要，主管在面試你的時候，您也要同時面試你的主管。 您的評分是：☆ ☆ ☆ ☆ ☆ 3) I: Intrests/Intresting (興趣/有趣) 換工作不想換衣服這麼容易，如果您對這工作沒有興趣，那麼活的就很辛苦，但是不是每個人對工作都有興趣，至少工作環境要有趣；如果又沒有興趣、工作又沒趣，只能用另外一個「I (Income, 收入)」來滿足自己。提醒您Income 的提昇，邊際效應是最低的。 您的評分是：☆ ☆ ☆ ☆ ☆ 4) O: Opportunity (機會)分內部機會及外部機會 內部機會就是進了這公司有沒有升遷的機會，如果部門很龐大，中階主管人才濟濟，機會就很少。反之，到新創公司或未上市/櫃公司機會就比較大，但風險也是有的。 外部機會就是進了這公司，以後去外面找類似的工作好找嗎? 這取決於這產業的生態圈 Eco System。 您的評分是：☆ ☆ ☆ ☆ ☆ 5) T: Time (時間) 工作時間及通勤時間 有些公司8點上班，有些公司8點半上班，有些公司彈性上班，各有利弊，您總不能因為每天趕著上班，影響自己的工作情緒。公司有沒有加班的文化? 不加班會不會被主管明示或暗示? 公司離家近，可以住家裡，公司離家遠，交通所需時間長也花費較高，如果租屋也是筆花費，如果是外派的工作，就要考慮回台的次數，重點是主管讓不讓您回來，外派期間，相對您台灣的人脈也會應此中斷，外派的收穫/收入是否划算? 您的評分是：☆ ☆ ☆ ☆ ☆ 把以上5個思考構面的評分加總，您就可以不同的Offer在您心中的評分。您也可以給每個構面做加權，來取得更適合個人的評斷。 所以當您收到不同家公司的Offers時，要做取捨時，請牢記用 CAIOT 5個面向來考慮。 如果只想查查公司給您的薪水，是否符合市場行情，建議可以使用104薪資情報依據您的經歷/學歷/所在地來了解一下市場上其他人的薪資落點喔~ https://guide.104.com.tw/salary/jobestimate

花錢上課、拿到完課證明，為什麼轉職、加薪、升遷依然卡關？學了這麼多職涯會什麼沒改變？本文分析工作者與雇主對「學習」的認知落差，提供職場能力轉化的4層架構、實戰變現法，幫各位把學費變成真正的職涯籌碼。 文／《104職場力》 本文導覽 「有上課」不會加分？主管與面試官真正在意的是什麼？知識如何變籌碼？跨越「學完到變現」的4大階段第1層：聽得懂（打好底子，但別淺嚐即止）第2層：用得上（把新方法放進日常工作）第3層：做出成果（拿真實爛攤子開刀）第4層：被看見（用數字說話，把功勞變成籌碼）延伸思考：花錢上課到底是「真有需求」還是「買心安」？ 上班突然想學東西，多半是職場給了某種刺激，比如看到同事用AI幾分鐘搞定工作，開始擔心自己沒價值；點開想投的職缺，發現條件多了一項陌生技能；或者在同一個位子卡了幾年，薪水和職稱紋風不動，心裡難免發慌。 這時候，下單買課成了最快見效的定心丸，輸入卡號、跳出報名成功的那一秒，心裡通常會鬆一口氣：至少，我已經開始做點什麼了……但把影片看完、拿到完課證明後，隔天走進辦公室，依舊是那個轉職卡關、調薪沒份的小透明，於是又陷入了新的職涯焦慮循環。 這很像辦健身房會員，簽完約天天報到就覺得自己會改變，卻忘了體態養成是繳完錢後，從學用器材、矯正姿勢、反覆訓練來的，不是天天去健身房滑手機就會長肌肉；學習也一樣，我們都以為「上完課職涯就會改變」，其實要打破現狀，課後只是起點，當公司看見你真正動起來之後的成果，才可能給你更多機會！ 「有上課」不會加分？主管與面試官真正在意的是什麼？ 工作者進修時，習慣計算的是自己的「輸入成本」，比如：花了多少週末、看了幾小時影片、買了幾堂線上課、筆記多精美等。 但在企業端，評價標準永遠只有：你能不能把學到的東西轉化為實際產出、直接變現，或幫組織達成目標？ 如果上班族進修只停留在「我有上過課」的自我滿足，那在「求職、調薪、升遷」這3個職場最現實的場景中，就容易因為巨大的認知落差而吃虧！底下用一張表對比兩種想法的差異，並提供真正有益的指標： 場景普通人思維老闆主管期待的能力真正的關鍵評估指標轉職求職我修畢40小時Python數據分析，附上完課證書能不能看懂未經整理的數據，並從中找出商業盲點親手處理過的案子並能清楚說明解題邏輯（證明能力有落地、能解決問題）爭取調薪今年自主進修了3門AI自動化流程課有沒有真的幫自己或團隊減少每週重複的工作負擔組織的成本節省量或產出擴增量（證明學習有轉化成省時或創造營收的能力）角逐升遷讀完了專案管理與團隊領導的完整理論框架專案卡關、跨部門起衝突時，敢不敢出面收拾？預計怎麼處理？責任承擔半徑（證明在混亂與不確定中具備推進力） 雖然有點殘酷，但對企業來說，有價值的是「解決問題的確定性及能力」，不僅僅是員工個人的「求知慾」，只有將輸入的內容轉化為組織有感的輸出，「學習」才具備議價空間。 知識如何變籌碼？跨越「學完到變現」的4大階段 如果從著名的「柯氏評估模型（Kirkpatrick Model）」來分析，把一項新知識放進職涯中，要依序走過「認知、工具、產出、影響力」這4個層級： 認知層➜聽懂專業名詞、跟著示範操作、取得完課證明（上完課只到這邊） 工具層➜帶回日常工作替換舊流程、在實際業務中除錯 產出層➜做出真實專案、建立量化儀表板、打造個人作品 影響力層➜跨部門成效驗證、被市場看見（具備議價與變現權） 多數人之所以覺得進修對職涯沒幫助，是因為才剛跨過第1層，就以為能收穫第4層的結果，才沒那麼簡單！每階段都有阻力跟盲點，卡關的話，不妨參考底下建議： 第1層：聽得懂（打好底子，但別淺嚐即止） 剛看完教學、聽得懂名詞，跟著講義範例也能跑出正確結果，很多人這時候就容易陷入盲點、走出兩種極端： 一種是「只看前兩章學點皮毛就自滿」，以為記住幾個流行單字就等於學會。 另一種則是「為了追求完課率而死讀書」，把看影片當成打卡。 專業能力需要完整架構支撐，不能只偷懶學碎片，想破局，首先要耐著性子把核心邏輯搞懂，不必非得死背每個細節，只要底層原理通了就可以嘗試往下實際操作，別讓學習只停留在腦袋裡。 延伸閱讀：線上課永遠看不完？5點燃起線上學習動力，讓每分錢都花得有價值 第2層：用得上（把新方法放進日常工作） 這階段開始想把新觀念或工具帶回辦公室，不過起初會發現「用新方法反而做得比原本更慢」，甚至頻頻碰壁出錯，多數人會在這個陣痛期退縮，默默換回原本笨拙但熟悉的舊習慣，但這樣很可惜，因為熬過陣痛期才有可能長出「肌肉」。 建議每學完一個關鍵技能，就強迫自己在當週工作中至少用一次，剛開始一定會卡關，但多撞幾次牆，工具才可能真正變成你的武器，練成不用開講義也能下意識用出來的本能。 第3層：做出成果（拿真實爛攤子開刀） 頻練習很好，但課程附帶的練習檔通常都是清洗乾淨、邏輯完美的「無菌室環境」，跟真實職場中資料格式殘缺、需求講不清楚的狀況不同，很多人在教材裡拿滿分，一回到工作現場面對混亂就完全不知從何下手，這樣也不算「學會」。 建議大家練習完那些簡單範例後，直接拿手邊最棘手、最繁瑣的真實業務當白老鼠，想辦法做出成果，無論是一份能輔助主管決策的自動化報表、一套團隊可通用的SOP，還是能放進履歷的個人專案，在會出錯、有破綻的真實爛攤子裡親手除錯一次，實戰經驗遠勝照著教材點擊百次。 第4層：被看見（用數字說話，把功勞變成籌碼） OK你做出了一點東西，但完全沒人知道，那終究還是難逃被埋沒的命運！在企業眼裡，沒被看見、沒經過量化、沒顯示出效益的產出，就很難變成談薪或升遷的籌碼。 別再盲目相信「默默努力老闆主管自然會看見」，請主動呈現自己的價值，把「我學了什麼」調整成「組織因為我這項能力獲得了什麼好處」，比如：把「具備自動化處理能力」改成「導入自動化腳本重構跨部門報表流程，每週幫全組省下6小時，資料出錯率降低95%」，讓精準的量化效益把你的學費與時間兌現成真正的職涯籌碼！ 延伸思考：花錢上課到底是「真有需求」還是「買心安」？ 除了學費，成年人進修昂貴的成本還包含下班後有限的專注力，上課只是突破職涯的其中一個方式，並非絕對！下次再產生「好像該買堂課」的焦慮衝動時，不妨先對照以下檢核點： 痛點定位是否具體？ 如果理由只是模糊的「想提升競爭力」、「跟上AI趨勢」，通常買下的只是焦慮緩解劑，具體的痛點應該是：「我下個月必須做出產品原型，需要先學會線框圖設計工具，這堂課能幫助我學會這項技能」。 這個卡點是「缺知識」，還是「缺行動」？ 捫心自問，有些事情我們早就掌握基本概念，只是遲遲不願面對繁瑣的執行過程，行動力欠缺的問題，買再多大師課也無法解決。 解決問題的最小途徑，真的是購買一套完整的課程嗎？ 工作上的特定卡點，有時一份官方技術文件、一支10分鐘的操作影片，或請教資深同事一杯咖啡的時間，解決效率遠高於30個小時的系統長課。 未來90天內，是否有明確的實踐場景？ 如果學完之後，在目前的職責範疇或可執行的專案中找不到任何落地機會，這門課有很高機率會在熱度退去後被遺忘殆盡。 願意在下班時間自掏腰包投資自己，絕對是值得鼓勵的態度！如果說一堂好課是把精良的工具，比起追求收集了幾把工具，更應該聚焦在「能拿這把工具在崗位上開拓／產出／節省了什麼」才更能顯現個人價值！ 點擊按鈕搜尋合適的學習資源 延伸閱讀： 想做的事對職涯有價值，但短期不會有回報，怎麼找行動力？ 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 能力相同，憑什麼升遷的是他？一場簡報竟成為職場勝負關鍵！

