104學習

104人力銀行 / 力麗科技股份有限公司 / 【數位智能服務事業部】前端軟體開發工程師 / 符合度分析
【數位智能服務事業部】前端軟體開發工程師 力麗科技股份有限公司
履歷符合度:
登入計算

性格適合度:

職缺要求技能

未具備

JavaScript

測驗

HTTP

人工智慧

測驗

API

SQL Server

測驗

vue.js

TypeScript

已具備

Python

測驗

Github

測驗

PostgreSQL

測驗

tensorflow

測驗

軟體工程

英文

PyTorch

測驗
有已符合的經歷忘了填寫嗎?記得定期 更新履歷

學習推薦

詹翔霖

商學院兼任副教授

3小時前

知識管理與學習型組織 高苑科技大學企管系 管理學
第十章 知識管理與學習型組織(Knowledge Management & Learning Organization)高苑科技大學企管系 管理學
本章學習目標
修習完本章後,學生應能:
1. 說明知識管理與學習型組織的概念與重要性
2. 掌握知識管理流程與工具
3. 了解組織如何建立學習文化
4. 認識現代知識與學習型組織趨勢
第一節 知識管理的概念
一、知識管理定義
知識管理(Knowledge Management, KM)是指組織系統化收集、整理、分享與運用知識,以提升績效與創造價值的管理活動。
核心概念:
• 知識(Knowledge) = 資訊 + 經驗 + 判斷
• 顯性知識(Explicit Knowledge):書面文件、報告、流程
• 隱性知識(Tacit Knowledge):個人經驗、技能、直覺
二、知識管理的重要性
1. 提升組織決策品質
2. 促進創新與變革
3. 降低知識流失風險(如人員離職)
4. 提高效率與競爭力
第二節 知識管理流程
一、知識創造(Knowledge Creation)
• 透過學習、研發、經驗累積產生新知識
• 例子:專案反思、研討會、跨部門討論
二、知識儲存(Knowledge Storage)
• 將知識系統化存放以便查詢
• 工具:資料庫、文件管理系統、雲端平台
三、知識分享(Knowledge Sharing)
• 促進員工與部門間的知識流通
• 方法:
o 社群平台、內部論壇
o 教育訓練、知識講座
o 導師制度與跨部門協作
四、知識應用(Knowledge Application)
• 將知識轉化為決策、流程或創新
• 例子:利用過往經驗優化生產流程、改善顧客服務
第三節 知識管理工具與技術
1. 企業資源規劃系統(ERP):整合財務、庫存、人力資源資訊
2. 知識管理系統(KMS):儲存、搜尋與分享組織知識
3. 協作平台與社群工具:Slack、Teams、Miro
4. 資料分析與人工智慧:挖掘隱性知識,支持決策
第四節 學習型組織的概念
一、學習型組織定義
學習型組織(Learning Organization)是指能持續學習、反思、適應環境,並將知識轉化為組織能力的組織。
代表人物:彼得‧聖吉(Peter Senge)
二、學習型組織五項學習能力(五大紀律)
1. 系統思考(Systems Thinking)
o 將組織視為整體系統,理解各部分間互動
2. 個人掌握(Personal Mastery)
o 鼓勵員工持續學習與自我成長
3. 心智模型(Mental Models)
o 反思與挑戰舊有假設與觀念
4. 共同願景(Shared Vision)
o 組織成員共享願景與目標
5. 團隊學習(Team Learning)
o 透過團隊合作達成知識共享與創新
第五節 建立學習型組織的策略
1. 創造學習文化:鼓勵試錯與知識分享
2. 制度化學習流程:如定期工作坊、反思會議
3. 資訊與技術支持:建置知識庫、數據分析系統
4. 領導支持與榜樣作用:高層重視學習與創新
5. 跨部門合作與知識網絡:促進內部協同學習
第六節 現代趨勢
1. 數位化與智慧化學習:線上課程、AI 推薦學習資源
2. 社群式學習(Community Learning):員工間互相學習與知識交流
3. 知識管理與創新整合:知識應用於創新與策略決策
4. 全球學習型組織:跨國知識流通與最佳實踐分享
看更多
0 0 24 0
【104職場力】

