104學習

104人力銀行 / 微程式資訊股份有限公司 / Python軟體工程師(儲備幹部) / 符合度分析
Python軟體工程師(儲備幹部) 微程式資訊股份有限公司
履歷符合度:
登入計算

性格適合度:

職缺要求技能

未具備

AWS

CASE

API

GCP

Code review

CI

Docker

Claude

Copilot

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

詹翔霖

商學院兼任副教授

1小時前

把服務做到位,把自己做到強
專業做到強:讓市場開始需要你
只靠努力,很容易被取代;靠專業,才能提高價值。
核心重點
• 持續學習,提升專業能力
• 建立個人特色與不可取代性
• 培養解決問題的能力
• 懂產品,更要懂人性與需求
• 把經驗累積成自己的實力
關鍵觀念--當你夠專業,價格就不再是唯一競爭條件。
看更多
0 0 40 0
VIBE CODING 智能體工程開發實戰
身為開發者,還在為日復一日的程式碼撰寫感到疲憊嗎?想提升開發效率卻苦無對策?
AI時代,工程師的超能力就是「Vibe CodingX智能體工程」!
《VIBE CODING 智能體工程開發實戰》線上直播課,專為有程式基礎的你設計,從原理到實戰,手把手教你打造AI驅動的開發流程。
讓 AI Agent 成為你的神隊友,告別低效,迎接高產能開發!
【這堂課你將帶走什麼?】
✅ 建立 AI 協作開發思維:運用 Scaffolding Prompt 模式,用自然語言驅動 AI 組織專案結構、分層與規範。
✅ 精通 AI 驅動 SQL 資料庫技術:掌握資料庫核心設計,實作 Text-to-SQL 與 RAG 原型。
✅ 掌握最新AI開發工具:掌握 VS Code、Github Copilot 等 AI 開發工具,搭配 Claude Code 推理模型與 GitHub 協作流程。
✅ Agentic 思維: 教你如何把 AI 視為「員工」而非「工具」,學習拆解任務、分配角色、建立 AI 工作的標準作業程序(SOP)。
✅ 五大專案作品集: 包含行事曆管理系統、OCR自動化進銷存系統、全天候 Line Bot 智能助理等,實現可直接落地的 MVP。
✅ 完成從零到一的專案部署實戰:透過 5 件實作成品,學習優化代碼並將成品部署至雲端環境。
15人小班制教學
名額有限,額滿為止❗️
🔥 早鳥8折優惠實施中:現折 NT$14,400!
(個人/企業團報更優惠)
立即掌握 AI 時代的「十倍速開發」法,
現在就立即了解報名課程👉https://user135527.pse.is/8yxqwu
看更多
0 0 230 0
104學習

