機器學習演算法學習資源 ｜104學習

全部 課程 貼文 證照 測驗

和機器學習演算法相關的課程 (1)

和 機器學習演算法 相關的貼文 (95)

104學習發布《AI人才趨勢報告》　企業招募十萬名AI人才

AI左右企業未來的發展！104人力銀行旗下「104學習」發布《104 AI人才趨勢報告》，2026年企業每月平均招募AI人才達10萬人，以工程職佔多數，隨著AI從技術端走向應用端，非工程職急起直追，專案/產品管理、業務銷售AI月均工作機會5年成長超過200%。想成為AI人才，關鍵硬技能包含流程自動化、機器學習演算法、自然語言處理。具備AI技能有望年薪翻倍，或是在職涯起步階段，握有薪資溢價的優勢，了解職務所需AI關鍵技能，歡迎進入104學習AI專區：https://tw104.pse.is/98lsfb。 AI人才需求5年成長97.6%　專案/產品管理、業務銷售、行銷職成長最明顯 「104學習」透過AI智能推薦求職者個人化課程，提供求職者精準學習解決方案，讓學習成果可視化，也被企業看見，在求職市場脫穎而出。根據《104 AI人才趨勢報告》，近5年AI人才需求成長97.6%，高於整體招募市場同期的22.9%。比AI人才的職類需求，2026平均每月需求軟體/工程1.7萬人最多、工程研發1萬人第二、操作/技術8,000人第三；看5年增幅，專案/產品管理類從2022年951人、增長到2026年3,453人，增幅263.1%最多，業務銷售從2022年1,801人、增長到2026年6,263人，增幅247.8%第二，行銷類從2022年2,270人、增長到2026年6,023人，增幅165.4%第三。104人力銀行總經理陳嵩榮指出，AI從技術走向應用，企業期待非工程職使用AI提升工作效率增加產值，人才需求成長明顯。 登入下載104 AI人才趨勢報告 製程規劃、學術研究職缺需具備AI專業比例逾3成　非技術職最高 進一步觀察各職類工作機會中，需要AI專業技能的比例，104人力銀行總經理陳嵩榮分析，非技術職中，企業推進智慧工廠、期待透過流程自動化提升生產效率與良率表現，製程規劃類的工作機會中，36.4%需要AI專業，是「非技術職」AI化比例最高的職類；學術研究類對於文獻蒐集整理、研究時統計分析AI能提升效率，工作機會有33.7%需要AI專業，品保/品管期待結合AI提升檢測效率與準確度，工作機會有28%需要AI專業。至於產業，軟體網路業當中的AI工作機會佔28.5%、電腦及消費性電子製造業佔27.6%、半導體業佔23.9%，需要AI專業工作者的產業，仍集中在科技相關產業。 成為AI人才常見工具聚焦LLM　證照機器人工程師證照、 iPAS +AI應用規劃師入榜 當企業招募越來越重視AI能力，職場工作者該怎麼準備？《104 AI人才趨勢報告》數據顯示，AI職缺中最常見的技能需求第一名為流程自動化，是提升效率最直接技能；第二名為機器學習演算法，廣泛應用於分類與預測任務；第三名為自然語言處理，文本理解語義分析，適用於客服、行銷與法務多個職類。 企業期待求職者會使用的AI工具，ChatGPT、PyTorch、Gemini位居前三名，ChatGPT、Gemini入榜顯示LLM已廣泛應用於職場中，成為解決問題、優化工作的重要夥伴。企業判斷求職者具備AI能力，iPAS+ AI應用規劃師為國家級的AI應用認證，成為企業找數位轉型人才判斷標準之一；針對製造業推進自動化場景，機器人工程師證照，則是企業識別硬體整合型AI人才能力重要指標。 2026 年 AI 職缺最常要求的 Top 硬技能 ※點擊可查看相關課程或證照說明 排名技能近5年成長說明1流程自動化233%從製造到行政業務，效率提升最直接的工具2機器學習演算法64%監督式學習核心，廣泛用於分類與預測任務3自然語言處理147%文本理解語義分析，客服行銷法務均適用4預測分析168%商業決策核心，廣泛應用於金融、零售、製造場景資料來源：104學習 排名工具近5年成長說明1ChatGPT新興 ↑辦公自動化、創意協作、文字生成，企業首要培訓工具2PyTorch54%深度學習模型訓練，AI研發職位主流框架3Gemini新興 ↑多模態生成式AI，搜尋整合與企業應用快速擴張資料來源：104學習 排名證照說明1機器人工程師證照製造業自動化場景，硬體整合型AI職位需求2iPAS+ AI應用規劃師國家級AI應用認證，企業數位轉型人才標準資料來源：104學習 緯育 TibaMe 總經理陳鴻志分享，AI 已從職場加分項演變為不可或缺的「標配」。從國際趨勢觀察，企業對「具備 AI 素養」的職位需求大幅提升，53% 的工作者半年內都想積極學習 AI。陳鴻志強調，學習的核心應從「掌握單一技能/工具」轉向「打通完整應用情境」，透過將訓練、認證、就業媒合深度整合，解決學習與實戰脫節的痛點，不僅能顯著提升工作者的求職競爭力，更能為台灣產業打造關鍵的 AI 人才供應鏈基礎建設。  中央大學資管系兼任助理教授劉書銘指出，AI變化太快，去年還在瘋Prompt，今年熱度已轉移至Agent、RAG等，因此三個月才學一門技術已不符合需求，建議學習AI不只當作一門課，而是要獲得「理解未來的核心能力」更為重要，善用AI的人將會重新定義競爭力。 【104學習推薦】成為AI人才，立即行動！ 104學習AI專區👉立即前往 104 AI素養認證：客觀評估AI應用能力，測驗通過一鍵匯入履歷👉立即前往 iPAS+ AI 應用規劃師：已成企業評估數位轉型人才標準 【初級】衝刺班｜速攻考點 × 模擬實戰 × GPT刷題攻略 【中級】衝刺班｜命題精析 × 實戰解題 × AI刷題 AI鍍金！財會青年具備AI技能起薪溢價69%最高、學AI工具年薪翻倍 《104 AI人才趨勢報告》透過「去個人識別化」研究，找出透過AI打造鍍金職涯三大情境： 高薪AI人才，在半導體業擔任AI研發工程師，具備Matlab、LLM整合、領導力三大關鍵能力，年資7年年薪已突破300萬。在金融業擔任財務分析企劃主管，會預測模型、SAS以及擁有AI證照，年薪也突破220萬。 學AI職涯鍍金：擔任產品經理，花4年學習SAS數據預測模型，原本深厚硬底子加上AI工具的加成，轉型為AI產品經理，年薪從70萬成長至140萬元翻倍成長。 會AI起薪溢價：在 30 歲以下、年資未滿 5 年的職場青年中，具 AI 技能的個案，其月薪相對於「同職類非 AI 工作者的月薪中位數」明顯較高——財務會計高出 69%、門市營業 67%、MIS 網管 63%、旅遊休閒 53%。 成為AI人才獲得重要競爭力，「104學習」推出AI專區，將會自動帶入求職會員當前職務，分析最需要的AI技能，並提供技能測驗以及推薦課程，了解AI能力並強化：https://tw104.pse.is/98lsfb。企業端想培育AI人才，104人資市集則推出AI企業內訓課程， 實現員工AI化的目標：https://tw104.pse.is/98mx3p。 掌握職場趨勢，你還會想看 2026年COMPUTEX喊燒！「AI五層蛋糕」多家企業 7/4全面搶才 求職熱搜關鍵字揭密！　「兼職」、「AI」成世代共同語言 力抗科技業虹吸效應！非科技業邀約面試力道兇猛 建築營造不動產最積極 [course_plugin api_type='course_id' title='【104學習推薦】成為AI人才' id='9759690a-9a20-4575-8dce-492636a1206c, 3987ebea-3686-4f67-a292-c46c3cc2128e, 19ba2cdd-5ae1-44a0-a975-01f989c92691']
【104職場力】・AI