03/02 01:00

0 0 475 0
詹翔霖

商學院兼任副教授

02/28 23:59

組織行為學總結與未來趨勢 高苑科技大學企管系 組織行為學
第十八章 組織行為學總結與未來趨勢 高苑科技大學企管系 組織行為學
一、組織行為學的核心概念回顧
組織行為學(Organizational Behavior, OB)研究個人、團隊與組織在工作環境中的行為與互動。核心概念包括:
1. 個人層面
o 動機、態度、價值觀、人格、情緒與壓力管理
2. 團隊層面
o 團隊動力、領導、衝突、溝通與協作
3. 組織層面
o 組織文化、結構、變革、創新與績效管理
教學提示:組織行為學強調理論與實務結合,為管理決策提供科學依據。
________________________________________
二、關鍵理論與應用總結
層級 核心理論 主要應用
個人 馬斯洛需求層次理論、目標設定理論、認知與情緒理論 動機管理、績效提升、壓力管理
團隊 社會交換理論、團隊角色理論、Thomas-Kilmann衝突模式 團隊協作、衝突管理、溝通策略
組織 Lewin變革模型、Kotter八步驟、平衡計分卡、組織文化理論 組織變革、文化塑造、創新推動、績效管理
實務啟示:
• 理論為管理提供分析框架
• 案例驗證理論在真實組織中的應用
• 成功組織會整合個人、團隊與組織層面的管理策略
________________________________________
三、未來組織行為學趨勢
1. 數位化與人工智慧影響
o 遠距工作、虛擬團隊、AI輔助決策
o 對領導方式、溝通模式與績效管理提出新挑戰
2. 員工幸福感與心理健康
o 工作生活平衡、心理安全、彈性制度成為核心關注
o 組織文化與人本管理的重要性提升
3. 多元化與跨文化管理
o 全球化組織需管理文化差異與多元團隊
o 提升跨文化溝通、包容性領導與團隊績效
4. 創新與敏捷組織
o 組織需快速應對市場變化
o 敏捷管理、開放式創新、雙元創新成為常態
5. 資料導向管理(Data-Driven Management)
o 大數據與分析支援人力資源決策
o 精準招聘、績效評估、員工發展規劃
________________________________________
四、實務案例
案例1:微軟文化轉型與敏捷創新
• 由傳統命令式管理轉型為「成長型心態」(Growth Mindset)文化
• 引入敏捷方法與跨部門合作
分析:
• 結合文化變革、領導力與創新策略
• 提升員工學習能力與產品迭代速度
• 成效:創新成果增加,員工滿意度與組織績效提升
案例2:遠距工作與數位協作
• 多國企業實施遠距工作與虛擬團隊
• 使用AI協作工具與線上回饋系統
分析:
• 個人層面:自主性與自律需求提升
• 團隊層面:溝通與協作模式改變
• 組織層面:績效評估與文化管理調整
• 成效:提高靈活性與員工幸福感,但需管理資訊過載與團隊凝聚力
________________________________________
五、章節小結
1. 組織行為學整合個人、團隊與組織層面理論,提供管理實務科學依據。
2. 理論與實務案例結合,能有效提升組織績效、員工滿意度與創新能力。
3. 未來趨勢包括數位化、人工智慧、心理健康、多元化與敏捷創新,要求組織具備更高適應力。
4. 組織行為學的學習不僅是理論掌握,更需培養分析能力、應變能力與領導力,以應對快速變化的工作環境。
看更多
0 0 132 0
從 Vibe Coding 到 Agentic Engineering:定義 AI 時代的軟體工程新範式
回顧 2025 年,前 Tesla AI 總監 Andrej Karpathy 在社群平台上首次拋出 「Vibe Coding」 這個詞時,精準捕捉了當時開發者的集體情緒。那是一種憑藉自然語言提示、與大型語言模型(LLM)進行即時對話,進而拼湊出程式碼的過程。在那樣的時空背景下,開發者不再逐行撰寫邏輯,而是透過一種「氛圍(Vibe)」與直覺,快速催生出可運作的產品原型。
這種「以直覺替代語法」的模式迅速引爆了工具與新創的開發熱潮。從 AI 原生編輯器到全自動開發平台,資金如潮水般湧入:AI 程式編輯器 Cursor 在去年底完成 D 輪融資,年化收入(ARR)驚人地突破 10 億美元;而歐洲新創 Lovable 則以 66 億美元的估值完成 B 輪融資。
然而,當熱潮退去,我們必須直面一個核心問題:「感覺」能支撐起企業級的軟體工程嗎?
Vibe Coding 的天花板:實驗與專業的鴻溝
在 Vibe Coding 模式下,開發者雖然能獲得極高的初始速度,但這種「黑盒式」的開發卻隱藏著巨大的技術債。
當專案規模擴大,單純依賴單一模型的對話式修補會逐漸失控。生成的代碼可能存在隱蔽的安全漏洞,且缺乏一致性的架構邏輯。Karpathy 指出,當時的模型能力有限,Vibe Coding 多半用於實驗性專案,距離真正的專業軟體工程仍有明顯落差。
隨著 AI 模型能力的進化,我們正進入一個新的階段:Agentic Engineering(智能體工程)。這不僅僅是名稱的變更,更是從「感性驅動」向「理性系統」的範式轉移。
2. 建立品質關卡與審計軌跡
工程化的標誌在於其「可預測性」。在 Agentic Engineering 的框架下,工作流會內建品質關卡(Quality Gates)與自動化測試。這意味著 AI 產出的每一行代碼,都必須通過另一組 AI 代理或既定腳本的審查。這種「半自主系統」具備自我修復與反思的能力,大幅降低了 Vibe Coding 帶來的隨機性風險。
開發者角色的重定義:系統架構師與監督者
這場轉型對軟體工程師而言,是一次技能樹的劇烈重組。開發者的工作重心正發生以下移轉:
定義邊界而非代碼:工程師的核心能力不再是掌握特定程式語言的語法,而是定義系統的輸入輸出契約、安全性約束(Guardrails)以及業務邏輯的邊界。
掌握編排藝術:開發者必須學習如何設計「認知架構(Cognitive Architectures)」,例如如何運用多代理協作模式,讓 AI 能夠處理比以往更複雜、更長期的任務。
從實作者轉向監督者:這是一個將 AI 開發視為企業核心職能的過程。我們不再是即興打造工具的人,而是負責驅動一個可持續擴展、具備自我演進能力的半自主系統。
結語:進入自主開發的新紀元
Vibe Coding 是 AI 帶給我們的一場美夢,它讓我們看見了開發門檻崩塌的可能性;而 Agentic Engineering 則是將這份美夢轉化為工業化現實的必經之路。
正如 Glide 所言,Vibe Coding 代表的是早期工具帶來的震撼,而 Agentic Engineering 則更貼近企業級的實務需求。我們正站在軟體工程新紀元的門檻上——在那裡,人類負責定義願景與紀律,而 AI 代理則在嚴謹的框架下,將願景轉化為穩健的現實。
如果你感覺目前的 AI 開發流程讓你焦慮,或許缺的不是更強的模型,而是一套能駕馭 AI 的開發方法論。
【Vibe Coding 全端架構師養成:ASP.NET Core × AI LLM 企業級實戰】 現在就加入,成為定義規則的人。
想了解更多課程資訊請詳見連結👇
看更多
1 0 155 0
詹翔霖

