104學習

職場中，偶爾會有主管臨時找你開個簡單的會議，又或是自己在帶新人時，臨時想簡單的交待一些事項，不算是很正式的會議，只是簡單的要交待一些事項或討論小主題，想借對方一點時間討論一下，英文該怎麼說呢？ 使用方法如下： Hop on a call Jump on a call “When you have time after lunch? Could we hop on a quick call?” “Let’s jump on a call and discuss this project tomorrow!” Hop的常用意思包含用單腳跳，像小時侯常玩的跳格子，就叫做“Hopscotch，“scotch”這個字有淺刻、劃線的意思，所以scotch當作名詞時為“劃在地上的格子線”成了跳格子的遊戲。 請見影片，幫助牢記。 （製作人/知識提供者：家圓）

2026-04-15 聯合報記者馬瑞璿　由聯合新聞網授權轉載 Google今（15）日宣布，今年初在美國推出的「個人化智慧服務」（Personal Intelligence），今日起正式在台灣推出。 Google指出，個人化智慧服務能安全連結Gmail、Google相簿等應用程式資訊，使用者可以完全掌控要連結哪些應用程式，且只需要一鍵就能連結 Gmail、相簿、YouTube 和搜尋等服務。 「個人化智慧服務」擁有跨複雜來源的邏輯推理能力，以及從電子郵件、相片等特定來源擷取細節以回答問題的能力，Gemini能結合這些資訊，跨越文字、相片和影片，提供更貼近個人的回應。 舉例來說，當你規劃端午連假前往澎湖旅遊時，只需詢問Gemini，它就可以整理Gmail中的訂單資訊，結合相簿中的收藏與YouTube的觀看紀錄，為你生成完整行程與個人化推薦。 Google表示，打造「個人化智慧服務」時，始終將用戶的隱私權視為核心。連結應用程式的功能預設為關閉，由用戶選擇是否開啟、決定具體要連結哪些應用程式，並且隨時可以將其關閉。啟用後，Gemini會存取用戶的資料來回答特定要求，並執行任務。由於這些資料原本就安全地儲存在Google系統中，用戶不需要將敏感資料傳送到其他地方，就能開始享有個人化的體驗。 Gemini會盡可能標註或說明它從你連結來源中所使用的資訊。如果它沒有標註，用戶可以請它提供更多資訊；如果覺得回覆不符合需求，只要當場糾正它即可。 舉例來說，用戶拍下伴手禮的照片、Gmail中的住宿確認信，以及在YouTube上觀看的影片，僅會被引用於提供該次的回覆。針對敏感主題也設有防護機制，Gemini會盡量避免主動對用戶的健康等敏感資料做出假設，但如果用戶主動詢問，它仍然可以與你討論這些資料。Google也表示，Gemini不會直接使用用戶的Gmail收件匣或Google相簿進行訓練，僅會使用有限的資訊進行訓練。 [joblist_plugin title='104精選【Google】工作機會' url='https://www.104.com.tw/company/ctzow2g' amount='5']

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

本文探討『情境工程 (Context Engineering)』這個在代理 AI 時代下的新名詞，說明它與提示工程 (Prompt Engineering) 的區別與延伸。涵蓋 RAG、記憶、上下文管理、情境修剪、中毒、混淆等核心議題，揭示如何設計更有效率、精準的 AI 上下文策略。 https://medium.com/@jason-kao-blog/代理ai的情境工程-提示工程的新名詞-d0818ce43759

數發部2026年5月最新公布「AI產業人才認定指引3.0」，本次重要更新包括「AI治理素養」與「AI協作與開發」兩項能力，以及新增「推薦學習資源」幫助強化人才AI能力。本文帶你一次看懂AI三大人才類型、必備技能與證照資源推薦，並盤點AI人才職涯發展以及最常見的AI工作機會，幫助找到最適合自己的AI職涯起點。 ※更新日期：2026/05/21 文／《104職場力》 本文目錄（點擊可快速前往） 你屬於哪種AI人才？研究、開發、應用3大類一次看想進入AI領域，5大能力你具備了嗎？AI能力如何認證和提升？新版推薦學習資源、證照整理AI人才職涯發展路徑圖及轉職跨領域建議AI產業人才常見職稱及104工作機會一覽投入AI領域3大建議：要具備哪些核心技術和軟實力？數發部「AI產業人才認定指引」電子書下載 2026.05更新：數發部2026年5月19日發布「AI 產業人才認定指引3.0」，兩項重要更新包括：1.