產品

05/06 10:39

面試前來不及做功課?用 AI 快速掌握公司與產業重點 (附AI指令)
收到面試通知後,很多人第一個動作是查公司資料。但真正開始準備時,常會遇到幾個問題:官網看完不知道重點、新聞太多不知道怎麼整理、職缺內容寫得很長卻看不出面試官真正想找什麼樣的人。
這時候,AI 可以成為你的「面試前研究助理」。它不是幫你背答案,而是協助你快速整理公司資訊、產業趨勢與職缺需求,再把這些內容轉成面試時能自然使用的回答素材。
面試前,先搞懂這 4 件事
面試前做功課,不是要把公司介紹全部背起來,而是要能回答這幾個問題:
第一,這家公司主要在做什麼?
你需要知道公司的產品、服務、客戶族群與商業模式,避免只停留在「這是一間科技公司」、「這是一間電商公司」這種模糊印象。
第二,這家公司最近有什麼動態?
例如新產品、合作案、展店、募資、品牌轉型或市場布局。這些資訊可以幫助你在面試中展現自己有做功課。
第三,這個產業正在發生什麼變化?
你不需要變成產業分析師,但至少要知道近期有哪些趨勢,可能如何影響這家公司與你要面試的職位。
第四,這份工作真正重視哪些能力?
職缺內容通常會列出很多條件,但面試官真正關心的,往往是你能不能解決這個職位目前需要處理的問題。
可以直接複製的 AI 指令
面試前可以把公司名稱、職位名稱、職缺內容和自己的背景一起丟給 AI,請它幫你整理重點。
================================================================
我即將面試【公司名稱】的【職位名稱】。
請你扮演「面試前研究助理」,幫我整理這家公司與產業資訊,目標是讓我在面試中能展現:我有做功課、理解公司需求,也能把自己的經驗和職缺連結起來。
請依照以下格式整理:
一、公司快速理解
1. 這家公司主要在做什麼?
2. 主要產品或服務是什麼?
3. 目標客戶或使用者是誰?
4. 可能的商業模式是什麼?
5. 和競爭對手相比,可能的特色或差異是什麼?
二、近期動態
1. 請整理這家公司近期值得注意的新聞、產品、合作、募資、展店、裁員、組織變動或市場動態。
2. 請把不確定、需要我再查證的資訊清楚標註。
3. 如果你沒有即時搜尋能力,請直接告訴我需要提供哪些連結或資料。
三、產業趨勢
請整理【產業名稱】近一年值得注意的 5 個趨勢,並說明:
1. 這些趨勢對公司可能有什麼影響?
2. 這些趨勢對【職位名稱】可能有什麼影響?
3. 哪些觀點可以在面試回答中自然提到?
四、職缺分析
以下是職缺內容:
【貼上職缺說明 JD】
請分析:
1. 這份工作最重視的 5 個能力
2. 面試官可能在意的經驗或成果
3. 我應該準備哪些作品、數據或案例
4. 可能被問到的 10 個面試問題
5. 回答時應避免的地雷
五、面試回答素材
請幫我產出 3 段自然、不像背稿的回答草稿:
1. 為什麼想加入這家公司?
2. 你對這個產業的理解是什麼?
3. 為什麼你適合這個職位?
我的背景簡述如下:
【貼上你的工作經驗、專長、成果或履歷摘要】
最後請整理一份「面試前 10 分鐘速讀版」,包含:
1. 我一定要記住的 5 個公司重點
2. 我一定要展現的 5 個能力
3. 我可以主動問面試官的 5 個問題
4. 一段 60 秒內可使用的面試開場說法
==================================================================
時間很趕,可以用精簡版
如果面試前只剩十幾分鐘,可以改用下面這段:
==================================================================