商學院兼任副教授

02/21 21:22

AI與人生的知識學習
AI與人生的知識學習
知道自己知道
不知道自己知道
知道自己不知道
不知道自己不知道
AI 讓一切變得更快,也更容易。但對正在學習與工作的我們來說,真正困難的,反而是如何不在便利中迷失方向。
我越來越相信,AI 不會淘汰人。
它真正淘汰的,是對學習失去渴望的人。
在這個什麼都能被快速生成的時代,我選擇站在「我還不知道」的那一邊。
因為只要還願意學習,人就仍然走在路上。
當人工智慧成為工作與學習的日常工具,真正拉開差距的,不再是誰用得比較快,而是誰還保有持續學習的能力。
剛開始大量使用 AI 的時候,我其實很興奮。
報告寫得更快、想法整理得更順,很多以前卡很久的問題,幾分鐘就有答案。那一刻,我真心覺得:學習好像變得輕鬆多了。
直到有一天,我突然發現,自己越來越少問「為什麼」。
不是因為沒有疑問,而是因為答案來得太快,快到我來不及懷疑,也懶得深究。那一瞬間,我意識到一件有點可怕的事,我好像正在用效率,換掉學習本身。
後來我想到一個老概念:
知道自己知道、不知道自己知道、知道自己不知道、不知道自己不知道。
它聽起來像哲學,但其實每天都在職場與學習中上演。
會用 AI,很容易;但那只是開始
對很多年輕工作者來說,會用 AI 幾乎已經是基本能力。
懂得下指令、整理資料、生成內容,確實能讓人看起來很有效率。
但我慢慢發現,會用,不等於真的會。
如果只是把問題換個形式交給 AI,而自己不再理解背景、不再判斷結果是否合理,那能力其實沒有成長,只是被暫時遮住了。
AI 很容易讓人誤以為,自己已經站在「知道自己知道」的位置,但實際上,可能只是「用得很順」。
其實,我們比自己想像的更有能力
另一個常被忽略的狀態,是「不知道自己知道」。
很多時候,我們能感覺出一份內容不太對勁、一個決策風險很高,卻說不清理由。那不是不專業,而是因為有些能力,本來就來自經驗、觀察與累積。
在 AI 給出漂亮答案的同時,這些直覺與判斷很容易被忽略,甚至被懷疑。但我越來越確定,它們不是多餘,而是正在成形的專業感。
最重要的能力,是知道自己還差什麼
如果要我說,年輕職場人最值得培養的能力是什麼,我會選「知道自己不知道」。
能夠清楚說出「這我還不懂」、「這我需要再學」,不是扣分,而是加分。那代表你知道自己的位置,也願意往前走。
真正危險的,其實是「不知道自己不知道」——以為有工具就夠了,以為答案等於理解,最後卻在不知不覺中停止成長。
AI 不會讓人變弱,但會放大差距
我越來越相信,AI 不會淘汰年輕人。
它只會加速分開兩種人:
一種是願意持續學習、反覆校正自己理解的人;
另一種是只追求快速完成,卻慢慢失去判斷力的人。
在 AI 成為日常配備的時代,真正的競爭力,或許不是誰會用更多工具,而是誰還保有好奇心,願意為「還不會的部分」付出時間與耐心。
對我來說,承認「我還不會」,不再是一件丟臉的事,那反而是我提醒自己:我還在路上。
看更多
0 0 393 0