因應2026年1月公布《人工智慧基本法》，新增「AI治理素養」能力，協助人才建立人工智慧應用風險的框架與意識；2.順應Vibe Coding與Agentic AI發展趨勢，新增「AI協作與開發」能力，強化人才與AI工具協作及開發的實務能力。並將指引從企業與求職者、培訓與認證機構參考的共通基準，進一步落實到產業工作場景。 想進入AI領域要做哪些準備？工作上如何認證自己的AI能力？為了協助國內人才掌握AI就業趨勢，數位發展部《AI產業人才認定指引》指出AI產業人才可分為研究、開發、應用3大類型，不論你是工程師、行銷人，還是剛準備跨領域轉職的上班族，都能在AI產業找到自己的角色！ 指引中明確列出AI產業的人才分類、能力架構與專業認證方向，並提供職涯發展路徑及跨域建議。《104職場力》幫大家濃縮重點，整理懶人包，讓你一篇就看懂！ 完整內容請參考數發部【AI產業人才認定指引】：因應AI技術與應用的快速變革，數發部指出，為了協助企業快速識別、應用與培育AI人才，並為個人職涯發展、培訓規劃及專業認證提供明確依據，特別制定本指引。並將隨著產業趨勢持續動態更新指引內容，強化AI人才標準與產業需求接軌。● 下載數發部《AI產業人才認定指引》（115年5月）>>● 數發部AI產業人才認定指引專區>> 延伸閱讀：搶攻12.1萬個AI工作！104運用AWS技術推「AI人才就緒計畫」目標首年培育逾3萬人 你屬於哪種AI人才？研究、開發、應用3大類一次看 根據指引定義，AI產業人才是指具備人工智慧相關知識、技能與能力，並在各行各業中，從事人工智慧相關之技術研究、開發、應用、管理，或使用AI工具於生產、服務或行政管理相關工作流程的從業人員。 指引依據產業應用現況和專家建議，將AI產業人才分為「AI應用人才」、「AI開發人才」、「AI研究人才」等3大類別： AI研究：AI技術的源頭，從事AI基礎研究與發表論文。 AI開發：AI技術的實現者，負責訓練出新的AI模型或開發新的AI應用工具。 AI應用：AI應用的使用者，將AI應用於各行各業，使用AI工具提高生產力。 AI產業人才分為3大類：AI研究、AI開發、AI應用（資料來源／AI產業人才認定指引） 本文整理將聚焦於「AI開發人才」及「AI應用人才」的相關資訊，包括AI認證資源、AI人才常見職缺及最新工作機會，還有職涯發展路徑，提供有意求職轉職、或即將進入職場的新鮮人參考！ 想進入AI領域，5大能力你具備了嗎？ 依據產業現況，指引列出「AI開發人才」及「AI應用人才」所需的5大類核心能力。（詳細說明請見下表） AI應用人才：要能使用現有AI工具，提升執行中工作的生產力、管理能力、行政效率、加速流程、縮短時效與產生企業價值的能力。所需的能力類型包括「AI應用素養」、「AI工具應用」及「AI協作與開發」能力，將其應用於行銷、製造、醫療、教育、法律、金融等不同領域。 AI開發人才：需具備數學、機率、電腦科學相關知識背景，其內涵不僅限於模型開發，更關注將AI技術落實於產品和服務，所需的能力包括「AI程式語言應用」、「AI模型訓練」與「AI服務開發」。 AI產業人才5大類能力類型、11細項 人才類別能力類型細項能力說明AI應用人才AI應用素養AI素養瞭解AI基本知識、道德倫理、應用及限制AI治理素養能瞭解AI衍生的AI系統、人機互動、社會衝擊等風險AI工具應用文書應用能用AI工具進行文字內容產生、修改、翻譯及整理圖文應用能用AI工具進行圖像內容產生、擷取與修改影像應用能用AI工具進行影像內容產生、擷取與修改音源應用能用AI工具進行音源內容產生、擷取、翻譯及整理自動化應用能使用AI代理或相關自動化工具，實現工作流程自動化AI程式語言應用AI協作與開發能以自然語言引導AI協作撰寫程式AI開發人才程式應用能使用AI輔助程式開發AI模型訓練AI模型訓練能用模型訓練和學習（如ML、RL）等工具、技術及方法，訓練AI模型AI服務開發NLP/LLM/CV工程能用NLP、LLM、CV工具，結合AI工作流或提出新服務 11項AI能力類型對應哪些工具應用？