認識Linux系統 🖥️ 作為一個免費且開放源代碼的作業系統，Linux一直以其卓越的穩定性、安全性和極大的自由度而備受推崇。現在很多企業也都是以Linux來作為員工的桌面平台，因此工程師學習Linux不論是對精進自己還是找工作都很有幫助。 Linux 的基本架構 🏗️ Linux是指一種作業系統核心，是Unix-like（類似Unix）的作業系統。它的基本架構可以簡單地分為以下幾個部分： 硬體 包括中央處理器（CPU）、記憶體（RAM）、硬碟、輸入/輸出裝置（鍵盤、滑鼠、顯示器等）等。 內核 內核是操作系統的核心，負責管理硬體資源，如處理器、記憶體、輸入/輸出裝置、文件和網路系統等。 殼層 提供用戶與系統互動的介面，用戶可以透過Shell來執行指令和作業系統。 文件系統 Linux使用文件系統來組織和存儲檔案，常見的檔案系統包括Ext4、XFS、Btrfs等。 應用程式 Linux包含許多內建的系統工具和應用程式用來管理和作業系統，例如:文字編輯器（如Vi或Nano）、檔案管理器（如cp、mv、rm等指令）等。 用戶空間和核心空間 Linux作業系統區分為用戶空間和核心空間，用戶空間是用戶執行應用程式的區域，而核心空間是核心運行的區域。 學習Linux的優勢 🚀 1. 企業需求 💼 隨著企業越來越依賴開源技術，Linux 技能的需求也隨之增加。許多企業使用 Linux 作為其伺服器和基礎設施的作業系統。 2. 免費和開源 💰 Linux系統不但免費而且是開源系統，原始程式碼是公開的，提高了系統的透明度，有助於發現和修復潛在的安全漏洞，安全性與穩定性都很高。 3. 安全性高 🔒 Linux 通常被視為相對較安全的作業系統，開源的特性使得系統漏洞能夠更迅速地被發現和修復。 4. 多任務處理 🔄 Linux 能夠有效地處理多任務，這對於伺服器和高效能運算環境非常重要。 5. 跨平台 🌐 Linux 系統可以在各種不同的硬體上運行，從嵌入式設備到伺服器，具有很強的跨平台性。 哪些工作會用到Linux？找什麼工作會需要學Linux 🛠️ 系統管理員（System Administrator） 負責安裝、配置、管理、監控和維護伺服器及網路系統，需要熟悉 Linux 及其他操作系統。 網路工程師（Network Engineer） 負責設計、開發和維護網路基礎設施，Linux 目前在許多企業的網路設備和伺服器上被廣泛使用。 開發人員（Developers） 隨著AI學習時代的興起，開發人員需要學習在 Linux 中進行應用程式的開發和測試。 數據分析師（Data Analyst） 在數據分析和科學領域，Linux 常用於設置伺服器、執行分析工作流程和處理大數據。 資料庫管理員（Database Administrator） 負責管理和維護數據庫系統的專業人員可能需要使用 Linux 來操作和優化資料庫伺服器。 科學家和研究人員 Linux在科學家和研究人員中非常受到歡迎，常被用於執行模擬、分析實驗數據和處理科學計算。 學習Linux系統，不僅可以讓你在職場上更具競爭力，還能夠體驗到開源世界的精彩！ 🌐🚀

Mr.、Mrs.、Ms.和Miss是英語中的敬稱，用於稱呼或提及他人，主要區別在於性別和婚姻狀況。職場中最常見的稱呼是Mr.和Ms.，因為這兩種不涉及婚姻狀況，用於稱呼所有男性和女性，在職場中避免尷尬和專業，盡量以這兩種稱呼為主！ 1. Mr. – 用於稱呼男性，無論婚姻狀況如何。 Mr. John Smith（約翰・史密斯先生） 2. Mrs. – 用於稱呼已婚女性，傳統上通常代表女性已婚。 Mrs. Jane Johnson（簡・喬納森夫人，通常代表女性使用丈夫的姓氏，但不一定。） 3. Miss – 用於稱呼未婚女性，或年輕女性，傳統上多用於稱呼年輕女孩或未婚女性。 Miss Emily Davis（艾米莉・戴維斯小姐） 4. Ms. – 用於稱呼女性，無論婚姻狀況，這是較為中性且現代的稱呼方式。 Ms. Sarah Brown（莎拉・布朗女士） Mrs.和Miss是傳統稱呼，會區分婚姻狀況，而Ms.是較新出現的稱呼，不會強調婚姻狀況，適合職場或正式場合中使用。