我即將面試【公司名稱】的【職位名稱】。
請幫我快速整理:
1. 公司在做什麼
2. 主要產品或服務
3. 目標客戶
4. 商業模式
5. 近期重要動態
6. 產業近一年趨勢
7. 競爭對手與公司差異
8. 這個職位最重視的能力
9. 面試官可能問的 10 題問題
10. 我可以反問面試官的 5 題問題
以下是職缺內容:
【貼上 JD】
以下是我的背景:
【貼上履歷摘要】
請最後幫我整理成「面試前 10 分鐘速讀版」,並標註哪些資訊需要我再查證。
==================================================================
資料要怎麼提供給 AI?
想讓 AI 回答更準,建議至少提供三種資料。
第一,公司名稱與職位名稱。
例如:「我要面試 ABC 科技公司的產品行銷專員。」
第二,職缺內容。
請直接貼上工作內容、條件要求與加分條件。AI 可以從中判斷這份工作最可能考察哪些能力。
第三,自己的履歷摘要。
不一定要貼完整履歷,但可以簡單整理過去職稱、主要經驗、擅長工具、專案成果與想強調的優勢。
例如:
我的背景是:有 2 年社群行銷經驗,曾經經營品牌 Facebook、Instagram,負責內容企劃、廣告素材發想與活動頁文案。曾協助一檔活動提高報名數 30%。熟悉 GA4、Meta 廣告後台與基本數據分析。
資料越具體,AI 越能幫你把個人經驗和職缺需求連起來。
不只整理資料,還要轉成面試語言
AI 幫你整理完公司與產業資訊後,可以再追問:
請把以上公司與產業資訊,轉換成我在面試中可以自然說出口的回答。請避免太正式、太像背稿,語氣要像真人面試回答。
如果你已經寫好回答,也可以請 AI 幫你檢查:
以下是我的面試回答草稿,請幫我檢查:
1. 是否太空泛
2. 是否有說服力
3. 是否有對應公司與職缺需求
4. 是否聽起來像 AI 生成
5. 請幫我改成更自然、更像真人面試回答的版本
我的回答:
【貼上回答】
這一步很重要。面試不是在考你背了多少資料,而是看你能不能用自己的話,說出對公司、職缺與自身經驗的理解。
面試時可以這樣回答
當面試官問「為什麼想加入我們公司?」可以用這個架構:
「我注意到貴公司主要在做【業務/產品】,服務的對象是【客戶族群】。我對這個方向有興趣,是因為它和我過去在【相關經驗】中的累積有連結。尤其我看到產業目前正在發生【趨勢】,我認為這個職位未來會更需要【能力】,這也是我希望能貢獻的地方。」
當面試官問「你為什麼適合這份工作?」可以這樣整理:
「從職缺內容來看,我理解這份工作最重視的是【能力一】、【能力二】和【能力三】。我過去在【專案或工作經驗】中曾處理過類似任務,例如【具體成果】。因此我認為自己不只是對這份工作有興趣,也有相關經驗可以比較快進入狀況。」
使用 AI 準備面試,別忽略查證
AI 可以幫你加快整理速度,但不要完全照單全收。公司最新產品、營收、員工數、募資、裁員、組織異動等資訊,最好回到公司官網、官方社群、新聞報導或徵才頁再次確認。
尤其是面試時要提到的公司近期動態,一定要查證來源。講錯資料,反而會讓面試官覺得你準備不夠扎實。
結語:AI 幫你省時間,但答案要像你自己
面試前做功課的目的,不是把公司介紹背起來,而是讓你更清楚三件事:
我了解這家公司。
我知道這份工作需要什麼。
我能說出自己的經驗如何派上用場。
AI 可以幫你整理資訊、拆解職缺、模擬問題、優化回答,但最後進入面試現場的仍然是你自己。最好的做法,是讓 AI 幫你省下查資料的時間,再用自己的理解和語氣,把答案說出來。
看更多
0 0 1897 0
104學習