相關AI工具資源參考 能力類型參考工具AI素養台灣人工智慧學校、Meta AI、好好用AI素養計畫AI治理素養EU Artificial Intelligence Act、NIST AI RMF、ISO 42001、AI literacy frameworkAI文書應用ChatGPT、Copilot、Gemini、ClaudeAI圖文應用Midjourney、Canva、Adobe FireflyAI影像應用Runway、ideogramAI音源應用ElevenLabs、MURF AIAI自動化應用n8n、Zapier、Power AutomateAI協作與開發Lovable、Claude、n8nAI程式應用GitHub Copilot、CursorAI模型訓練TensorFlow、PyTorch、scikit-learn、Amazon SageMaker、Azure AI Foundry、Vertex AINLP/LLM/CV工程OpenAI、Hugging Face、OpenCV、MediaPipe AI能力如何認證和提升？新版推薦學習資源、證照整理 清楚AI人才需要具備的關鍵能力後，想學習或提升相關AI能力，可以參考數位產業署官網提供的相關培訓課程及AI能力認證內容，並透過相關資源來強化自己的AI競爭力。 以下整理素養類、工具類及專案類3種AI認證資源。 AI產業能力認證參考：素養類 AI素養類認證主要為「建立AI基本認知與倫理觀念」，著重培養非技術背景者對AI的理解與應用概念，不要求實作能力或程式操作。相關認證包括：經濟部iPAS AI應用規劃師、資策會生成式AI能力認證、AIA的AI素養級認證等。 點擊「認證名稱」可查看更多認證資訊及歷屆試題資源： 國際AI素養認證名稱辦理單位AI-901:Azure AI FundamentalsMicrosoftAWS Certified AI PractitionerAWS 國內AI素養認證名稱辦理單位iPAS AI應用規劃師初級經濟部產業發展署AI 素養級認證台灣人工智慧學校AI 工程級認證：LLM 的行政任務應用台灣人工智慧學校生成式AI能力認證財團法人資訊工業策進會人工智慧工程素養認證財團法人資訊工業策進會AI+ 行銷科技專業人員財團法人資訊工業策進會TQC生成式AI應用與技術（實用／進階／專業）財團法人中華民國電腦技能基金會TQC人工智慧應用與技術（實用／進階／專業）財團法人中華民國電腦技能基金會EEC企業電子化人工智慧應用師財團法人中華民國電腦技能基金會 AI產業能力認證參考：工具類 AI工具類認證聚焦在「熟悉並應用AI工具完成任務」，要求能使用特定AI平台、工具或模型進行應用實作。常見任務例如影像生成、資料自動化分析、ChatGPT應用等，適合企業內部技能轉型或職能補強。 點擊「認證名稱」可查看更多認證資訊及歷屆試題資源： 國際AI工具應用認證名稱辦理單位NVIDIA Certified Associate: Multimodal Generative AINVIDIANVIDIA Certified Associate: Generative AI & LLMsNVIDIA 國內AI工具應用認證名稱辦理單位iPAS AI應用規劃師中級經濟部產業發展署生成式AI美術設計能力認證初級財團法人資訊工業策進會生成式AI美術設計能力認證中級財團法人資訊工業策進會生成式AI辦公室應用能力認證財團法人資訊工業策進會TQC+ GenAI 輔助資料擷取與分析 Python中華民國電腦技能基金會 AI產業能力認證參考：專案類 專案類認證聚焦在「具備完成AI專案的實戰能力」，對應如資料工程師、機器學習工程師等技術職務。用於評估技術人員是否具備立即上手企業AI任務的能力。包括：IBM AI Engineering Professional Certificate、AI-103: Azure AI Engineer Associate等。 點擊「認證名稱」可查看更多認證資訊及歷屆試題資源： 國際AI服務開發認證名稱辦理單位AWS Certified Generative AI Developer - ProfessionalAWSAI-103: Azure AI Engineer AssociateMicrosoft 國際AI模型訓練認證名稱辦理單位AWS Certified Machine Learning Engineer (Associate)AWSAWS Certified Machine Learning (Specialty)AWSIBM AI Engineering Professional CertificateIBMGoogle Cloud Professional Machine Learning EngineerGoogle Cloud 認證名稱辦理單位TQC＋人工智慧：機器學習財團法人中華民國電腦技能基金會 104學習－課程推薦： AI資料科學家全方位學程（緯育） AI醫學影像分析實作直播學程（緯育） AI學習資源專區｜AWS免費課程系列，完課自動同步學習紀錄到履歷表！ 