GIT學習資源 ｜104學習

全部 課程 貼文 證照 測驗 教室

和GIT相關的課程 (3)

和 GIT 相關的貼文 (116)

【AI工作指南】數發部《AI產業人才認定指引》發布！盤點AI認證資源、熱門職缺及職涯圖解

想轉職AI領域卻不知道從哪開始？數發部最新公布的《AI產業人才認定指引》，幫你一次看懂AI三大人才類型、必備技能與證照資源推薦，讓你在AI浪潮中不再原地踏步！本文並盤點AI人才職涯發展路線，以及最常見的AI工作機會，幫助你找到最適合自己的AI職涯起點。 文／《104職場力》 本文目錄（點擊可快速前往） 你屬於哪種AI人才？從研究到應用3大類一次搞懂想進入AI領域，5大能力你具備了嗎？AI能力如何認證和學習提升？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 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，數位發展部日前發布《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》（114年7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？從研究到應用3大類一次搞懂 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種核心能力。其中，「AI應用人才」需要「AI應用素養」及「AI工具應用」能力，將其應用於行銷、製造、醫療、教育、法律、金融等不同領域，用AI創造實際價值。 而「AI開發人才」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」。詳細說明請見下表： AI產業人才5大類能力整理 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AI開發人才AI程式語言應用程式應用能用Vibe Coding引導AI生成、優化和調試程式碼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工程能用NLP、LLM工具，進行AI優化或提出新服務CV工程能用現有CV工具，進行AI優化或提出影像應用相關之新型服務 AI能力如何認證和學習提升？ 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」，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： 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 素養級認證臺灣人工智慧學校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。例如：AWS Certified AI Practitioner、Microsoft AI-900: Azure AI基本概念、Google Cloud機器學習證照等都屬於此類。 點擊「認證名稱」可查看更多認證資訊及歷屆試題資源： 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運用大語言模型建置對話助理能力評測（即將上架）財團法人資訊工業策進會 AI產業能力認證參考：專案類 專案類認證聚焦在「具備獨立完成AI專案的實戰能力」，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、Databricks Certified Machine Learning Professional等。 點擊「認證名稱」可查看更多認證資訊及歷屆試題資源： 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： LLM解決方案開發實戰班（緯育） 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： 職涯發展路徑：AI工具使用能力與素養→職務加值型／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%A8%99%E8%A8%BB&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產業人才認定指引下載 （資料來源：數發部AI產業人才認定指引）
【104職場力】・AI

Vibe Coding × ASP.NET Core LLM 開發實戰班

AI 時代，程式不只是寫，還能「聊」出來！ 學會 Vibe Coding， 讓你用自然語言操控程式、生成 API、打造 AI Agent， 真正結合後端工程 + AI 實戰。 🌟 你將學到 ✅ 精通 C# / ASP.NET Core（MVC、API、雲端部署） ✅ LLM × Vibe Coding 實戰，從 Prompt 到應用落地 ✅ AI Agent 開發、NLP、影像辨識、模型部署 ✅ 使用 Azure / VS Code / Cursor 實作 ✅ 分組 Side Project，實務專題製作 💡 課程特色 1⃣️ 小班真人線上（10 人以下），Discord 即時答疑。 2⃣️ 避開平日上班時間，便於在職者學習。 3⃣️ 全程錄影，缺課可回放 4⃣️ 真實專案模擬業界開發流程 🎯 適合誰？�想成為 AI 工程師的畢業生 ✅ 有基礎的在職工程師 ✅ 企業中高階主管。 ✅ 創業想做 MVP 的產品人。 🗓️ 開課資訊 預計開課：2025/12月 平日晚上（日期另行公告） 課程時數：共計288小時 / 約32週 上課方式：全線上 ⚡ 名額有限，立即報名，搶先升級你的開發力！ 報名連結👇 https://user135527.pse.is/7ze3yz
X編・X School 軟體人才專業培訓機構