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＞

如果學歷不夠頂尖，進入台積電或半導體產業的機會有多大？是否會在HR篩選階段就因為學歷被刷掉？學士、碩士、博士的學歷差異，是否影響薪資及未來升遷機會，學歷更吃香還是實務經驗更吃香？針對種種疑問，我們整理了台積電資深前端工程師—林彥成的分享內容，幫助大家了解學歷對於求職的影響！ 文／104人力銀行小編整理 本文目錄（點擊可快速前往） 想進入台積電/半導體產業有什麼學歷求職門檻🔹 科技業大徵才時期，學歷門檻可能放寬🔹 頂大理工碩士學歷，在科技業有加分🔹 工廠vs軟體公司，學歷標準不同想進入台積電或是半導體業，學生階段如何準備求職？非相關背景和科系也有機會進入半導體業嗎？該如何提升競爭力？結論 【重量級講師】林彥成｜台積電資深前端工程師本文節錄台積電資深前端工程師—林彥成的【台積電Q&A】分享內容部分精華，你想知道怎麼進台積電？聽說進「台積電軟體工程師」是祖墳冒煙？真的嗎？好奇在半導體巨頭的日常工作是什麼樣？邀請業界頂尖的前端工程師，不管是面試、技術挑戰、工作經驗、轉職建議全收錄！👉 登入免費領60頁精華簡報&講座影片 想進入台積電/半導體產業有什麼學歷求職門檻 🔹 科技業大徵才時期，學歷門檻可能放寬 當企業急需人才時，這時是否擁有研究所學歷並非絕對因素，例如IT部門的UI/UX設計職缺，藝術相關科系的畢業生也有機會進入，並且晉升至資深職等。 🔹 頂大理工碩士學歷，在科技業有加分 如果條件允許，取得頂尖大學的理工碩士學位（即使是專班）仍然有助於提升競爭力，因為部分企業，包含台積電是會依學歷，例如學校在全世界的排名，來決定新人職等與簽約獎金。 🔹 工廠vs軟體公司，學歷標準不同 相較於軟體公司相對重視實務能力，半導體產業（如台積電）因員工人數眾多，特別是在無法直接評估求職者能力的情況下，學歷仍是HR初步篩選的重要條件之一。 [joblist_plugin title='【台積電 資訊軟體】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=%22%E5%8F%B0%E7%81%A3%E7%A9%8D%E9%AB%94%E9%9B%BB%E8%B7%AF%E8%A3%BD%E9%80%A0%E8%82%A1%E4%BB%BD%E6%9C%89%E9%99%90%E5%85%AC%E5%8F%B8(%E5%8F%B0%E7%A9%8D%E9%9B%BB)%22&jobcat=2007000000&isJobList=1&order=15&page=1' amount='3'] 想進入台積電或是半導體業，學生階段如何準備求職？ 在學期間，除了學習技術本身，還可以透過以下方式提升競爭力： ✅ 提升語言能力，加強英語或其他第二外語，有助於與國際團隊協作。✅ 積極參與實習，累積實務經驗，提升職場適應力。✅ 建立良好人脈，與校友及學長姐交流，許多機會往往來自於日常交流。✅ 參加 IT 幫幫忙鐵人賽等技術競賽，即使實務經驗不足，也可透過撰寫大量技術文章展現學習能力與專業成長。 非相關背景和科系也有機會進入半導體業嗎？該如何提升競爭力？ 台積電資深前端工程師 林彥成 分享了他的學習經驗——雖然他大學主修工程科學系，與前端工程師的工作並不直接相關，但他認為學習期間，程式語言本身並非最關鍵，真正重要的是掌握核心概念與解決問題的能力。 他強調，提升實力的關鍵在於：✅ 閱讀——不只是識字，而是深度理解內容✅ 搜尋——不只是被動接受資訊，而是主動探索與查找✅ 寫作——不只是輸入，而是組織思考並表達觀點✅ 實作——不只是空想，而是動手驗證與執行 這些能力不僅適用於程式開發，也是在職場中持續成長的重要基礎。 延伸閱讀：．台積電、半導體產業的履歷面試懶人包：要刷題嗎？履歷怎麼寫？．【半導體職涯】聯發科學長分享半導體工程師職涯、碩士工作選擇｜附履歷模板、講座影片．台灣半導體公司vs外商科技業薪水福利、文化、職涯比一比｜附半導體、外商職缺 結論 學歷在半導體產業的IT部門確實具有影響力，取得頂大理工碩士學位或是專班，都會是提升競爭力的方式，學校在世界的排名也可能影響到新人簽約獎金和職等。未來真正能讓求職者脫穎而出的，仍是自身的學習能力、技術實力與解決問題的能力，除了獲取學歷以外，積極參與實習、提升語言能力、拓展人脈，或透過技術競賽展現專業實力，都是幫助自己在職場更進一步的關鍵。 想看更多關於台積電、半導體產業的真實故事嗎？🔥突破400位報名，92分高滿意度講座！🔥超過60頁的精華QA簡報及影片開放領取中！ ✔ 台積電資深工程師親自回答✔ 最真實的職場故事和工作秘辛✔ 超過60頁的Q&A精華簡報👉登入免費領60頁精華簡報&講座影片 [joblist_plugin title='更多104【半導體業軟體／工程】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&indcat=1001006000&page=1&jobcat=2007001000' amount='3']

1.範例題目之設計均以實務應用為導向，品質及認證公信力最具權威! 2.範例題目共七大類，HTML5、CSS3與JavaScript的基本概念、HTML5頁面設計、HTML5表單設計、HTML5多媒體設計、CSS3樣式設計、動態效果設計、HTML5與CSS3之整合應用 ，以上內容包含HTML5的主要技能發展與特性，讓您學習紮實觀念與能力。 3.透過本書所附光碟之認證範例題目練習系統依類別進行自我測驗。 4.配合中華民國電腦技能基金會(http://www.csf.org.tw)測驗流程，一舉取得專業證照，讓您求學、求職更具競爭力。 本書範例題目內容為認證題型與命題方向之示範，正式測驗試題不以範例題目為限。 看更多書籍介紹: http://books.gotop.com.tw/v_AEY042000

總是在第一關就過不了?是不是履歷表踩雷了呢?快來看看哪種履歷不OK~ https://www.youtube.com/watch?v=COaD8Pxv6Jo&t=20s

「Open Book 考試反而更難？改為線上測驗後， ISO 27001 主導審查員證照究竟該怎麼準備？真相是：這張證照從來不考臨時抱佛腳，考的是你腦海裡的『條文雷達網』！ 只要掌握條文架構、理解題目變形邏輯，就能在時間充裕的考場上游刃有餘。 本文整理了最真實的實戰應試秘訣，幫你把龐雜的條款轉化為解題武器，順利解鎖資安職涯新里程！」 🔗 參考資源連結：https://ucomedu.blogspot.com/2024/08/iso-27001202408.html