更多認證及培訓課程資訊，可至數位產業署官網查詢參考最新附表：AI產業人才認定指引專區 AI人才職涯發展路徑圖及轉職跨領域建議 不同科技背景的人，想成為3大類AI人才，職涯路徑要怎麼走？《AI產業人才認定指引》提供一份「AI人才職類與發展路徑圖」，整理「理工相關科系」及「其他科系」發展成為3大類AI人才（AI應用／開發／研究）的可能路徑。 資料來源：數發部《AI產業人才認定指引》 1. 以「AI應用人才」為例： 適合非理工背景，包括來自商管、行銷、設計等，或具備跨領域行動力者，可以透過學習AI工具的使用及AI素養，將AI應用於自身專業領域。 職涯發展路徑：AI工具使用能力與素養→AI加值型／AI導入型→AI產品經理 →AI應用人才跨域指引：未來若想轉向開發，需補足軟體工程及演算法知識，可跨域至「軟／硬體工程師」路徑。 2. 以「AI開發人才」為例： AI開發人才有2條主要的發展路徑：AI工程師、資料專業人員，共同負責AI系統的建構和資料驅動。 AI工程師路徑：軟／硬體工程師→AI工程師→AI技術主管／AIOps工程師。 → 轉資料途徑：若軟／硬體工程師或AI工程師對資料品質、資料策略有興趣，可加強統計學和資料治理知識，跨域至「資料科學家」路徑。→ 轉管理途徑：AI工程師或技術主管若具備良好溝通與領導力，可轉向「AI產品經理」或更高階的技術管理職位。 資料專業路徑：資料分析師→資料科學家。 → 轉工程師途徑：資料科學家補足軟硬體工程技術後，也可以轉向「AI工程師」途徑。 3. 以「AI研究人才」為例： 職涯發展路徑為：深入數學／統計、演算法研究→AI科學家／研究員→研發主管 → 跨域指引：AI科學家／研究員的成果是應用源頭，若能理解市場需求，可將研究成果轉化為實際產品。可跨域與「AI專案產品管理」合作，或轉向至該路徑。 AI產業人才常見職稱及104工作機會一覽 AI應用人才常見職稱及專業技能 《AI產業人才認定指引》指出，目前AI應用人才的職稱命名仍具有彈性和過渡性，需要依照產業特性和職務內容來判斷。以下整理參考職稱、角色定位、專業技能及最新工作機會。 點擊職稱或工作機會，可查看職缺： 參考職稱角色定位工作機會既有職稱（行銷專員、行政助理、人資專員等）AI工具的高效終端使用者和應用者看職缺>AI應用規劃師AI導入顧問流程優化專員協助企業規劃導入AI的數位轉型流程看職缺>AI產品經理技術與業務的橋樑，推動AI專案執行看職缺>資料標註師連接原始數據與AI模型理解的橋樑看職缺>資料分析師轉譯數據為可執行的洞察，支援AI導入成效評估與商業優化決策看職缺> 1. 既有職稱（行銷專員、行政助理、人資專員等） 角色定位：AI工具的高效終端使用者和應用者 核心職責：於既有職務範圍內，透過熟練使用既有AI工具、應用程式或軟體，來提升個人工作效率、優化工作成果、輔助決策或拓展創意。 專業技能：核心專業仍是其原本的職務領域，此外對AI工具具備理解與判斷，熟悉多種AI工具的操作、Prompt編寫能力、生成式應用技巧。 工作機會：行銷專員、行政助理、人資專員、看更多應用AI工具職缺> [joblist_plugin title='更多104【應用AI工具】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E5%B7%A5%E5%85%B7&order=15' amount='1'] 2. AI應用規劃師／AI導入顧問／流程優化專員 角色定位：協助企業規劃導入AI的數位轉型流程 核心職責：建構AI導入藍圖、評估痛點與效益、推動變革管理、企業訪談、現況盤點、需求分析、技術評估與導入建議。 專業技能：商業策略思維、資料治理、AI趨勢與工具理解、跨域分析、商業架構、數位工具評估與推進能力。 工作機會：AI應用規劃師、AI導入顧問、流程優化專員、看更多AI應用規劃職缺> [joblist_plugin title='更多104【AI應用規劃】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=ai%E6%87%89%E7%94%A8%E8%A6%8F%E5%8A%83&order=15' amount='1'] 3. AI產品經理 角色定位：技術與業務的橋梁，推動AI專案執行 核心職責： 整合使用者需求與AI功能，設計應用情境與流程，與技術團隊協作落地應用。 負責規劃與管理以AI驅動產品或服務的設計、開發與市場導入，常需與技術、設計與業務單位密切合作。 