產品

05/05 11:07

健檢報告一堆紅字看不懂?教你用 AI 整理重點,不替自己下診斷
拿到健康檢查報告時,很多人第一個反應不是放心,而是更困惑。
報告上有一堆縮寫和數字:GOT、GPT、LDL、HDL、三酸甘油脂、尿酸、肌酸酐、eGFR、糖化血色素……有些項目旁邊還標了紅字、H、L、↑、↓。看起來像是身體出了狀況,卻不知道嚴不嚴重,也不知道該不該看醫師。
這時候,AI 可以成為你的「資料整理助手」。
不過要先說清楚:本文屬於 AI 生活應用教學,目的在協助讀者整理健檢資料、理解常見名詞、準備看診問題。AI 不能取代醫師、藥師、營養師或其他醫療專業人員,也不應用來自行診斷、用藥或延誤就醫。
更實用的做法,不是問 AI:「我是不是生病了?」
而是問:「請幫我整理這份報告,告訴我哪些地方適合下次和醫師討論。」
一、先把醫學名詞翻成白話
健康報告最難懂的地方,常常不是數字,而是檢驗項目本身。
例如 LDL-C、HDL-C、HbA1c、Creatinine、eGFR、ALT、AST,如果沒有醫學背景,很難立刻知道這些項目在看什麼。
你可以請 AI 協助整理:
這個指標大致在看什麼?
通常和身體哪個系統有關?
偏高或偏低時,常見會和哪些健康議題一起討論?
是否需要搭配其他數值一起看?
例如,AI 可以把「LDL 膽固醇」整理成白話說明:「常被稱為壞膽固醇,通常會和心血管健康一起討論。若長期偏高,可在看診時詢問醫師是否需要進一步評估飲食、運動、體重管理或其他處置。」
這樣做的目的不是讓 AI 幫你下結論,而是先降低閱讀門檻,讓你知道自己該問什麼。
二、整理紅字項目,但不要被數字嚇到
很多人看到報告有紅字,就會開始緊張。但紅字不一定代表已經生病,也可能只是輕微超出參考範圍。
有些檢驗數值會受到檢查前飲食、睡眠、運動、是否空腹、喝水量、藥物或檢驗時間影響。單看一個數字,很容易過度解讀。
你可以請 AI 幫你把報告整理成幾類:
正常項目
輕微偏高或偏低
建議下次詢問醫師的項目
需要長期觀察趨勢的項目
需要搭配其他數值一起看的項目
例如血糖、糖化血色素、三酸甘油脂、BMI 同時偏高時,AI 可以協助你整理成「可與醫師討論的整體代謝健康議題」,而不是直接判斷你有某種疾病。
三、把健檢報告變成看診問題清單
很多人拿著報告去看醫師,最常遇到的問題是:不知道該問什麼。
AI 很適合把健檢資料轉成一份清楚的提問清單,例如:
這些紅字項目需要多久後複檢?
我應該先看哪一科?
這些數值可能和飲食、體重、作息或藥物有關嗎?
是否需要進一步檢查?
目前比較適合先調整生活習慣,還是需要醫師進一步評估?
看診時間通常有限。事先整理問題,可以幫助你更清楚描述狀況,也比較不會離開診間後才想到「剛剛忘了問」。
四、有多年份資料時,請 AI 幫你整理趨勢
單次健檢報告只能看到當下狀態,長期趨勢通常更值得觀察。
如果你有過去幾年的健檢資料,可以請 AI 幫你整理成表格,觀察:
LDL 膽固醇是否連續上升?
血糖是否逐年接近臨界值?
肝功能數值是否反覆偏高?
腎功能相關指標是否逐年變化?
尿酸是否長期偏高?
BMI 和腰圍是否持續增加?
有些數值今年可能還在參考範圍內,但已連續幾年往同一方向變化。這類趨勢可以作為下次看診時的討論材料。
五、生活調整建議,只當作討論方向
AI 也可以根據報告中的項目,協助整理一般性的生活習慣討論方向。
例如:
血脂偏高時,可以整理飲食油脂、運動量、體重管理等問題,帶去和醫師討論。
