104學習

104人力銀行 / Eunodata_御諾資訊股份有限公司 / 軟體開發工讀生 Software Developer Intern (AI) / 符合度分析
軟體開發工讀生 Software Developer Intern (AI) Eunodata_御諾資訊股份有限公司
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

Communication skills

debug

Insights

Leading

Edge

LLM

已具備

Python

測驗

數據分析

測驗

Github

測驗

PostgreSQL

測驗

新產品開發

測驗

tensorflow

測驗

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

104學習

產品

05/04 16:35

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。
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》
看更多
1 0 1292 1
104學習

產品

04/24 17:26

如何請 AI 幫忙產出 Dashboard?從資料整理到圖表設計,一次掌握關鍵問法
在工作中,Dashboard 儀表板已經是許多團隊做決策的重要工具。無論是行銷成效追蹤、課程營運分析、業務銷售管理,或是網站流量觀察,Dashboard 都能幫助我們快速看懂數據變化。
但很多人遇到的問題是:
「我有資料,但不知道該看什麼。」
「我知道想做 Dashboard,但不知道圖表怎麼設計。」
「我想請 AI 幫忙,卻不知道怎麼問才有效。」
其實,AI 不只是幫你畫圖,更適合在 Dashboard 製作前期協助你釐清目標、整理指標、設計版面與產出分析洞察。只要問對問題,AI 可以大幅降低你從零開始做 Dashboard 的門檻。
一、先搞清楚:Dashboard 不是圖表集合,而是決策工具
很多人一開始做 Dashboard,會直接想:
「我要放折線圖、長條圖、圓餅圖。」
但真正好的 Dashboard,不是把很多圖表塞在同一頁,而是幫使用者快速回答問題。
例如:
行銷 Dashboard 要回答的是:
「這個月流量有沒有成長?哪個來源帶來最多轉換?」
課程營運 Dashboard 要回答的是:
「哪些課程最受歡迎?完課率是否正常?學員在哪個階段流失?」
業務 Dashboard 要回答的是:
「本月業績達標了嗎?哪個業務、產品或客戶貢獻最多?」
所以在請 AI 幫忙前,第一個關鍵不是丟資料,而是先說明 Dashboard 的使用目的。
二、第一步:請 AI 幫你定義 Dashboard 目標
你可以這樣問 AI:
我想製作一份 Dashboard,主題是「線上課程營運分析」。
使用對象是營運主管與課程企劃。
目的是每週追蹤課程流量、報名、購買、完課與學員回饋。
請幫我整理這份 Dashboard 應該回答哪些核心問題。
AI 可能會幫你整理出:
1. 本週整體營運表現如何?
2. 哪些課程帶來最多瀏覽與購買?
3. 使用者從瀏覽到購買的轉換是否正常?
4. 完課率與學習參與度是否有下降?
5. 哪些課程需要優先優化?
這一步很重要,因為它會決定後面要看哪些數據、放哪些圖表,以及 Dashboard 的整體架構。
三、第二步:請 AI 幫你整理關鍵指標 KPI
Dashboard 最常見的錯誤,是指標太多、重點不清楚。
你可以請 AI 幫你從目標反推 KPI。
範例 Prompt:
請根據以下 Dashboard 目標,幫我設計適合追蹤的 KPI。
主題:線上課程營運分析
目標:追蹤流量、報名、購買、完課與學員滿意度
使用者:營運主管、課程企劃
請用表格整理:指標名稱、指標定義、計算方式、適合圖表、觀察重點。
AI 可以幫你產出類似這樣的架構:
指標名稱:課程瀏覽量
指標定義:課程頁被瀏覽的次數