Vibe Coding是什麼？為何要學習它？

Vibe coding（氛圍編程）是一種新興的 AI 輔助程式設計方式，由 OpenAI 聯合創辦人暨前特斯拉 AI 領導者 Andrej Karpathy 於 2025 年 2 月提出。程式設計師不再逐行撰寫程式碼，而是透過自然語言或對話形式，向大型語言模型（LLM）描述需求，由 AI 負責產生程式碼，程式設計師則引導、測試、優化和調整：如他所言：「完全順應感覺（vibes）、忘記程式碼的存在」。 這種方法讓使用者不需專精程式語法，只需以生活語言表達想法，AI 自動生成原始碼，開發者將更多精力集中在創意與需求上。 然而，Vibe coding的優點與缺點是什麼？程式設計師會被取代嗎？還是能變成一種新的混合模式加速開發？ 來看看以下這篇文章吧！👇 https://www.xschoolkh.com/post/what-is-vibe-coding
X編・X School 軟體人才專業培訓機構

成為雲端工程師的攻略指南：核心技能＆職涯精進完整解析

隨著企業加速數位轉型、雲端原生應用（Cloud Native）成為主流，雲端工程師（Cloud Engineer）已從少數科技巨頭的專職角色，擴展成各產業數位基礎建設的關鍵人才。無論是新創、傳產還是政府機關，從資料備份、伺服器遷移、服務部署到跨雲架構設計，處處都仰賴具備雲端技能的工程人才。 本篇將帶你從「學習地圖」出發，建立入門到進階的技術藍圖，並說明適合對象與轉職建議，協助你掌握未來 5–10 年的高潛力職涯方向！ 文 /【104學習精靈】 本文目錄（點擊可快速前往） ☁️ 雲端工程師是什麼？為何成為熱門職業？  掌握雲端工程師的核心能力：必備工具技能 x 學習路徑 x 軟技能轉職雲端工程師的學習策略 雲端工程師薪資行情與職涯發展 雲端工程師的挑戰與機會  ☁️ 雲端工程師是什麼？為何成為熱門職業？   🎯 雲端工程師工作內容  雲端工程師（Cloud Engineer）是企業數位轉型的關鍵推手，負責設計、部署、維護雲端基礎架構，確保系統的安全性、可擴展性與高可用性。隨著企業加速上雲，這個角色在全球 IT 市場的需求持續攀升。   根據 Research.com 的報告，雲端工程市場預計從 2023 年的 147.6 億美元成長至 2032 年的 398 億美元，年均成長率達 11.65%。  🎯雲端工程師與相近職類比較表 職類 工作重點 常見技能 與雲端工程師發展關係 雲端工程師 Cloud Engineer 雲端架構設計、部署與管理，自動化基礎架構 AWS / GCP / Azure、Terraform、Kubernetes、CI/CD 本職角色，聚焦基礎設施與平台服務，是運維與開發之橋樑 雲端架構師 Cloud Architect 架構規劃與成本效益優化，安全設計與多區部署 架構設計模式、資源規劃、資安合規 雲端工程師進階角色，需具備橫向整合與設計思維 DevOps 工程師 DevOps Engineer 開發與維運整合、自動化流程與版本管理 Jenkins、GitLab CI、Docker、Ansible、GitOps 高度交集，雲端工程師常延伸學習 DevOps 流程進階 SRE 工程師 Site Reliability Engineer 系統穩定性、可用性維持、故障應變流程 Monitoring、Incident Response、SLI/SLO、Prometheus 與 DevOps、雲端工程師具重疊，偏向服務層維運監控 雲端安全工程師 Cloud Security Engineer 雲端安全防護與存取控制、風險偵測與稽核 IAM、VPC、防火牆設計、SOC 工具 雲端工程師可進階專精此方向，聚焦於資安與防護策略 平台工程師 Platform Engineer 打造團隊內部工具與平台，支援自助式部署 Internal Dev Tools、Infrastructure Platform、K8s Operators 著重於團隊工程效能提升，與雲端工程師互補合作 後端工程師 Backend Engineer 伺服器端邏輯、資料庫整合、API 設計 Java / Python、SQL、RESTful API、Redis 若參與部署與 CI/CD，可跨足雲端工程與平台設計 全端工程師 Full Stack Engineer 前端介面整合與後端邏輯開發 React / Vue、Node.js、DB 操作 若自行部署應用，可延伸學習基礎雲端與 DevOps 技能 系統管理員 / 維運工程師 SysAdmin / Ops 傳統伺服器與網路維護、資源監控與修復 Linux、Nagios、Shell Script、Log 管理 若學習 IaC 與雲端平台，可轉型為雲端工程師或 SRE  🎯 為什麼選擇雲端開發？