血糖偏高時,可以詢問含糖飲料、精緻澱粉、睡眠與活動量是否需要調整。
尿酸偏高時,可以整理飲酒、含糖飲料、高普林食物、體重管理等問題。
肝功能偏高時,可以詢問飲酒、熬夜、藥物使用或脂肪肝相關評估。
BMI 偏高時,可以從飲食紀錄、運動習慣和作息開始檢視。
但這些都不應被視為個人化醫療建議。涉及疾病診斷、用藥、停藥、治療或飲食限制,仍應由醫師、藥師或營養師依個人狀況評估。
使用 AI 前,先把個資遮掉
健康檢查報告屬於高度私人的資料。上傳或貼給 AI 前,建議先遮掉:
姓名
身分證字號
生日
電話
地址
病歷號
醫療院所編號
公司名稱
保險資料
QR Code 或條碼
保留檢驗項目、結果、參考值、單位和檢查日期即可。如果願意,也可以提供年齡區間與性別,幫助 AI 做更清楚的資料整理。
若使用公司電腦、共用裝置或第三方 AI 工具,也建議先確認公司內部資安規範與工具隱私政策。健康檢查資料屬於敏感個資,處理時應比一般資料更謹慎。
AI 健檢資料整理指令模板
你可以複製下面這段指令,把個資遮掉後,連同報告內容一起貼給 AI。
請幫我整理這份健康檢查報告。
請注意:
1. 不要診斷疾病。
2. 不要建議我自行用藥、停藥或治療。
3. 請用一般人看得懂的白話說明。
4. 所有內容請定位為「看診前資料整理」與「健康教育資訊」,不要取代醫師診斷。
請幫我整理:
1. 哪些數值在參考範圍內?
2. 哪些數值偏高或偏低?
3. 偏高或偏低的項目大致在看什麼?
4. 哪些項目適合下次和醫師討論?
5. 哪些項目適合追蹤趨勢或詢問是否需要複檢?
6. 請整理一份看診時可以問醫師的問題清單。
7. 請用表格呈現重點。
多年份健檢資料比較指令模板
如果你有好幾年的健檢報告,可以改用這段:
我會提供多年份的健康檢查資料,請幫我整理趨勢。
請特別注意:
血糖、糖化血色素、血脂、肝功能、腎功能、尿酸、血壓、BMI、腰圍等項目。
請幫我整理:
1. 每個項目近幾年的變化。
2. 哪些數值逐年上升?
3. 哪些數值逐年下降?
4. 哪些項目雖然還在參考範圍內,但已接近臨界值?
5. 哪些項目適合下次看診時主動詢問醫師?
6. 請用表格整理,並補充白話說明。
請不要診斷疾病,也不要提供用藥或治療建議。
哪些情況不要只問 AI?
如果報告上出現「危急值」、「critical value」,或醫療院所已通知需要立即回診,請直接聯絡醫療單位。
如果同時出現胸痛、呼吸困難、意識不清、突然單側無力、嚴重腹痛、黑便、血尿、持續高燒、劇烈頭痛或嚴重過敏反應,也不建議只問 AI,應盡快就醫或聯絡當地緊急醫療資源。
AI 適合整理資料,不適合處理急症。
小結:用 AI 看健檢報告,重點是整理,不是診斷
健康報告讓人焦慮,通常不是因為資訊太少,而是資訊太多、名詞太難、數字太陌生。
AI 可以幫你把資料整理得更容易理解:翻譯常見名詞、整理紅字項目、比較長期趨勢、準備看診問題,也讓你和醫師溝通時更有方向。
更安全的用法,不是問 AI:「我是不是生病了?」
而是問:「請幫我整理這份報告,告訴我哪些地方適合和醫師討論。」
把 AI 當成生活中的資料整理工具,而不是診斷工具,才是更實用也更安全的做法。
編輯註
本文為 AI 工具生活應用教學,非醫療建議。健康檢查結果需由醫師依個人病史、症狀、用藥、生活習慣與其他檢查綜合判斷。如有身體不適、數值明顯異常或醫療院所通知回診,請盡快諮詢專業醫療人員。
看更多
2 0 550 1
104學習