適合圖表:折線圖
觀察重點:流量是否成長
指標名稱:報名數
指標定義:免費或付費報名人數
適合圖表:長條圖
觀察重點:哪些課程吸引力高
指標名稱:購買轉換率
指標定義:購買人數 ÷ 瀏覽人數
適合圖表:趨勢圖
觀察重點:是否有轉換下降
指標名稱:完課率
指標定義:完成人數 ÷ 報名人數
適合圖表:橫條圖
觀察重點:課程內容是否留得住人
指標名稱:滿意度
指標定義:問卷或評分平均
適合圖表:儀表圖/卡片
觀察重點:學員回饋是否良好
這時候,你就不只是「做圖」,而是開始建立一套可以協助判斷營運狀況的數據邏輯。
四、第三步:把你的資料欄位交給 AI,請它判斷能做什麼
如果你手上已經有 Excel、CSV 或資料表,可以先把欄位名稱貼給 AI,不一定一開始就要給完整資料。
範例 Prompt:
我有一份課程數據資料,欄位如下:
日期、課程名稱、課程分類、瀏覽量、加入購物車數、購買數、完課人數、課程評分、廣告來源、營收。
請幫我判斷這份資料可以製作哪些 Dashboard 分析區塊,並建議每個區塊適合的圖表。
AI 可能會幫你拆成:
1. 整體營運總覽:瀏覽量、購買數、營收、轉換率
2. 課程表現排行:熱門課程、營收最高課程、完課率最高課程
3. 流量來源分析:不同廣告來源帶來的瀏覽與購買
4. 轉換漏斗分析:瀏覽 → 加入購物車 → 購買
5. 學習品質分析:完課率、評分、學員滿意度
這一步可以幫你快速判斷:現有資料能支援哪些分析,還缺哪些資料。
五、第四步:請 AI 幫你設計 Dashboard 版面
Dashboard 的版面順序也很重要。
通常建議從「總覽」到「細節」,讓使用者先看到最重要的結果,再往下追原因。
你可以這樣問:
請幫我設計一頁式 Dashboard 版面。
主題:線上課程營運分析
使用者:營運主管
請依照「由上到下」的閱讀順序,安排每個區塊、圖表類型與呈現重點。
AI 可以產出這樣的版面建議:
第一層:核心指標卡片
放在最上方,快速看到本週狀況:
總瀏覽量
總購買數
總營收
平均轉換率
平均完課率
第二層:趨勢變化
用折線圖觀察:
每日瀏覽量趨勢
每日購買數趨勢
每日營收趨勢
第三層:課程排行
用長條圖或表格觀察:
瀏覽量最高課程
購買數最高課程
營收最高課程
完課率最低課程
第四層:轉換漏斗
用漏斗圖觀察:
瀏覽
加入購物車
購買
完課
第五層:異常提醒與行動建議
請 AI 幫忙產出:
哪些指標異常?
哪些課程需要優化?
下週建議追蹤什麼?
六、第五步:請 AI 幫你產出圖表建議與分析文字
Dashboard 不只要有圖,還要能解釋圖。
你可以請 AI 幫你把數據轉成「主管看得懂的分析摘要」。
範例 Prompt:
以下是本週 Dashboard 數據:
瀏覽量 50,000,較上週成長 12%;
購買數 1,200,較上週下降 5%;
營收 180 萬,較上週成長 3%;
完課率 42%,較上週下降 8%。
請幫我產出一段 Dashboard 分析摘要,包含:主要發現、可能原因、建議行動。
AI 可能會產出:
本週課程瀏覽量較上週成長 12%,代表流量導入表現良好,但購買數下降 5%,顯示流量成長尚未有效轉換為購買。營收仍小幅成長 3%,可能與高單價課程銷售增加有關。不過,完課率下降 8%,需進一步檢視課程內容長度、學員學習動機與提醒機制。建議下週優先分析流量來源品質、課程頁轉換設計,以及完課率下降較明顯的課程。
這類文字很適合放在 Dashboard 頁面旁邊,或用在週報、月報裡。
七、可以直接使用的 AI Prompt 模板
模板一:從零開始規劃 Dashboard
我想製作一份 Dashboard,主題是【請填主題】。
使用對象是【請填對象,例如主管、營運、行銷、業務】。
主要目的是【請填目的,例如追蹤成效、找出異常、輔助決策】。
請幫我規劃這份 Dashboard:
1. 應該回答哪些核心問題
2. 適合追蹤哪些 KPI
3. 每個 KPI 的定義與計算方式
4. 適合使用哪些圖表
5. 建議的版面配置
模板二:根據資料欄位設計 Dashboard
我有一份資料,欄位包含:
【貼上欄位名稱】
請根據這些欄位,幫我設計一份 Dashboard。
請包含:
1. 可分析的主題
2. 建議的分析區塊
3. 每個區塊適合的圖表
4. 可以產出的洞察
5. 還缺少哪些資料欄位
模板三:請 AI 幫你做 Dashboard 分析摘要
以下是 Dashboard 數據:
【貼上數據】
請幫我產出一段主管簡報用的分析摘要。
請包含:
1. 本期主要發現
2. 與上期相比的變化
3. 可能原因
4. 需要注意的異常
5. 下一步行動建議
模板四:請 AI 幫你檢查 Dashboard 是否好用
以下是我規劃的 Dashboard 架構:
【貼上 Dashboard 區塊與圖表】
請幫我檢查這份 Dashboard 是否適合給【使用對象】使用。
請從以下角度給我建議:
1. 指標是否太多或太少
2. 圖表類型是否合適
3. 閱讀順序是否清楚
4. 是否能支援決策
5. 有哪些可以簡化或優化的地方
八、請 AI 做 Dashboard 時,最常見的 5 個錯誤
1. 只說「幫我做 Dashboard」,沒有說明目的
AI 需要知道這份 Dashboard 是給誰看、用來做什麼決策。
不同使用者需要的指標會完全不同。
2. 指標太多,沒有主次
Dashboard 不是資料倉庫。
建議先抓 5 到 8 個核心指標,再依需求展開細節。
3. 只做圖表,沒有分析結論
好的 Dashboard 應該讓人看完後知道「接下來要做什麼」。
可以請 AI 加上洞察、異常提醒與行動建議。
4. 沒有定義指標計算方式
例如「轉換率」到底是購買數 ÷ 瀏覽量,還是購買數 ÷ 加入購物車數?
如果定義不清楚,Dashboard 很容易造成誤判。
5. 沒有考慮資料更新頻率
有些 Dashboard 適合每日更新,有些適合每週或每月更新。
請 AI 設計時,也可以一併指定更新頻率。
九、結語:AI 不是只幫你畫圖,而是幫你建立數據思考流程
請 AI 幫忙產出 Dashboard,最重要的不是工具,而是問法。
你可以把 AI 當成一位數據顧問,請它協助你完成:
從「我要看什麼」
到「我要追哪些指標」
再到「我要用什麼圖表呈現」
最後到「我該根據數據採取什麼行動」。
只要能把目的、對象、資料欄位與決策需求說清楚,AI 就能幫你把模糊的數據需求,轉換成一份更有邏輯、更容易閱讀,也更能支援決策的 Dashboard。
看更多
1 0 5069 0
C# ASP.NET CORE X 智能體工程 開發實戰線上課
過去幾個月,「Vibe Coding」與「Agentic Engineering」正在重塑矽谷的開發邏輯。軟體開發正從「手工業」轉向「指揮官模式」。
身為開發者,你是要繼續在語法細節中掙扎,還是要領先成為學會指揮 AI 智能體(Agent)作戰的架構師?
X School 再次突破業界框架,帶來【全台首創】的實戰課程。
我們不只單純教Vibe Coding,
更要帶你掌握智能體工程開發精髓。
將特斯拉前 AI 主管倡導的開發思維,深度植入日常的專案開發。
這不是實驗,這是即將發生的產業革命。
🚀 為什麼這堂課值得學習?
✨全台首創: 唯一整合 Vibe Coding 與智能體工程(Agentic Engineering)的系統化課程。
✨拒絕黑盒: 解決 AI 隨機生成的技術債,掌握可驗證、可管理的開發流程。
✨實戰導向: 從 建立 AI 協作開發思維、精通 AI 驅動的 SQL 資料庫技術、掌握最新 AI Coding 工具、開發具備執行力的 AI Agent 核心、實現 OCR 企業進銷存自動化到打造全天候 Line Bot 智能助理,5 件成品帶你直接對接產業需求。
✨小班精修: 為了確保教學品質,本班上限僅 15 人。
AI 不會取代工程師,但會取代不會用 AI 開發的工程師。
【60 小時掌握 AI 核心實力】
👉早鳥優惠實施中,現省 NT$14,400
👉名額僅 15 位,我們只留給最渴望掌握未來技術的人。
🔥 手刀搶佔先機,成為企業爭奪的頂尖人才!
立即報名👇
看更多
1 0 1499 0
職場力:提升職場競爭力