專業技能：商業分析、AI應用理解、需求分析、技術溝通 工作機會：看更多AI產品經理職缺> [joblist_plugin title='更多104【AI產品經理】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E7%94%A2%E5%93%81%E7%B6%93%E7%90%86&order=15' amount='1'] 4. 資料標註師 角色定位：連接原始數據與AI模型理解的橋樑 核心職責： 根據專案要求和標註規範，對文本、圖像、音訊、影片等各類型原始數據進行清洗、標註與分類。 確保標註數據的準確性和一致性，作為AI模型訓練的基礎。 識別數據中的潛在問題（如偏見、不足），並進行反饋。 專業技能：專案基礎領域知識與數據理解、標註工具操作、重複性工作效率與抗壓性 工作機會：看更多AI標註職缺> [joblist_plugin title='更多104【AI標註】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E6%A8%99%E8%A8%BB&order=15' amount='1'] 5. 資料分析師（介於AI應用與AI開發之間） 角色定位：轉譯數據為可執行的洞察，支援AI導入成效評估與商業優化決策 核心職責：運用資料分析工具與統計方法，進行資料整理與清洗、探索性資料分析、視覺化報表製作、KPI指標追蹤、洞察報告撰寫、跨部門需求溝通、支援策略分析與AI導入績效評估。 專業技能：SQL、Excel、Tableau、Power BI、統計分析、Python/R（進階）、資料視覺化、問題拆解與商業邏輯思維 工作機會：看更多AI數據分析職缺> [joblist_plugin title='更多104【AI數據分析】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E6%95%B8%E6%93%9A%E5%88%86%E6%9E%90&order=15' amount='1'] AI開發人才常見職稱及專業技能 AI開發人才常見職稱，在不同公司或組織也可能會有所差異。例如，「AI工程師（AI Engineer）」是最常見的職稱，泛指負責建構AI系統的人員。以下整理參考職稱、角色定位、專業技能及最新工作機會。 常見職稱角色定位工作機會自然語言處理（NLP）工程師專注於開發能夠理解和生成或人類語言的AI系統看職缺>大型語言模型（LLM）工程師專注於設計、開發與調校大型語言模型（LLM），使其能夠理解、生成並應用人類語言於各種場景中看職缺>電腦視覺（CV）工程師專注於開發能夠理解和分析圖像與影片的AI系統看職缺>機器學習（ML）工程師AI領域的核心角色，專注於設計、開發、訓練和部署機器學習模型看職缺>資料科學家擅長從巨量資料中提取有價值的洞察，並利用這些洞察為企業提供決策支持。看職缺> 1. 自然語言處理（NLP）工程師 角色定位：專注於開發能夠理解和生成或人類語言的AI系統。 核心職責： 運用NLP技術，實現文本分析、語言識別、機器翻譯、聊天機器人等功能。 廣泛應用於客服、輿情分析、內容生成等領域。主要工作在於使AI可以理解以及生成類人類的語言。 專業技能： 熟悉NLP相關演算法和技術（如詞向量、語言模型、transformer）。 熟練使用NLP函式庫（如NLTK、spaCy）。 具備深度學習框架的使用經驗。 大型語言模型 (LLM) 工程師 工作機會：看更多NLP相關職缺> [joblist_plugin title='更多104【NLP】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=NLP&order=15&page=4&jobcat=2007000000' amount='1'] 2. 大型語言模型 (LLM) 工程師 角色定位：專注於設計、開發與調校大型語言模型（LLM），使其能夠理解、生成並應用人類語言於各種場景中。 核心職責： 負責建置與優化語言模型架構（如Transformer），訓練與微調模型以符合特定應用需求，並解決模型生成偏誤、知識更新等問題。 應用範圍包含智慧客服、知識問答、語意理解、內容生成、程式輔助撰寫等，也需參與模型部署與效能評估。 專業技能： 熟悉自然語言處理技術與演算法（如詞嵌入、命名實體辨識、語意分析、知識蒐集）。 精通語言模型架構（如GPT、BERT、T5）與其訓練原理，熟練使用深度學習框架。 具備資料清洗、標註與語料管理能力，並能處理多語言或特定領域語料。 