三大關鍵原因 需求穩定且持續成長： 雲端轉型已是企業共識，雲端工程師幾乎每年都是 LinkedIn、104 等人才平台的「高薪搶手職缺榜首」。  跨產業技能： 從金融科技、電商、製造、醫療到教育，幾乎所有行業都需要雲端部署與維運能力，具備高度橫向轉職能力。  職涯路徑多元： 可橫向發展為 DevOps 工程師、SRE、資安工程師，或縱向升遷為 Cloud Architect、技術經理等管理職，不怕卡關、發展空間大。  此外，結合 Serverless、AI 工具、IoT、邊緣運算等新技術，也讓雲端職涯保持高度創新與學習挑戰，是工程師長線發展的黃金選項。  🎯 誰適合轉職雲端工程師？四大族群建議 剛起步的工程新手： 想培養工程職涯但還在觀望 Web、AI、App 開發的入門者，雲端工程是 硬底子技術起點，往後轉職彈性大。  已有開發經驗的前/後端工程師： 熟悉應用開發後，若對部署、架構、效能優化有興趣，可向雲端或 DevOps 跨足，提升系統設計與大局觀能力。  系統維運、MIS、SRE 人員： 習慣處理伺服器與網路系統，若願意學習 IaC 與自動化部署，可自然轉職為雲端工程師，掌握更現代的技術框架。  對跨技術整合有興趣的工程師： 雲端工程師需要結合程式語言、網路、部署與資安知識，適合喜歡「橫向整合、縱向打通」的技術人。  🎯轉職步驟建議 6 個月內：完成雲端平台入門課程 + 自建部署作品（可用 Skill Boost Lab）  取得初階認證：如 Google Cloud Digital Leader / AWS Practitioner  參與實作專案：GitHub 實作範例、雲端部署過程記錄 Blog  申請實習／外包任務：Freelancer 或 Cloud Intern 累積經驗  中階前進路線：加入 DevOps / Cloud Engineer 團隊，進一步考取 Associate / Professional 等級證照  掌握雲端工程師的核心能力：必備工具技能 x 學習路徑 x 軟技能 🧭雲端工程師技能 × 學習階段 對照表格 系統操作與基礎程式 雲端平台與部署實務 架構自動化與維運 監控、資安與成本優化 基礎 Linux CLI、Python、Git 初階操作 GCP/AWS 免費帳號開通、VM/靜態網站部署 手動建立雲端資源、JSON/YAML 入門 IAM 初探、Log 查看、成本報表基礎 核心 Shell 腳本自動化、Git 流程、Python 系統應用 Docker 容器化、Kubernetes 部署、CI/CD 實作 Terraform 實作 IaC、自動建置、CI/CD 流程 Prometheus/Grafana、ELK Stack、IAM 權限控管 進階 跨平台整合腳本、進階錯誤追蹤 Serverless（如 Lambda）、多雲整合、邊緣運算部署 HA 架構、多區部署、事件導向與資料管線設計 FinOps 成本優化、雲端安全策略、防火牆與金鑰管理 認證 Linux Foundation、Python PCAP 認證 AWS/GCP/Azure Cloud Engineer 認證 Terraform Associate、CKA AWS Security、FinOps Practitioner 認證 ▲ 雲端工程師應具備技能、工具能力、推薦認證，點選不同技能會對應到相關課程。 ☁️ 雲端工程師學習地圖與路徑（搭配AI工具） ⛩ 初階學習（0–6 個月）：奠定技術基礎  📌 學習內容（技能 ＆ 實作）  Linux 系統操作（shell 指令、vim、權限管理）  網路基礎：IP、DNS、HTTP、TCP/IP  程式語言入門：Python 或 Shell script  雲端平台操作：建立並熟悉 AWS/GCP 免費帳號  基礎雲端資源管理（Compute Engine / EC2）  版本控制：Git 與 GitHub 基本操作  CLI 工具使用（如：gcloud, aws-cli）     實作練習：  在 GCP/AWS 上部署靜態網站  撰寫 Bash + CLI 工具的自動部署腳本  IAM 權限設定與防火牆規則實作  📌 AI 工具應用  使用 Google Cloud Console 智慧建議功能  使用 Gemini in Google Cloud 協助命令產出與錯誤修正  