小編

04/21 10:10

Claude Design是什麼?用說的就能出設計稿
Anthropic上週最新推出了Claude Design,你試用過了嗎?我們用NotebookLM幫大家整理了一個快速介紹影片,一起來看看👆
簡單說,Claude Design讓你用自然語言描述需求,就能生成可以點擊的互動原型、簡報、行銷素材,而且輸出的是真的可以操作的網頁雛型。
如果你是PM、設計師,或常常需要在會議前生出一個「示意版本」的人,值得花幾分鐘了解一下。
目前Pro / Max / Team方案開放研究預覽版,免費版尚未開放,如果你已經是Claude重度使用者,不妨現在就體驗看看!
想知道怎麼操作、費用怎麼算,以及Anthropic 設計師的使用心得?完整整理在這篇 👇 https://blog.104.com.tw/claude-design-ai/?utm_source=104&utm_medium=104nabi_aiclassroom
看更多
2 0 2450 0
104學習

產品

04/20 08:00

AI學不完、工具看不懂?上班族的 AI 焦慮,不一定是壞事
當 AI 從科技新聞走進日常工作,愈來愈多上班族開始感受到一種新的職場壓力:明知道 AI 很重要,卻不知道該從哪裡開始學;想跟上趨勢,又怕自己學得太慢、用得不夠好。
這種焦慮,其實正成為許多職場工作者的共同心情。
只是,面對 AI,真正該解決的也許不是「我還不夠強」,而是「我能不能找到適合自己的學習節奏」。AI 時代需要的,不是每個人都變成技術專家,而是學會如何把工具變成工作助力。
為什麼 AI 讓上班族特別容易焦慮?
AI 帶來的焦慮,並不只是因為工具難學,而是它同時牽動了上班族對未來工作的想像與不安。
一方面,企業開始重視 AI 能力,市場也不斷強調 AI 素養的重要性;另一方面,多數上班族本來就已經被工作、績效、會議與生活壓得喘不過氣,很難再騰出完整時間從頭學習。當「學 AI」被視為一種不能不做的事,壓力自然就放大了。
更現實的是,AI 更新速度太快。今天大家在學聊天機器人,明天又開始討論簡報生成、自動化流程、影音製作與研究整理工具。資訊愈多,反而愈容易讓人陷入一種無力感:工具這麼多,我到底該先學哪個?
多數人的焦慮,來自怕自己跟不上
不少上班族對 AI 的不安,並不完全是因為不會使用,而是擔心自己來不及。
社群平台上,常常充滿別人用 AI 提升效率、快速完成工作的案例。看久了,很容易產生一種錯覺:是不是大家都已經很熟,只有自己還停在原地?
但事實上,很多人也都還在摸索。只是社群習慣呈現成果,不會呈現卡關與試錯的過程。你看到的是別人整理好的答案,卻沒有看見他們前面花了多少時間摸索。
所以,AI 焦慮某種程度上不是能力問題,而是比較帶來的壓力。當你把焦點放在「別人會多少」,就很容易忽略自己其實只是還沒找到最適合的起點。
AI 時代,不是學最多的人最有優勢
很多人一提到 AI,就會直覺認為自己必須懂很多工具、追很多新知、熟悉很多名詞,才算有競爭力。
但對大多數上班族來說,真正重要的從來不是「知道多少」,而是「能不能用得上」。
企業不一定在意你有沒有追到最新工具名稱,卻會在意你能不能把 AI 轉化成實際成果。例如更快整理資料、更有效率地產出內容、更清楚地撰寫提案、更順暢地處理日常溝通。換句話說,AI 能力不一定等於技術深度,更常是工作應用能力。