工作機會：看更多LLM相關職缺> [joblist_plugin title='更多104【LLM】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=LLM&order=15&jobsource=blog&page=1&jobcat=2007000000' amount='1'] 3. 電腦視覺（CV）工程師 角色定位：專注於開發能夠理解和分析圖像與影片的AI系統。 核心職責： 運用圖像處理和深度學習技術，實現圖像識別、物件檢測、影像分割等功能。 廣泛應用於自動駕駛、安全監控、醫療影像分析等領域。主要工作在於開發出讓電腦可以辨識圖像，以及影片的相關應用。 專業技能： 熟悉圖像處理和深度學習演算法。 熟練使用電腦視覺函式庫（如OpenCV）。 具備深度學習框架的使用經驗。 工作機會：看更多電腦視覺相關職缺> [joblist_plugin title='更多104【電腦視覺】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=CV+%E9%9B%BB%E8%85%A6%E8%A6%96%E8%A6%BA&order=15&page=2&jobcat=2007000000' amount='1'] 4. 機器學習（ML）工程師 角色定位：AI領域的核心角色，專注於設計、開發、訓練和部署機器學習模型。 核心職責： 研究各式機器學習演算法，並利用演算法解決商業問題。 透過大量數據處理與特徵工程，持續優化模型以提升性能。主要工作在於利用機器學習，使得AI應用可以達成預期的目標。 專業技能： 精通機器學習演算法（如監督式學習、非監督式學習、強化學習）。 熟練使用機器學習框架，具備資料處理和分析能力。 工作機會：看更多機器學習相關職缺> [joblist_plugin title='更多104【機器學習】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92+ML&order=15&page=1&jobcat=2007000000' amount='1'] 5. 資料科學家 角色定位：擅長從巨量資料中提取有價值的洞察，並利用這些洞察為企業提供決策支持。 核心職責： 運用統計分析、機器學習和資料可視化等技術，探索資料中的模式和趨勢。 需具備良好的商業理解能力，能夠將資料分析結果轉化為可執行的商業建議。主要工作在於分析資料，並且產出具有價值的資訊，輔助企業做出正確判斷。 專業技能： 精通統計分析和機器學習演算法。 熟練使用資料分析工具（如Python、SQL）。 具備資料視覺化和報告撰寫能力。 工作機會：看更多資料科學家職缺> [joblist_plugin title='更多104【資料科學家】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&page=1&jobcat=2007001021' amount='1'] 投入AI領域3大建議：要具備哪些核心技術和軟實力？ 對於有興趣投入AI領域發展的人，《AI產業人才認定指引》最後給出3個建議：1.根據個人興趣及專業背景選擇自己的AI職涯起點（參考AI人才職涯發展路徑圖），2.需具備核心技術基礎、3.培養關鍵軟實力和終身學習態度。 其中列出的4個核心技術基礎，對AI開發人才和AI研究人才來說是必備的；至於AI應用人才雖不要求具備開發能力，但若能對於基礎知識有一定了解，將能更有效運用AI工具，與技術團隊的溝通協作也會更順暢。 程式語言： 專精Python，並熟悉其在AI領域的函式庫（如NumPy, Pandas, Scikit-learn, TensorFlow/PyTorch）。 數學與統計：掌握線性代數、微積分、機率統計，是理解AI模型運作的基礎。 資料基礎：理解數據庫（SQL）、資料清洗、資料前處理、資料可視化等基本技能。 軟體工程：熟悉版本控制（Git）、基礎軟體開發流程。 而在軟實力方面，不論選擇哪種AI職涯都需具備以下能力： 解決問題能力：能分析問題、提出解決方案並有效執行 溝通協作能力：AI專案通常需跨部門協作，溝通要清晰有效 批判性思維與創新：不盲從、敢於質疑，並能提出創新想法 適應變化與終身學習：AI技術發展訊續，需保持好奇心，持續學習新知和新工具 專案實戰：透過參與開源專案、Kaggle競賽、校內外專案或實習，累積經驗並建立作品集 數發部「AI產業人才認定指引」電子書下載 本文由《104職場力》整理重點懶人包，完整內容請參考數發部《AI產業人才認定指引》： 【電子書下載】AI產業人才認定指引(115年5月)下載 （資料來源：數發部AI產業人才認定指引）