企業每月搶10萬AI人才，你缺的不是熱情，是這三項硬技能

每個月，台灣企業正在搶10萬名AI人才 根據104學習最新發布的《2026 AI人才趨勢報告》，今年企業平均每月招募AI相關職缺已達10萬人，近5年AI人才需求成長97.6%，幾乎是整體招募市場同期成長速度的4倍。 這場搶人大戰，缺的不是想學AI的人，缺的是真正具備企業要的能力的人 ❇️【企業到底想要什麼？三項硬技能排名】 報告明確列出2026年AI職缺最常見的技能需求： 1️⃣ 流程自動化（近5年成長233%） 從製造到行政業務，效率提升最直接的技能，不只是工程職需要，製程規劃、生產管理、品保品管都在找 2️⃣ 機器學習演算法（近5年成長64%） 監督式學習的核心，廣泛應用於分類與預測任務，資料分析、產品開發、研究職高度相關 3️⃣ 自然語言處理（近5年成長147%） 文本理解與語義分析，適用於客服、行銷、法務等多個職類，不需要自己建模型，但要懂得如何應用 ❇️【工具會用哪些？企業點名這三個】 技能之外，企業也直接在職缺中點名求職者要會使用的AI工具： • ChatGPT：從辦公自動化到創意協作、文字生成，已成企業首要指定工具 • PyTorch：深度學習模型訓練，AI研發職位的主流框架 • TENSORFLOW：企業 AI 應用首選，支援模型部署與擴展 ▶ ChatGPT、Gemini雙雙入榜，說明LLM的應用已不只是技術人員的工具，而是各職類工作者的日常配備 ❇️當技能相近時，證照是讓履歷被看見的加速器 • iPAS+ AI應用規劃師：經濟部核發的國家級AI應用認證，是企業評估數位轉型人才的判斷標準之一 • 證照資訊：https://nabi.104.com.tw/nabisearch/certify?keyword=ipas%2BAI ▶️【點我免費做 iPAS+ AI應用規劃師 初級模擬測驗】 https://nabi.104.com.tw/assess/6c2efe0a-8456-4694-bdc3-a1813f66ee19 ▶️【初級】衝刺班｜速攻考點 × 模擬實戰 × GPT刷題攻略】 https://nabi.104.com.tw/course/104nabi/19ba2cdd-5ae1-44a0-a975-01f989c92691 ▶️【中級】衝刺班｜命題精析 × 實戰解題 × AI刷題 https://nabi.104.com.tw/course/104nabi/3987ebea-3686-4f67-a292-c46c3cc2128e • 機器人工程師證照：針對製造業自動化場景，是企業識別硬體整合型AI人才的重要指標 https://nabi.104.com.tw/ability/10049172 ❇️【從哪裡開始？】 中央大學資管系兼任助理教授劉書銘指出，AI變化太快，學習AI不只是學一門課，而是要獲得「理解未來的核心能力」。 三個月學一項技術的節奏已跟不上市場。重要的是找到自己職務最需要的AI技能，精準切入，而不是什麼都學一點。 💡求職者： 想知道你的職務最需要哪項AI技能？104學習AI專區會自動帶入你的當前職務，分析技能缺口、提供測驗與推薦課程 👉 立即進入104學習AI專區 https://nabi.104.com.tw/ai ➡️【免費下載｜2026 AI 人才趨勢報告】適合新鮮人、在職者與想轉職的人 https://nabi.104.com.tw/posts/nabi_post_e6bc6bfe-0bf0-4d19-82ca-a2d1090738db 💡企業主： 想讓員工系統性補上AI能力？104人資市集提供AI企業內訓課程，協助實現員工AI化目標 👉 了解104企業AI內訓方案 https://tw104.pse.is/98mx3p
104學習・職場熱門證照排行榜