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。

當 AI 越來越能寫程式、分析資料、整理文件，甚至開始解決過去只有專業研究者才能處理的問題，我們真正需要擔心的，可能不是「AI 會不會取代我們」。 更值得思考的問題是： 當 AI 可以替我們完成越來越多工作，我們自己還剩下什麼能力？ https://www.youtube.com/watch?v=OOMx2BHHWtE 最近一段談論數學與 AI 的影片中，菲爾茲獎得主、數學家陶哲軒（Terence Tao）分享了他對 AI 發展的觀察。 他的觀點看似是在談數學研究，實際上對今天正在找工作、轉職、學習新技能，甚至已經在職場中的人，都有非常直接的啟發。 因為 AI 真正改變的，可能不只是「工作怎麼做」，而是人類能力的價值排序正在改變。 ========== 【AI 的能力，正在快速往上爬】 陶哲軒觀察到，過去幾年 AI 在數學上的能力有非常明顯的進步。 從國中程度的題目，到高中數學、奧林匹亞競賽，再到研究所資格考，AI 能處理的問題一路往上提升。 接著，它甚至開始碰觸一些過去沒有人特別花時間處理的小型未解問題。 這裡有一個非常重要的訊號： AI 不再只是幫人類「做工具性的工作」，而開始進入專業工作的核心流程。 這件事放到職場上，其實已經非常熟悉。 過去我們可能需要： - 自己搜尋資料 - 自己整理會議紀錄 - 自己寫 Email - 自己做簡報 - 自己分析資料 - 自己寫程式 - 自己製作行銷文案 - 自己產出初版設計 現在，AI 都可以參與其中。 而且速度往往比人快很多。 因此，未來真正的競爭，不一定是：「你會不會做這件事？」 而可能變成：「你能不能知道該做什麼、為什麼做，以及怎麼判斷 AI 做得對不對？」 ========== 【AI 最強的地方，可能不是「思考」，而是大量嘗試】 陶哲軒有一個很有意思的觀察。 AI 有時候很像一個「微醺的天才」。 它可能會提出一些非常奇怪、非常不尋常的解法。 有些看起來完全不像人類會採取的思路，卻可能意外地有效。 但問題也在這裡。 AI 可以快速嘗試大量可能性。 人類卻沒有辦法。 假設一個問題有 1,000 種可能的方向，人類可能只會認真嘗試其中幾種。 AI 卻可能一次嘗試大量路徑，再從結果中找出比較有希望的方向。 這讓 AI 特別適合處理： 大量探索 → 大量試錯 → 篩選結果 的工作。 這個特性放到職場上，代表很多原本需要大量時間的「執行工作」，價值會逐漸下降。 例如： 「幫我整理 100 份履歷」 「幫我產生 20 個廣告標題」 「幫我分析這份資料」 「幫我寫 10 個產品方案」 「幫我找出競爭對手的功能」 這些事情未來很可能越來越便宜。 因為 AI 可以快速產生大量答案。 當答案變得廉價，真正稀缺的東西就會改變。 ========== 【最危險的不是 AI 做錯，而是「AI 做對了，你卻不知道為什麼」】 這可能是整段內容對職場人最重要的提醒。 假設 AI 幫你完成一份報告。 結果看起來非常漂亮。 數字也合理。 文字也很流暢。 甚至主管看完覺得：「這份做得很好。」 但如果你自己其實不知道它為什麼得出這個結論，一旦主管追問：「為什麼？」 「這個數字從哪裡來？」 「如果換一個情境呢？」 「這個假設成立嗎？」 「你怎麼確定這個方法是對的？」 你可能就回答不出來。 這時候，AI 幫你提高的不是能力，而只是輸出速度。 這也是陶哲軒對 AI 時代的一個核心提醒： 「產生答案」與「真正理解答案」，是兩件不同的事情。 ========== 【AI 可以產生答案，但人類仍然需要「消化答案」】 這件事在數學研究中非常明顯。 一個數學證明被 AI 產生出來，並不代表這件事情就結束了。 接下來還有很多工作： 驗證答案是否正確 理解它為什麼成立 把複雜的內容整理成容易理解的形式 讓其他研究者理解 被整個社群接受 最後成為知識的一部分 也就是說： 「得到答案」只是整個流程的第一步。 這個概念其實完全可以搬到職場。 例如 AI 幫產品經理產生了一份產品策略。 真正有價值的人，不只是把 AI 的內容貼進簡報。 而是能夠進一步問： 這個問題真的值得解嗎？ 使用者真正的痛點是什麼？ AI 的假設是否合理？ 哪些資料支持這個結論？ 如果資源只有一半，應該做什麼？ 這個方案可能帶來什麼副作用？ AI 負責產生，人負責理解、判斷與取捨。 ========== 【這也解釋了：為什麼「會用 AI」還不夠】 現在很多職缺開始要求： AI Skills AI Tools Prompt Engineering Generative AI 這些能力當然重要。 但如果把「會用 AI」理解成：「我知道怎麼叫 ChatGPT 幫我寫東西。」 其實還不夠。 真正有價值的 AI 能力，更接近下面這個結構： ① Domain Knowledge｜專業能力 你必須知道自己正在處理什麼問題。 ② Problem Framing｜問題定義 你必須知道真正應該解決的是什麼問題。 ③ AI Collaboration｜AI 協作 你知道什麼事情適合交給 AI，如何拆解任務，以及如何讓 AI 提高效率。 ④ Verification｜驗證能力 你能夠判斷 AI 的結果是不是合理。 ⑤ Judgment｜判斷能力 當 AI 給你五個答案，你知道應該選哪一個。 ⑥ Communication｜溝通能力 你能把 AI 的結果轉化成團隊、主管或客戶可以理解並採取行動的內容。 這六件事情加起來，才是真正的 AI 時代工作能力。 ========== 【更值得警惕的是：人才培養的「斷層」】 陶哲軒提出了一個非常值得職場人思考的問題。 很多專業人才的成長，其實是從比較簡單的工作開始。 研究生先處理比較簡單的研究題目，工程師先寫小功能，設計師先做簡單頁面，行銷人員先執行基礎活動。 這些工作看起來不重要。 但正是透過這些「不重要的工作」，一個人慢慢建立： 經驗 → 判斷 → 直覺 → 專業能力 問題是：如果 AI 把這些入門工作全部拿走了呢？ 新人可能反而沒有機會累積經驗。 這是一個非常值得企業與工作者注意的問題。 因為：如果 AI 幫你跳過了所有練習，你可能直接得到答案，卻沒有得到能力。 ========== 【AI 時代，真正稀缺的能力是什麼？】 如果把陶哲軒的觀察放到職場，我認為可以濃縮成五種能力。 1. 提問能力 知道什麼問題值得問。 2. 判斷能力 知道 AI 給的答案哪個值得相信。 3. 專業能力 知道答案在什麼情境下才有意義。 4. 學習能力 能夠快速吸收 AI 帶來的新知識。 5. 創造能力 能夠提出 AI 沒有直接告訴你的新方向。 這些能力有一個共同點： 它們都不是單純的「產出能力」。 而是：決定產出什麼，以及如何使用產出的能力。 ========== 【最後：不要害怕 AI 變強，要害怕自己停止成長】 陶哲軒談 AI 時最值得職場人注意的地方，其實不是「AI 已經多厲害」。 而是另一個更深層的問題： 當機器越來越擅長解決問題，人類是否還能持續培養出「提出好問題」的人？ 這可能就是 AI 時代真正的人才危機。 因為未來的職場，很可能不是： 人 vs. AI 而是： 會使用 AI 的人 vs. 不會使用 AI 的人 但再往後一步，可能會變成： 只會使用 AI 的人 vs. 知道如何與 AI 一起思考的人 而最後真正稀缺的，可能是那些能夠： 定義問題 → 使用 AI → 驗證結果 → 理解結果 → 做出判斷 → 創造新價值 的人。 所以，如果你現在正在求職、轉職、學習新技能，甚至只是擔心 AI 會不會影響自己的工作，不妨換一個問題。 不要只問：「AI 會不會取代我的工作？」 更值得問的是：「如果 AI 可以幫我完成工作中的 50%，剩下的 50% 我應該把自己訓練成什麼樣的人？」 這或許才是 AI 時代真正值得我們思考的職涯問題。 ========== 【*****這支影片最值得帶走的 5 個觀點*****】 ① AI 會讓「產生答案」越來越便宜 所以單純的執行能力，價值可能持續下降。 ② 得到答案，不等於真正理解 AI 可以產生結果，但人仍然需要驗證、理解與判斷。 ③ AI 不一定會讓人變得更有能力 如果所有練習都交給 AI，人可能反而失去累積專業直覺的機會。 ④ 未來的核心競爭力不是「會不會用 AI」 而是能不能把專業能力、問題定義、AI 協作與判斷能力結合起來。 ⑤ 不要只用 AI 提高工作效率，要用 AI 提高自己的能力上限 AI 最有價值的地方，不只是讓你更快完成今天的工作，而是幫助你學會過去需要很長時間才能掌握的能力。 ========== 給正在職涯路上的你 AI 時代真正值得投資的，可能不是下一個 AI 工具。 而是： 讓自己成為一個即使有 AI，也依然需要被信任、被詢問、被依賴的人。 因為當「做事情」越來越容易， 知道該做什麼的人，反而會越來越重要。