Copilot for CLI：快速生成 YAML 設定檔與指令  📌 備選學習（延伸）  推薦資源：  GCP Skill Boost Labs – 初學者路徑  AWS Cloud Practitioner Essentials（適合無經驗者）  Linux Journey（互動式學習網站）  雲端工程師入門推薦課程 👉Python 基礎程式設計｜開外掛勇闖 Python 異世界👉快速活用 MySQL，精準設計關聯式資料庫👉 Git 速成攻略：2.5 小時變身版本控制達人 ⚙ 中階學習（6–12 個月）：掌握自動化與部署核心  📌 學習內容（技能 ＆ 實作）  Docker 容器化部署與映像檔建立  Kubernetes（GKE、EKS）叢集管理與應用部署  CI/CD 流程設計：GitHub Actions、GitLab CI/CD  Infrastructure as Code（IaC）：Terraform 或 Pulumi  Logging / Monitoring 工具整合：Prometheus、Grafana、Cloud Logging  IAM 精細權限控管與資源標記（Labeling）    實作挑戰：  使用 Terraform 建立 GKE 叢集並自動部署應用  建立一套 CI/CD pipeline，自動部署至 GCP/AWS  部署一個內部 Wiki 系統至 Kubernetes 並加入監控功能  📌 AI 工具應用  用 Gemini API / ChatGPT 協助生成 Terraform、K8s YAML、CI/CD pipeline 配置  以 Cloud Monitoring 整合 AI 偵測異常行為（AI-based anomaly detection）  使用 Cloud Deploy 的 AI 效能預測功能進行部署前模擬  📌 備選學習（延伸）  Google Cloud – Infrastructure Modernization Track  課外專案建議：  建立雲端部屬的部落格服務  模擬企業環境建置內部開發者平台（Internal Dev Platform）  Kubernetes the Hard Way（挑戰進階網路知識）  雲端工程師中階推薦課程 👉成為 AWS 達人第一步！打造你的第一個 AWS 架構！👉微軟Azure超級入門實務與AZ-900認證攻略👉AWS雲端架構規劃｜建置實務應用 🚀 高階學習（12 個月以上）：架構設計與商業導向  📌 學習內容（技能 ＆ 實作）  跨區高可用架構（Multi-zone HA、Failover、Load Balancing）  多雲與混合雲架構管理（GCP + AWS + On-Prem）  FinOps 成本優化與預算控管工具使用（如 Billing Report + BigQuery 分析）  雲端資安策略設計：VPC Service Controls、IAM Conditions、Cloud Armor  Serverless 應用設計（Cloud Functions、Cloud Run）  IoT + 雲端串接架構設計（Edge computing）    進階實作：  架設可擴充、高可用的企業級平台  使用 Cloud Storage + Dataflow + BigQuery 建立數據湖架構  整合第三方 SaaS（如 Stripe、Slack、Salesforce）進行 API 資料整合  📌 AI 工具應用  使用 Vertex AI 設計並部署機器學習模型（如預測負載）  整合生成式 AI API（如 Gemini、Claude）於產品功能中  應用 Gemini Code Assist 協助維護大型 Terraform 專案  📌 備選學習（延伸）  Google Professional Cloud Architect Certification  雲原生運算與 CNCF 專案探索（如 Istio、Envoy、Knative）  建議實習專案：  IoT 裝置即時資料流處理平台  架構具資料治理能力的 Data Lakehouse  雲端工程師高階推薦課程 👉AWS雲環境的架構優化-彈性化自動擴展👉微軟 Azure｜通關 AZ-104 認證攻略，邁向雲端 IT 管理之路 🛠成為雲端工程師應具備的軟技能  雲端工程師不僅需要技術實力，更需要具備與角色高度契合的「軟實力」，才能真正勝任跨部門協作與快速變動的工作環境：  🧠 系統性思維： 面對分散式系統、跨區部署與資源配置，需具備架構整合、效能預測與風險管控能力。  