Microsoft AI-900考照心得與AI-901命題趨勢

▉ 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
104學習・職場熱門證照排行榜

【2026最新】AI產業人才認定指引3.0更新！5大能力評估、AI證照及學習資源、工作機會盤點

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。 （資料來源／AI產業人才認定指引） 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）
【104職場力】・AI

和 機器學習演算法 相關的證照 (30)

基礎程式語言 |
基礎程式語言證照旨在驗證持有者具備基本程式設計能力，涵蓋變數、流程控制、陣列及簡單演算法等核心概念，適合初學者入門。透過理論與實務測試，證明能使用常見程式語言撰寫簡單程式，具備問題分析與解決能力，為進階程式設計及相關職涯奠定扎實基礎。此證照廣受資訊產業與教育機構認可，是進入軟體開發領域的重要入門資格。
尚未查核發照單位
系統設計分析師 | System Design Analyst
如何懂得關於系統與軟體設計必學基礎概念，例如系統理論與軟體開發等主題， 並對每個主題實作練習寫出淺顯易懂的講解。讀者也能學到如何讓電路安排適當，以及如何在提升元件材料應用領域知識。
TIPCI臺灣國際專業認證學會
電子電路專業知識認證 | Electronic Circuits Expertise Certification
學到關於電路學設計必學基礎概念，例如電路圖、串聯並聯、電子材料等主題， 並對每個主題實作練習寫出淺顯易懂的講解。 讀者也能學到如何讓電路安排適當，以及如何在提升元件材料應用領域知識。
TIPCI臺灣國際專業認證學會
Python程式設計應用認證 | Applications of Python Programming Certification
本證照關於Python程式設計必學基礎概念，例如變數、串列、類別和迴圈等主題，並對每個主題實作練習寫出淺顯易懂的程式碼。 學到如何讓程式產生互動性，以及如何在程式整合到專案前正確也測試好編寫的程式碼。
TIPCI臺灣國際專業認證學會
SSE 機器學習國際認證 | SSE Machine Learning
機器學習是人工智慧的一個分支。人工智慧的研究歷史有著一條從以「推理」為重點，到以「知識」為重點，再到以「學習」為重點的自然、清晰的脈絡。顯然，機器學習是實現人工智慧的一個途徑，即以機器學習為手段解決人工智慧中的問題。機器學習在近30多年已發展為一門多叉學科，包括機率論、統計學、逼近論、計算複雜性理論等多門學科。主要是設計和分析一些讓電腦可以自動「學習」的演算法。
Silicon Stone Education (SSE)
人工智慧：機器學習 Python | Machine Learning Python
人工智慧研究如何使機器具有類似人類學習及解決複雜問題、抽象思考、展現創意等能力，是能讓事物變更聰明的科技。其研究範圍包含了：電腦視覺、語音工程、自然語言處理、移動與控制等。做為人工智慧體系的一部分，「機器學習」是一種資料科學的技術，也是實現人工智慧的一種方式，從資料中學習，獲得辨識或預測新進資料的技能，以協助電腦預測未來的行為、結果和趨勢，其技術廣泛應用在不同領域。 財團法人電腦技能基金會TQC+人工智慧：機器學習的題目設計包含：「監督式學習」、「非監督式學習」、「機器學習應用」等必備的知識及技術，運用不同機器學習方法進行實際案例之分析預測。
財團法人中華民國電腦技能基金會

和 機器學習演算法 相關的測驗 (1)