Product Roadmap（產品路線圖）是一種規劃文件，用於描述產品開發團隊在一段時間內計劃實現的目標和里程碑。通常，這個時間範圍會延伸到一年或更長，而內容則根據特定公司或團隊的需求和實踐而有所不同，有助於確保團隊在開發過程中保持方向一致，並確保最終產品能夠滿足市場需求並達到公司的戰略目標。 產品路線圖通常包含以下內容： 1. 目標和願景： 這裡會列出產品的長期目標和公司的願景，讓團隊成員了解他們所努力實現的終極目標。 2. 重要功能和特性： 詳細描述了產品開發過程中要實現的主要功能和特性。這些功能通常按照其優先順序和預期的交付時間進行排序。 3. 時間表和里程碑： 標記了產品開發過程中的重要時間點和里程碑事件，以便團隊成員可以跟踪進度並評估是否達到了預期的目標。 4. 依賴關係：描述了不同功能和特性之間的相互依賴關係，以及完成一項任務所需的前提條件。 5. 資源分配： 指定了需要的人力、財力和其他資源，以實現路線圖中列出的目標和任務。 6. 風險和機遇： 辨識了可能阻礙產品開發進程的風險，並提供應對策略。同時，也會指出可能的機遇，以利用來提高產品的價值和市場競爭力。 而產品路線圖的主導者通常是產品經理或產品所有者。這個角色負責確定產品的整體方向和目標，並協調開發團隊的工作以實現這些目標。主導者需要與各個利益相關者（如開發團隊、行銷團隊、管理層等）合作，確保產品路線圖符合公司的戰略目標和客戶需求。 主導者通常負責以下工作： 1. 制定戰略方向： 確定產品的長期願景和目標，並將其轉化為具體的產品路線圖。 2. 與利益相關者溝通： 與團隊成員、管理層和其他利益相關者溝通，確保他們對產品路線圖的理解和支持。 3. 優先順序管理： 根據公司的戰略目標和市場需求，確定產品開發中各個功能和特性的優先順序。 4. 預算和資源管理： 確保產品開發團隊有足夠的資源（包括人力、財力和時間）來實現產品路線圖中的目標和任務。 5. 風險管理： 辨識潛在的風險和障礙，並制定應對策略以減輕風險。 6. 定期更新和調整： 定期審查和更新產品路線圖，以反映新的市場情況、客戶需求和公司策略。 因此，產品路線圖的主導者在確保產品成功開發和上市方面扮演著關鍵的角色。

你也在異鄉打拼嗎？ 「我花了六年時間習慣澳洲，但是『鄉愁』只讓我花一碗肉燥飯的時間就回家了！」 謝文侃，台南老屋民宿「謝宅」創辦人，家中排行老五，大家叫他「謝小五」。 創業十三年，修繕八棟謝宅，他讓遊客和台南人看到老宅新價值，也吸引日本金澤石川縣廳觀光局邀他複製台南「謝宅」，跨海到金澤經營老屋民宿「三間屋」。眼前創業成就，來自十三年前因為父親病危而從海外返鄉。 「年紀愈大，思鄉的鄉愁愈重，你會愈發現自己像沒有根的浮萍。」 45歲的謝文侃年輕時曾在澳洲墨爾本求學工作，那是連續三年被英國《經濟學人》評為全球最宜居的城市，他在澳洲生活六年，因為父親住進加護病房，沒有猶豫太多，32歲正要起飛的職涯，他卻選擇為了父親回到台南。 「那時我已經工作，連在澳洲的車都還沒有時間處理，就打包回家。」 看謝文侃的返鄉之路，工作，也能有不一樣的選擇： https://www.youtube.com/watch?v=j9QMKshQ6f4&t=4s