產品

04/28 14:05

AI讓產品開發從6個月變1天:PM再不轉型,價值正在消失
過去十年,產品經理的工作模式其實沒有太大變化。
大多數PM的日常仍圍繞在三件事:整理需求、規劃roadmap、推動開發進度。這套方法在網路與行動時代行之有年,也培養出一整套成熟的產品流程與分工。
但現在,這個前提正在被動搖。
生成式AI的出現,讓產品開發的門檻大幅降低。過去需要工程與設計協作數週甚至數月才能完成的內容,如今透過AI工具,幾小時內就能做出初步版本。從文件撰寫、流程設計到簡單原型,都可以快速生成。
當「做出產品」變得越來越容易,一個更根本的問題開始浮現:
如果執行不再稀缺,產品經理的價值還剩下什麼?
在AI原生公司Anthropic,這個問題已經不是未來,而是現實。產品開發的節奏不再以季度或半年為單位,而是以「幾天內完成一次驗證」來運作。這樣的變化,也迫使產品角色重新定義。
在一場公開訪談中,Claude Code和Cowork產品負責人Cat Wu提到,AI時代的PM,不再只是負責推動流程,而是必須主導決策與實驗方向。
這樣的轉變,代表的不只是工具升級,而是一整套工作邏輯的改寫。
從穩定規劃到快速實驗:產品節奏正在改變
傳統產品開發強調長期規劃。PM需要在專案初期蒐集需求、整理優先順序,並規劃出清楚的roadmap,讓團隊能在接下來的幾個月甚至半年內依序推進。
這種方式的前提是:開發成本高、修改成本也高,因此需要事前盡可能想清楚。
但當AI降低了開發與修改的成本,這個前提開始失效。
在Anthropic這類AI公司中,產品不再依賴長期規劃,而是以「實驗」為單位快速推進。團隊更關注的,不是未來三個月要做什麼,而是下一個最值得驗證的假設是什麼。
這種模式帶來一個明顯轉變:產品開發不再是線性的執行流程,而更像是一連串快速迭代的決策循環。
對PM來說,重點不再是把計畫排好,而是持續做出選擇。
從接收需求到重新定義問題
另一個明顯的變化,是PM面對需求的方式。
在傳統情境中,PM往往需要蒐集來自用戶、業務或主管的需求,整理後轉化為產品規格,再交由工程與設計實作。
但在AI時代,這樣的流程已經不夠。
因為AI讓「實作」變容易,真正困難的反而是「判斷這個需求是否值得做」。
許多需求其實只是表象,背後對應的是更深層的問題。如果PM只是照單全收,產品很容易陷入功能堆疊,卻無法真正解決使用者痛點。
因此,AI PM更重要的能力,是拆解問題、釐清本質,並重新定義要解決的核心。
換句話說,從「需求管理者」,轉變為「問題定義者」。
從協調者到能動手驗證的人
過去,PM的主要角色是協調不同職能。產品、工程、設計各司其職,PM負責整合資訊與推動進度。
但隨著AI工具的普及,這種分工正在鬆動。
現在的PM,可以透過AI快速產出流程草圖、使用情境、甚至初步原型,讓討論不再停留在抽象層,而是直接以具體版本為基礎。
這樣的改變,使PM不再只是「轉述需求的人」,而是能夠親自驗證想法的人。
對團隊而言,這也意味著決策速度加快。許多原本需要開會反覆討論的問題,可以透過快速產出版本來驗證,而不是單純依賴想像。
AI產品的關鍵,不只是能用,而是可信
AI產品帶來的另一個挑戰,是「可靠性」。
許多AI功能在展示時看起來表現不錯,但只要在關鍵情境中出現錯誤,就可能嚴重影響使用者信任。例如提供錯誤資訊、誤解使用者意圖,或在重要任務中失效。
這也是為什麼,「完成度95%」在AI產品中往往不夠。
因為剩下的5%,很可能正好發生在最關鍵的時刻。
因此,PM需要思考的不只是功能是否可行,而是產品在不同情境下的穩定性,以及如何設計機制來降低風險,例如提示使用限制、提供替代方案,或讓使用者更容易察覺錯誤。
產品的價值,不再只是能否完成任務,而是能否在關鍵時刻被信任。
轉型的關鍵,不在工具,而在工作方式
面對這些變化,許多PM的第一反應是學習新的AI工具。
這當然重要,但真正的轉型,其實發生在工作方式本身。
首先,是從「想清楚再做」轉變為「做了再優化」。
過去需要花大量時間規劃與對齊,現在則可以先做出版本,再透過回饋修正方向。
其次,是從「文件驅動」轉為「實驗驅動」。
產品決策不再只依賴文件與會議,而是透過實際測試來驗證。
最後,是從「分工合作」轉向「跨能力動手」。
PM不再只是整合資訊,而是能直接參與產出,縮短決策與執行之間的距離。
PM轉型的實際路徑
這樣的轉型並不需要一步到位,可以從三個階段逐步進行。
第一階段,是讓AI成為日常工作的助手。
例如用來整理資料、產出初稿、輔助分析,目標是建立基本的使用習慣。
第二階段,是重構工作流程。
開始用AI產出多個方案,並透過測試選擇方向,而不是只依賴單一版本。
第三階段,則是進入AI原生產品思維。
這時PM需要理解模型的能力與限制,並能設計出符合這些特性的產品體驗。
未來PM的核心能力,正在改變
在這樣的背景下,PM的核心能力也逐漸轉移。
快速產出原型的能力,讓想法可以更快被驗證。
問題拆解能力,決定是否能找到真正需要解決的核心。
對AI能力的理解,影響產品設計的可行性與風險。
而持續驗證與調整的能力,則成為產品成長的關鍵。
這些能力,與過去強調的流程管理或文件撰寫相比,更貼近「決策與判斷」。
PM的價值,正在被重新定義
當AI讓產品開發變得更容易,PM的價值就不再建立在「能不能把事情完成」,而是「能不能做出正確選擇」。
這包括判斷什麼值得做、如何驗證方向,以及在不確定中持續調整。
未來的產品經理,不一定需要成為工程師,但需要更接近產品本身——能快速理解問題、做出判斷,並讓想法在現實中被驗證。
這場轉變已經開始,而且不會等人。
對PM而言,關鍵不只是學會使用AI,而是重新思考,自己在產品中的角色,究竟是什麼。
看更多
2 0 4611 0