🛠 問題解決力： 遇到部署錯誤、資源衝突或自動化失敗時，需能快速定位問題、擬定可行方案並有效執行。  【小測驗】來測測看自己的問題解決技巧 👉 問題解決 - 職能檢測｜104學習精靈 📚 持續學習動能： 雲端技術快速演進，需持續掌握新工具（如 Serverless、Cost Explorer、Spot Instance）、框架與平台特性，提升作業效率與創新能力。  🗣 溝通協調力： 需與開發、資安、業務等部門密切合作，說明技術選擇、協調需求優先順序，推動系統最佳化。  【小測驗】來測測看自己的溝通能力技巧 👉 溝通協調 - 職能檢測｜104學習精靈 🔧 成本洞察與技術節流智慧： 企業導入雲端後，常因錯誤配置導致成本居高不下。雲端工程師需具備資源規劃與預算優化的敏感度，善用 Auto Scaling、Load Balancer、IAM Policies 等工具，在維持穩定性與可用性的同時，有效降低長期支出，回應業務單位的效益期待。  🔋 壓力耐受力與責任感： 系統維運過程中需面對線上環境的高可用性要求與突發事件處理壓力，具備冷靜應變、精準決策與承擔風險的心態，是成為資深雲端人才的必要特質。  轉職雲端工程師的學習策略  🎯 初學者或轉職者的學習策略：  對於沒有工程背景者，切入點可循序漸進：  建構基礎觀念：從 Linux、網路基礎、程式語言入門、指令操作與雲端概念入手。  選擇一個平台專精（GCP、AWS、Azure），開始練習帳號申請與部署操作。  實作為導向學習：每學一個新技術就搭配小專案，例如用 GCP 建一個靜態網站並開通 HTTPS。  證照作為里程碑：初階考取 Cloud Practitioner、Cloud Digital Leader，有助於簡歷加分。  Python 程式設計能力 - 線上免費檢測 🎯 不同領域的客製化學習策略：  背景 適合學習切入點 優勢 建議補強 系統管理員 Infrastructure as Code、CI/CD 熟悉作業系統與維運邏輯 編程能力與雲平台知識 資料分析師 BigQuery、Cloud Storage、Dataflow 對資料處理與 ETL 熟悉 雲端部署與自動化工具 前端工程師 Firebase、Serverless Functions 熟悉前後端整合 容器化與系統監控 專案管理/PM 雲端架構設計、FinOps 熟悉產品流程與商業目標 技術基礎與平台實操能力  [course_plugin title='推薦課程' keyword='雲端資料工程師在職遠距班' amount=1] 雲端工程師薪資行情與職涯發展  雲端工程師薪資概況  📌 台灣雲端工程師薪資  初階（3年以下經驗）：月均薪約6.6萬。  中階（3- 5年經驗）：月均薪約 7.2 萬。  高階（5-10年經驗）：月均薪約7.2萬以上。（以上資料來源：104薪資情報）  📌 薪資影響因素 證照認證：擁有 AWS、GCP、Azure 等專業認證可顯著提升薪資級距。  年資與專案經驗：實務經驗越豐富，薪資越具彈性與談判空間。  技術栈能力：熟練容器化、IaC、自動化部署與監控工具者更受企業青睞。  平台熟悉度：具多雲（Multi-Cloud）經驗與架構設計能力者加分。  產業與公司規模：FinTech、SaaS、外商與顧問公司提供較高薪資範圍。  英文與國際協作力：能用英文參與文件撰寫、會議與跨國專案者更具競爭力。  團隊角色與責任：主導 CI/CD、導入雲架構、跨部門協作者薪資更高。  地區與工作模式：北部/Remote/海外接案機會多，國際行情可參考薪資上限。 英文能力 - 線上免費檢測 雲端工程師職涯發展路徑總覽  雲端工程師的職涯擁有高度彈性與多元出路，不僅可持續深化技術實力，也能橫向轉職至顧問、資安或管理等專業領域。以下分為兩大主軸：「技術專精路線」與「管理 / 顧問 / 專業轉軌路線」。   📈 技術專精路線：從工程師到架構大師  這條路線適合對系統部署、基礎建設自動化與雲端架構設計具高度興趣者。  Cloud Engineer（雲端工程師）　掌握雲平台部署、資源管理與自動化基礎技能。  Senior Cloud Engineer（資深雲端工程師）　具備跨專案經驗與高效監控、故障排除、成本優化能力。  Cloud Architect（雲端架構師）　專注於設計大型雲端架構，兼顧穩定性、安全性與擴展性。  🔄 交叉技術進階路線：DevOps / SRE / 平台工程  DevOps Engineer（開發營運工程師）　整合開發與維運流程，導入 CI/CD 與基礎設施即程式（IaC）。  