在軟體工程領域，擁有專業證照能提升技術實力與職場競爭力。與其他職務相比，軟體工程師對AI相關證照的關注度更高，顯示人工智慧技術在業界的重要性。無論是開發、網路安全、專案管理，各種證照都有助於職業發展。以下是軟體工程類人員最常瀏覽的八大證照，幫助求職者選擇適合的認證。 第一名🟢人工智慧：機器學習 Python 證照資訊: https://nabi.104.com.tw/ability/10040787 ✍️Python程式設計測驗: https://nabi.104.com.tw/assess/90b01176-e755-467c-aed7-a14a56c8a5db 這項證照專為希望掌握人工智慧與機器學習技術的工程師設計，涵蓋Python程式設計、資料分析、模型訓練等關鍵技術。擁有此證照可幫助求職者進入AI領域。 第二名🟢TOEIC (多益測驗) 證照資訊: https://nabi.104.com.tw/ability/10034532 ✍️線上模擬試題測驗: https://nabi.104.com.tw/assess/toeic 發行單位: https://nabi.104.com.tw/certify/unit/791f4d25-0e7f-41b7-b6fc-453d0fb44696 作為全球廣泛認可的英語能力測試，TOEIC證照在科技產業中極具價值。許多跨國科技公司要求工程師具備良好的英文溝通能力，以便參與國際專案、閱讀技術文件，甚至與國外客戶或團隊合作。 第三名🟢CCNA 證照資訊: https://nabi.104.com.tw/ability/10000637 發行單位: https://nabi.104.com.tw/certify/unit/f3b08867-0882-42c6-bd7a-41eac5959990 CCNA證照是思科（Cisco）提供的網路技術認證，涵蓋網路基礎、路由與交換、網路安全等內容。對於希望進入網路工程領域的軟體工程師來說，這是一項極具價值的證照，可幫助建立穩固的網路技術基礎。 第四名🟢 AI-900 AI 人工智慧基礎認證 證照資訊: https://nabi.104.com.tw/ability/10047979 發行單位: https://nabi.104.com.tw/certify/unit/7e37d905-b2f6-4de9-a3d8-99ad1f30fafe AI-900是微軟提供的人工智慧基礎認證，適合初學者與有志於AI應用開發的工程師。內容涵蓋機器學習、電腦視覺、自然語言處理（NLP）等概念，適合作為進階AI技術的起點。 第五名🟢 Google Analytics (分析) 個人認證資格 證照資訊: https://nabi.104.com.tw/ability/10028451 ✍️線上模擬試題測驗: https://nabi.104.com.tw/assess/ceb78afe-8583-4273-97a3-66fe940374df 發行單位: https://nabi.104.com.tw/certify/unit/141cc2fe-394a-4820-8aed-4e8af84d0c3a Google Analytics證照是數據分析與網路行銷領域的重要資格，對於開發數據驅動應用程式的工程師來說至關重要。透過此認證，工程師能夠學習如何有效解讀網站數據優化產品。 第六名🟢ISO 27001 資訊安全管理系統主導稽核員 證照資訊: https://nabi.104.com.tw/ability/10028325 ▶️學習課程: https://nabi.104.com.tw/course/acad/b7cfaa80-1ba7-4088-8182-10356906f1ce ISO 27001證照主要關注資訊安全管理，適合希望在企業內部負責資安政策與風險管理的工程師。此證照能夠幫助企業確保資訊系統的安全性，特別適用於從事資安、雲端服務與企業IT管理的專業人士。 第七名🟢SCJP (現為OCPJP) 證照資訊: https://nabi.104.com.tw/ability/10028055 SCJP（現為OCPJP）是Oracle提供的Java專業認證，專為有一定Java開發經驗的工程師設計，適合希望提升程式設計能力並在Java開發領域深入發展的專業人士。 第八名🟢國際專案管理師 PMP 證照資訊: https://nabi.104.com.tw/ability/10029355 發行單位: https://nabi.104.com.tw/certify/unit/5670bd2b-59f0-4c55-bbfd-f5f7ab785713 PMP（Project Management Professional）是全球最具公信力的專案管理認證，此證照涵蓋專案規劃、風險管理、資源分配等重要技能，能夠提升技術主管與專案負責人的職場競爭力。

在專案 Kickoff 前，準備充分是確保成功的關鍵。必須明確專案目標與範疇，識別利害關係人，準備背景資料與初步計劃，並設計會議議程。同步確認溝通計劃與會議工具，建立統一共識，預測可能風險。這樣可讓會議高效推進，為專案打下穩固基礎。以下是需要準備的重點： 1. 明確專案目標與範疇 - 定義專案目標：確認這個專案解決什麼問題、要實現的價值是什麼。 - 確認範疇 (Scope)：哪些工作內容包含在專案內，哪些排除在外。 2. 識別利害關係人 - 確認專案中相關的 主要利害關係人 (Stakeholders)，包括內部 (如設計、開發、營運團隊) 和外部 (如客戶或合作夥伴)。 - 確保利害關係人都清楚 Kickoff 的目的，並通知他們參與會議。 3. 建立初步專案計劃 - 時程規劃 (Timeline)：提供專案階段性的高層級時間表。 - 里程碑 (Milestones)：標出主要目標和交付物 (Deliverables)。 - 資源需求：預估專案需要的資源 (人力、工具、預算等)。 4. 準備背景資料 - 提供專案的背景資料 (如市場調查、競爭分析、用戶需求或業務目標)。 - 確保團隊對專案的現狀和機會點有一致的理解。 5. 明確溝通計劃 - 設定溝通流程 (如例行會議、更新頻率、溝通工具：Slack、Trello、Notion 等)。 - 確認報告的方式與頻率。 6. 設計 Kickoff 議程 - 引言 (Introduction)：專案背景、目標、重要性。 - 角色分配：介紹各團隊成員及其角色。 - 計劃概述：展示專案範疇、里程碑和大致時程。 - 期望 (Expectations)：各方對專案成功的期望以及可能的風險點。 - Q&A：確保所有人對專案目標一致。 7. 提前確認工具與文件 - 確認所有需要的文件是否已經準備妥當 (如簡報、議程表、相關報告)。 - 測試會議工具 (如 Zoom、Microsoft Teams 等)，避免技術問題。 8. 風險預估與假設 - 識別可能的風險，並制定應對策略。 - 確認有哪些假設需要團隊共識。 9. 建立 Kickoff 的預期結果 - 統一目標與方向：參與者對專案的背景和目標有一致理解。 - 行動計劃：Kickoff 後的下一步行動具體明確。 【範例檢查表】 [ ] 專案目標與範疇已明確。 [ ] 利害關係人已確認並通知。 [ ] 背景資料已準備。 [ ] Kickoff 議程與簡報完成。 [ ] 會議工具已測試完畢。 準備越周全，Kickoff 會議就越能成功地啟動專案！如果需要幫忙整理 Kickoff 簡報或議程範本，也可以提出！ 😊

根據職責的不同，PM可分為銷售產品經理（Sales PM）、產品經理（Product PM）和研發產品經理（RD PM）。他們分別專注於銷售推廣、產品策略以及技術研發，共同協作推動產品的成功，不過通常是規模較大的公司才會將PM去細分。 以下是 RD PM 與 Sales PM 和 Product PM 的區別： 【職責範圍】 𒀸 RD PM（研發產品經理） 1. 技術開發和研發管理：負責產品的技術開發過程，協調研發團隊的工作，確保項目按計劃進行。 2. 技術規格和需求定義：與技術團隊和其他利益相關者合作，定義產品的技術需求和規格，確保產品設計符合技術要求。 3. 資源管理：管理研發資源，包括人力、設備和技術資源，確保有效利用。 4. 技術難題解決：負責解決技術開發過程中的難題，提供技術支持和指導。 5. 技術路線圖：制定技術路線圖，確保產品技術發展與公司長期戰略一致。 𒀸 Sales PM（銷售產品經理） 1. 客戶需求和市場需求：了解和滿足客戶需求，制定和執行銷售策略。 2. 銷售支持：提供產品培訓和支持，推動銷售業績。 3. 市場反饋：收集市場和客戶反饋，協助改進產品。 𒀸 Product PM（產品經理） 1. 產品策略和路線圖：制定產品策略，管理產品路線圖。 2. 需求分析和產品設計：進行市場研究，定義產品需求和設計。 3. 產品開發管理：協調設計、開發和測試團隊，確保產品按計劃交付。 【關注點】 𒀸 RD PM（研發產品經理） - 主要關注產品的技術開發和工程管理。 - 需要深入理解技術細節和研發流程。 - 更側重於技術創新和研發效率。 𒀸 Sales PM（銷售產品經理） - 主要關注如何推動產品銷售，提升銷售業績。 - 更側重於市場和客戶需求。 𒀸 Product PM（產品經理） - 主要關注產品的整體發展和長期戰略。 - 更側重於市場趨勢、競爭環境和產品路線圖。 【技能要求】 𒀸 RD PM（研發產品經理） - 深厚的技術背景和工程管理經驗。 - 優秀的問題解決能力和技術判斷力。 - 強大的項目管理和資源管理能力。 𒀸 Sales PM（銷售產品經理） - 優秀的溝通和協調能力。 - 深入了解市場和客戶需求。 - 銷售策略和技術的知識。 𒀸 Product PM（產品經理） - 強大的分析和規劃能力。 - 技術背景和產品開發經驗。 - 對市場和競爭環境的深刻理解。 PM 在技術和研發方面扮演著關鍵角色，確保產品在技術層面上成功開發並符合設計規範。他們與 Product PM 和 Sales PM 的協作是產品成功上市和銷售的重要保障。三者各有側重，但都對產品的最終成功至關重要。 更詳細的介紹可參考>> https://www.managertoday.com.tw/articles/view/59756