也因此,上班族其實不需要一開始就什麼都學。比起追著工具跑,更重要的是先回頭看:自己工作中最常卡住、最耗時、最需要優化的是哪一段流程。
面對 AI 學習焦慮,先從工作痛點開始
如果一開始就從熱門工具出發,很容易學到一半就失去方向。因為你可能知道工具很多功能,卻不知道它和自己的工作到底有什麼關係。
比較有效的方法,是直接從工作痛點出發。
例如,常常要寫文案的人,可以先學 AI 的發想、改寫與摘要能力;經常需要開會的人,可以先學如何用 AI 協助整理會議重點;常常做報告、寫企劃的人,也可以先練習讓 AI 協助架構內容、整理重點與修飾表達。
當 AI 能立刻幫你解決一個具體問題,學習就不再只是跟風,而會變成一種有感的工作升級。這時候,焦慮也會慢慢被掌控感取代。
不用一次學很多,先學會一件小事就好
很多上班族之所以遲遲沒有開始,不是因為沒意願,而是把目標設得太大。
像是「我要學會 AI 工作流」「我要變成 AI 高手」「我要跟上所有新工具」,這類目標聽起來很積極,實際上卻容易讓人更有壓力。因為目標太大,就會讓第一步變得很難跨出去。
相反地,真正適合忙碌工作者的方式,往往是從小處開始。今天先試著用 AI 幫忙整理一份資料,明天讓它協助修改一段文字,下週再試著建立一兩個常用的 prompt。這些看似很小,但只要能穩定累積,就會逐漸變成你的新工作習慣。
在 AI 時代,真正拉開差距的,常常不是誰學得最快,而是誰能持續地用。
接受一件事:你本來就不需要什麼都會
AI 工具不會停止更新,這代表幾乎沒有人能夠真的「全部學完」。
所以,上班族最需要建立的,不是無所不會的壓力,而是選擇的能力。你要知道哪些值得學、哪些與自己工作最有關、哪些能真正帶來效率提升。
例如,行銷人員需要的 AI 應用,可能和人資、業務、專案經理完全不同。每個職務的需求不同,本來就不需要用同一套標準衡量自己。
與其因為自己不懂某個熱門工具而焦慮,不如先問:這個工具和我的工作有關嗎?它能不能幫我解決實際問題?如果答案是否定的,那麼暫時不學,也不代表你落後。
AI 焦慮未必是壞事,關鍵在怎麼看待它
從另一個角度看,AI 焦慮其實也反映了一件事:你在意自己的成長,也在意自己是否能適應新的工作環境。
這不一定是壞事。
真正需要避免的,不是焦慮本身,而是被焦慮困住,最後既沒有開始,也沒有找到方法。只要把那份不安轉成比較務實的行動,例如先解決一個工作問題、先熟悉一種工具場景、先建立一個小小的使用習慣,它就有機會變成推動成長的力量。
對上班族來說,AI 不是一場非贏不可的競賽,而是一段新的工作適應期。你不用一開始就表現得很厲害,只要願意開始,就已經比停在原地更重要。
結語:與其害怕被 AI 取代,不如學會和 AI 一起工作
AI 正在改變職場,這件事已經很明確。只是,面對改變,最好的方法從來不是放大恐懼,而是重新調整自己的學習方式。
你不用什麼都懂,也不用急著證明自己很會用 AI。更重要的是,從自己的工作出發,找到最需要被優化的一個環節,然後讓 AI 成為你的協作工具。
未來更有競爭力的人,不一定是最懂 AI 的人,而是最能把 AI 融入工作、持續學習、持續調整的人。
所以,當你也感到 AI 學習焦慮時,也許可以先提醒自己:
你不是落後,只是在適應一個變化很快的新時代。
而所有真正有用的成長,都是從願意開始的那一步開始。
看更多
4 0 1830 0