SRE（Site Reliability Engineer）　專注於系統可用性、容量規劃、容錯設計與自動化修復。  Platform Engineer（平台工程師）　為內部團隊打造平台工具與運行環境，優化開發者體驗與交付效率。  🧭 管理與顧問發展路線  Tech Lead / Cloud Team Lead（技術主管 / 雲端團隊領導）　統整技術方向、團隊管理與資源分配，牽引大型專案落地。  Cloud Consultant / Pre-sales（雲端顧問 / 技術顧問）　結合業務與技術，負責客戶雲端架構規劃、導入與 PoC 驗證。  🔐 專業分支發展  Cloud Security Engineer（雲端資安工程師）　負責雲端環境的安全性設計、合規控管與風險評估。  Data Platform Engineer / Data Engineer（數據平台或數據工程師）　轉向數據領域，聚焦於資料湖、大數據平台建置與處理流程。  [course_plugin title='推薦課程' keyword='資安與雲端架構工程師養成班' amount=1] 職涯發展路徑圖 雲端工程師（Cloud Engineer） │ ├── A. 深化雲端部署與設計 → 資深雲端工程師（Senior Cloud Engineer） │ └── 架構設計專精 → 雲端架構師（Cloud Architect） │ ├── B. 學習維運與自動化 → DevOps 工程師（DevOps Engineer） │ └── 穩定性與監控進階 → SRE 可靠性工程師（Site Reliability Engineer） │ ├── C. 打造開發平台與工具 → 平台工程師（Platform Engineer） │ ├── D. 發展團隊協作與領導 → 技術主管 / 團隊領導（Tech Lead / Cloud Team Lead） │ └── 與客戶對接與規劃 → 雲端顧問（Cloud Consultant / Pre-sales） │ └── E. 特化技能延伸： ├── 雲端資安工程師（Cloud Security Engineer） └── 資料平台工程師（Data Platform Engineer） 哪些產業需要雲端工程師  幾乎所有中大型企業皆正在進行數位轉型，以下為最仰賴雲端技術的產業：  金融科技（FinTech）：如數位銀行、支付平台，需高可用性與資安規範的雲端架構。  電子商務與零售：需支撐高流量網站、彈性資源與後端整合。  遊戲與多媒體產業：使用雲端作為即時伺服器平台與玩家資料同步。  製造業與 IoT：使用混合雲處理邊緣裝置數據，結合數據湖與 AI 模型部署。  教育與遠距工作平台：採用 Serverless 或容器架構支撐大量即時互動與內容傳遞。  醫療與生技產業：處理敏感數據的雲端儲存與運算，須結合合規與安全設計。  雲端工程師的挑戰與機會  💣 面對的挑戰：  技術變動快、需持續學習：新工具、新架構層出不窮，需投入大量時間學習與實作。  平台廠商鎖定效應（Vendor Lock-in）：企業使用單一雲端平台，限制多雲選擇與遷移彈性。  維運壓力大、責任重大：雲端系統一旦出錯影響層面廣，尤其是電商或金融系統。  安全與法規要求提升：需考量資安事件、資料合規（如 GDPR、HIPAA）與營運韌性。  🚀 成長的機會：  企業數位轉型需求大：2025 年起預計全球 70% 的企業核心應用將遷移至雲端。  AI 與數據導向加速雲端應用：模型訓練與資料儲存強化對雲資源的需求。  高階職位人才稀缺：具備架構設計、資安合規能力的雲端專家仍供不應求。  Freelancer 與 Remote Job 蓬勃：全球雲端工程需求讓自由接案與遠距工作成為常態。  [joblist_plugin title='更多104【雲端工程師】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=%E9%9B%B2%E7%AB%AF%E5%B7%A5%E7%A8%8B%E5%B8%AB&mode=s&page=1' amount='3'] 延伸閱讀： 產品經理 - 學習地圖(上)：技能養成篇 如何成為後端工程師？精準掌握必備核心技能＆職涯精進攻略 轉職前端工程師│工作內容、技能、薪水與職涯發展指南 數據分析師工作內容是什麼？薪水高嗎？技術能力與職涯發展指南 想當資料工程師？工作內容、核心技能、薪水、職涯發展完整解析
【104職場力】・職涯規劃