2025-05-05 聯合新聞網綜合報導　由聯合新聞網授權轉載 赴日工作美夢破滅！一名女網友在Dcard發文透露，自己四月底滿心期待的到日本就職，起初無異狀且待遇佳，沒想到五月初突然拿到一張新的工作契約，上面內容與在台灣說好的完全不一樣，讓她非常不能接受，向台灣仲介反映也沒用，還被要求「先繼續工作」，她無奈表示「目前做最壞打算，就是搬離開宿舍、重新找工作，甚至可能回台灣」。 延伸閱讀：想去日本工作怕被排擠？他指出日人4特性 用「3招」迅速融入 原PO透露四月底到日本鹿兒島工作，抵達時公司社長還開車去巴士站接送、提供5萬日幣的前期生活費，並安排公司總務人員陪同購買生活用品，誠意滿滿。然而五月開始上班後，總務人員拿了新的工作契約，內容與在台灣簽訂的有很大出入，她坦言「當下讓我想東西直接收一收立刻離開」。 她詳述，舊合約職務是翻譯，新合約卻是作業員，說好的工作時間也不一樣。更誇張的是新合約薪資不公開，還說班別不同薪資不一樣，言下之意就是要砍當初談好的薪水。看完新約後向仲介反映，卻只得到「連假後會找時間三方溝通」的回覆，要她這期間持續工作。她因此發文提醒，「千萬別相信日本人很有誠信的過去，現在的日本人為了達成目的，連人力銀行都會幫忙用AB約的方式騙人過去」。 貼文下方有苦主共鳴，「日本人很會騙人，會先哄妳過去，然後再把你軟禁，要你簽約之類的」、「日本的爛公司不會輸台灣而且數量也多，真的不要被媒體美化，沒有爆出來的太多太多了」、「一堆日本公司來台灣找人講好聽點是徵才，難聽點就是去東南亞找外勞」、「一進去馬上就想離職，最大的比例就是進去上班後發現工作內容跟面試時不一樣」。 也有網友補充「相信我，那種會主動來台灣招聘的日本公司都不是什麼好缺」、「趁現在還有工作簽證，趕快去找新工作，簽證過了就只能回台灣了」、「日本工作好的會內轉，壞的才會找海外的」、「還是要學好日文，多去他們的人力網站看評價，寧願花點錢買的人力網站的會員很多都很透明」、「跟台灣一樣很現實，日本人不想做的工作，公司或是國家會找外人來做，就這樣」。 [joblist_plugin title='104【日本】工作機會' url='https://www.104.com.tw/jobs/search/?area=6003001001&jobsource=joblist_search' amount='3']

Word空白頁怎麼刪除？在使用 Microsoft Word 編輯文件的過程中，經常會碰到Word空白頁無法刪除的情況。這些空白頁可能來自多餘的段落、分頁符號或格式設定錯誤，不但影響文件排版與整體美觀，也可能造成列印與分享時的困擾。 別擔心，這篇文章將教你Word刪除空白頁的五種實用方法，幫助你快速清理不需要的頁面，讓文件更加專業整潔。（2025/3/25更新） ✅方法一：手動刪除空白頁內容 這是最直覺的Word刪除空白頁方法，適用於簡單的空白頁情況。 操作步驟： 1. 將游標放在空白頁的開頭。 2. 按下鍵盤上的「Delete」或「Backspace」鍵，刪除空白段落或符號。 ✅方法二：利用段落與分頁符號調整 有時空白頁是由分頁符號或段落設定造成，這時可以透過段落調整來刪除 Word空白頁。 操作步驟： 1. 將游標置於空白頁前一段的末尾或空白頁後一段的開頭。 2. 插入或刪除「Ctrl + Enter」所產生的分頁符號。 3. 或在空白段落的開頭按「Backspace」鍵移除多餘段落。 ✅方法三：使用「隱藏段落」技巧 當你無法直接刪除空白頁時，可以將其內容設定為隱藏，達到視覺上的 Word刪除空白頁 效果。 操作步驟： 1. 選取空白頁的段落。 2. 右鍵點選並選擇「段落」設定。 3. 在「字型」對話框中勾選「隱藏文字」。 4. 確認後，該段落將不再顯示於文件中。 ✅方法四：透過尋找與替換功能 若文件中存在多個分頁符號導致空白頁，可用尋找與替換的方式快速處理Word刪除空白頁問題。 操作步驟： 1. 按下「Ctrl + H」開啟尋找與替換。 2. 在「尋找內容」欄位輸入 ^m^p（表示分頁符號+段落符號）。 3. 將「取代為」欄位留空。 4.,點選「全部取代」，快速清除空白頁來源。 ✅方法五：調整頁邊距與行距 有些 Word空白頁 是因為頁邊距設定過大導致內容無法顯示完整，這時可透過調整頁面配置來解決。 操作步驟： 1. 使用「Ctrl + A」選取整篇文件。 2. 點擊「版面配置」→「邊界」→「自訂邊界」。 3. 調整「上」與「下」邊界為較小值（例如 0 或 0.5 公分）。 4. 確認後空白頁通常就會被自動移除。 📌 用對方法，Word刪除空白頁輕鬆搞定！ 無論是因段落符號、分頁符號或版面設定造成的Word空白頁，只要掌握上述五 Word刪除空白頁方法，就能有效提升文件品質，節省修改時間。趕快動手試試，讓你的Word文件更加完美吧！ 🔍特別推薦：Word文書處理密技 教你活用Office https://nabi.104.com.tw/course/tibame/123b977e-a18a-4e1b-bc96-2ea41acdbb4e

對許多即將畢業的理工科同學來說 職涯規劃仍是一大難題 今天整理了常見科系對應的半導體職缺 幫助大家找到更適合的道路 除此之外 文末特別整理了由聯發科學長 Lester 推薦的關鍵職缺 為非本科系同學提供更多進入 IC Design House 的可能性！ 【常見科系對應半導體職缺】 #點擊連結查看最新相關職缺 💡電機系出路： ▪︎　IC設計工程師 - 負責積體電路的設計和開發 >> https://tw104.pse.is/6tcqmt ▪︎　電路設計工程師 - 模擬和數位電路的設計 >> https://tw104.pse.is/6tcqn5 ▪︎　系統驗證工程師 - 負責IC的測試和驗證 >> https://tw104.pse.is/6tcqn9 💡機械系出路： ▪︎　設備工程師 - 負責半導體製造設備的維護和優化 >> https://tw104.pse.is/6tcqnq ▪︎　機械設計工程師 - 設計和開發半導體製造設備 >> https://tw104.pse.is/6tcqnx ▪︎　熱模擬工程師 - 封裝形式對晶片熱應力模擬 >> https://tw104.pse.is/6tcqnz 💡材料系出路： ▪︎　材料研發工程師 - 研究和開發新型半導體材料 >> https://tw104.pse.is/6tcqp4 ▪︎　製程工程師 - 優化材料的製造流程提高生產效率 >> https://tw104.pse.is/6tcqp7 ▪︎　品質工程師 - 確保材料的品質和可靠性 >> https://tw104.pse.is/6tcqpb 💡化工系出路： ▪︎　IC設計製程工程師 - 優化材料的製造流程提高生產效率 >> https://tw104.pse.is/6tcqpd ▪︎　化學工程師 - 研究開發半導體製造中的新型化學物質 >> https://tw104.pse.is/6tcqpg 【晶片設計公司轉職小撇步】 有些同學可能會覺得自己是「產線系」 認為只有進入晶圓代工廠才是唯一的選擇 但講師 Lester 提到，其實只要提早規劃好職涯路徑 還是有很高的機會可以成功轉職到上游的晶片設計公司！ 關鍵在於選擇那些「能夠與上游廠商密切互動」的職位 以下是 Lester 推薦給有志於進入 IC 設計公司的同學的職缺方向： 📌 產品工程師： https://tw104.pse.is/6tcqpm 📌 製程整合工程師： https://tw104.pse.is/6tcqpr 📌 客戶服務工程師：https://tw104.pse.is/6tcqpv 　 想了解更多關於半導體職涯的資訊嗎? 立即前往免費解鎖【半導體職涯大禮包】 👉https://tw104.pse.is/6tcj75 你將獲得： 🎁 講座回放影片：產業秘辛、履歷撰寫技巧一次聽個夠 🎁 講座簡報：講座精彩內容完整保留，隨時複習 🎁 履歷模板：半導體上、中、下游三種模板一次到手

超過1,000門囊括新興科技（人工智慧、區塊鏈、雲端、資料科學、資安、物聯網等）與軟實力課程（溝通表達、簡報技巧、履歷面試、設計思考等），與全球同步學習且完全免費的線上學習資源，還可取得業界認證數位徽章！ 立即前往 IBM SkillsBuild：https://ibm.co/3mFaYMF IBM SkillsBuild 註冊說明：https://reurl.cc/moAGrl IBM SkillsBuild 推薦課程：https://ibm.box.com/s/mxbpnc9vbvplnggtayr4h5cg001kddjl

新北市政府青年局旗下的「新北有課UKO」10月至12月共推出34堂全額免費實體課程！以「技能升級、職場練功房、專家忙什麼」為3大主軸，涵蓋生成式AI應用、Excel數據視覺化、敏捷專案管理、薪資談判與勞動權益，更力邀金馬美術指導、空服員等職人現場開箱，凡18至40歲青年皆可免費報名，快速累積職場即戰力！ 文／《104職場力》 本文導覽 「新北有課UKO」課程核心資訊一覽「新北有課UKO」3大主題系列亮點解析一、技能升級：生成式AI應用與職場實務數位工具 二、職場練功房：專案管理、溝通與轉職權益防護三、專家忙什麼：各領域一線職人開箱工作日常善用公共資源，為職涯打造第二成長曲線 面對產業數位轉型與就業市場的快速變遷，如何「持續提升職場即戰力」成為求職者與在職工作者的關鍵課題。為協助青年強化工作技能並拓展職涯視野，新北市政府青年局旗下職涯培訓品牌「新北有課UKO」宣布推出全新季度（10月至12月）34堂免費實體課程。 課程規劃以「累積專業實力」為主軸，涵蓋最新生成式AI應用工具、專案管理與談判技能，更特別邀請多位跨領域專家親自開箱真實職場樣貌，為18至40歲青年提供系統化的實作訓練與進修資源。 「新北有課UKO」課程核心資訊一覽 開課時程：10月起至12月陸續開課 課程形式：線下實體課程（採互動與實作教學演練） 報名資格：18至40歲青年（求職中、新鮮人或在職進修者皆適用） 課程費用：全程免費（各梯次名額有限，額滿為止） 報名方式：請至新北市政府青年局「新北有課UKO」課程報名專區查詢與報名。 立即前往報名 「新北有課UKO」3大主題系列亮點解析 新北市青年局局長邱兆梅指出，面對產業與工作型態的快速變化，除了培育專業技能，更需透過實際應用累積經驗，並深入了解不同產業的工作樣貌。 這期《新北有課UKO》將依不同學習需求規劃3大系列，並全面導入實作演練： 一、技能升級：生成式AI應用與職場實務數位工具  聚焦工作現場最實務的數位工具應用，協助學員強化科技賦能與職場競爭力： 零基礎AI寫程式：引導無程式背景的學員運用AI撰寫程式碼，快速製作出個人化工具（如「旅行規劃器」）。 AI創意提案與高效簡報：掌握AI輔助工具，快速產出商業簡報架構、文案與商品廣告素材，大幅加速專案發想與提案進程。 試算表數據處理與視覺化：解析職場必備的Excel實用函數與資料視覺化技巧，提升數據整理與圖表呈現效率。 二、職場練功房：專案管理、溝通與轉職權益防護 針對工作執行與跨部門協作中常見的痛點，建立具邏輯性的工作方法： 活動企劃的秒懂溝通術：學習梳理零散抽象的點子，撰寫出邏輯清晰、利害關係人能迅速理解的活動企劃案。 敏捷專案管理與數位看板：解析科技軟體業廣泛採用的敏捷精神與工具，提升團隊執行力與動態調整步調。 求職面試談判與勞工權益：從薪資待遇談判技巧、職場溝通應對，到就業必備的勞動法令與勞工權益全面剖析。 [course_plugin api_type='course_id' title='104學習推薦：' id='39d7b0fe-6384-450f-aee8-eaa8932b544d'] 三、專家忙什麼：各領域一線職人開箱工作日常 邀請不同專業背景的工作者分享職涯經驗，協助有意轉職或探索新領域的青年建立立體認知： 電影美術與場景設計：金馬獎最佳美術設計入圍者陳若宇親授，以恐怖電影《咒》為例，揭開沉浸式場景營造與電影美術工作心法。 空服員飛行日常與面試準備：由現役空服員深入拆解機艙服務、飛行體能挑戰，並傳授航空業外商招募與面試要點。 諮商心理師專業養成：解構心理師的同理傾聽、心理諮商架構與專業證照養成路徑。 特殊動物照護技巧：由刺蝟照護推廣協會常務監事分享非犬貓特殊寵物的照護技能與實務挑戰。 善用公共資源，為職涯打造第二成長曲線 對求職者或在職工作者而言，參與實體訓練課程除了能直接獲得講師即時回饋、加深實作印象，更是拓展跨領域專業人脈的良好途徑。 若想在今年末強化數位工具與專案能力，可至新北市政府青年局官方專區查詢完整課表並提早完成報名，把握政府提供的免費培訓名額。 →想找更多學習資源，歡迎至「104學習課程專區」查詢。 （資料來源：新北市政府青年局官網、新聞稿） 延伸閱讀： 2026最新AI補助申請！台北市青年最高4000元、新竹市3000元，申請資格整理 培育跨域人才 教育部磨課師精選18門AI課程 涵蓋機器學習、AIoT Gemini學生方案1年免費！Google AI Plus申請資格、功能與4大用法一次看！