和 GIT 相關的證照 (1)

OPC旅遊產品操作人員認證 |
在旅遊產業相關職能之中，「旅遊業務管理人員」已經核可通過職能基準認證，據此，台北市旅行商業同業公會特以「旅遊業務管理人員」之職能基準為參考標的，進行「旅遊產品操作人員」職能基準之建構。「旅遊產品操作人員」俗稱「OP人員」，是旅遊業相當基礎而關鍵的職能，舉凡團體旅遊(GIT)或個人旅遊(FIT)的訂定與組合，皆需仰賴旅遊產品操作人員(OP)來完成。
台北市旅行商業同業公會

和 GIT 相關的測驗 (1)

和 GIT 相關的教室 (5)

教室
Git
104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
104學習｜
公開教室
104 TechCon 工程年會
104 TechCon工程年會 為工程社群年度盛會，由 104 ETC （工程技術委員會）籌辦，2022 為 104 TechCon元年。 活動旨在聚集各領域工程交流彼此經驗心得、分享最新技術發展、 並親身體驗社群獨有的熱情，徵求充滿影響力與感染力的你， 一起互相分享成果，讓我們技術更上一層樓。 更多消息請到網站： 2022年：https://techcon.104.com.tw/ 2023年：https://techcon.104.com.tw/2023
一零四邦尼學習｜
公開教室
Android讀書會
Samples BasicSample - Shows how to persist data using a SQLite database and Room. Also uses ViewModels and LiveData. PersistenceContentProviderSample - Shows how to expose data via a Content Provider using Room. Git hubBrowserSample - An advanced sample that uses the Architecture components, Dagger
yes哥｜
公開教室
AppDev Learner
給每位有心想學習 App 開發的人
趙之君｜
公開教室
旗標知識講堂
【旗標】出版電腦書已經超過30年了，卓越的品質是我們的堅持。 我們致力於開發 AI 領域的圖書、創客、教具，希望培養更多的 AI 人才。
Michelle｜