SolidWorks零組件機構設計
104學習
測量與放樣
在職場上，這項技能指的是利用專業工具和方法，精準取得現場尺寸與位置數據，並將設計圖轉化為實際施工或製造的參考標記。它確保工程或產品能依照規格正確落實，避免誤差與返工，提高工作效率與品質。擁有這項技能的人，通常具備細心觀察、空間感知及操作儀器的能力，是建築、土木、製造等行業不可或缺的關鍵人才。
提升你的實力，朝專業更進一步
精選課程
充實自己，讓能力持續成長
打造秒懂視覺化簡報
專案矩陣分析與應用技巧
高質感 簡報設計
高品質 簡報設計
SketchUP + VRay 室設3D出圖｜初階課
商務人士都在用的模組簡報術
專案計畫與進度管制技巧
深度學習影像辨識｜YOLO物件偵測全解析
資料分析與視覺化
精選證照
考取專業證照，讓能力被市場看見
甲級建築製圖應用技術士
此證照考核持證者是否具備建築製圖的進階知識與技能，包括手繪與電腦繪圖、建築結構分析及施工圖設計能力。
甲級建築製圖技術士考試分為學科測驗與術科測驗兩部分：
學科測驗：建築設計原理、結構力學、施工法規及建築材料。
術科測驗：熟練運用建築繪圖工具或軟體（如AutoCAD、Revit），完成平面圖、立面圖與剖面圖製作，並進行設計細節標註。
勞動部勞動力發展署技能檢定中心
甲級工業儀器技術士
工業儀器之技能檢定規範分甲、乙、丙三級：
(一)明訂分級的工作範圍：
1.丙級──儀器工程按圖施工及儀器基本操作，為儀控技工級。
2.乙級──儀器工程檢查及儀器維修，為儀控技術員級。
3.甲級──儀器工程設計，改善及管理，為儀控工程師級。
(二)顯示分級應具知能內涵之劃分：
1.丙級──70％儀器工程安裝及操作、實作。30％儀器工程相關知識。
2.乙級──50％儀器工程檢查及維修、實作。50％儀器工程相關知識。
3.甲級──30％儀器工程設計、改善、實作。70％儀器工程相關知識。
甲級工業儀器技術士工作範圍：具備工業儀器控制行業之專業與相關知識、職業道德、敬業精神、工作態度，能依既定條件實施儀控工程之設計，改善及管理。
勞動部勞動力發展署技能檢定中心
丙級工業儀器技術士
工業儀器之技能檢定規範分甲、乙、丙三級：
(一)明訂分級的工作範圍：
1.丙級──儀器工程按圖施工及儀器基本操作，為儀控技工級。
2.乙級──儀器工程檢查及儀器維修，為儀控技術員級。
3.甲級──儀器工程設計，改善及管理，為儀控工程師級。
(二)顯示分級應具知能內涵之劃分：
1.丙級──70％儀器工程安裝及操作、實作。30％儀器工程相關知識。
2.乙級──50％儀器工程檢查及維修、實作。50％儀器工程相關知識。
3.甲級──30％儀器工程設計、改善、實作。70％儀器工程相關知識。
(三)丙級工業儀器工作範圍：
一、具備工業儀器行業之基本知識、職業道德、敬業精神、工作態度及安全習慣。
二、能依照儀器工程圖完成安裝外，並應具有工業儀器基本操作之能力。
勞動部勞動力發展署技能檢定中心
甲級儀表電子技術士
民國七十二年為配合工業電子精密化分工再予修正時，將工業電子職類分為數位電子、儀表電子、與電力電子等三組。為配合本行業技術之發展，並達到專業技術（從業）人員技術之提升，因此於八十一年再予修正。
本職類技能檢定規範修正係以工業電子技術（從業）人員養成訓練課程規範與設備規範及各級學校電子相關類科課程標準為依據，擇其重點修正本技能檢定規定之工作項目、技能種類、技能標準與相關知識。
甲級工作範圍：儀表電子裝置之組裝、測試、檢修、改善及撰寫報告。
勞動部勞動力發展署技能檢定中心
丙級建築製圖應用-電腦繪圖 技術士
技術士職業證照是根據工作規範，對技術人員所具有的專業知識與技能加以測驗。測驗合格的話，將能取得政府主管機關所頒發的「技術士證書」，證明所擁有的技術能力，作為從業的憑證，而且依據法律在就業時能夠得到某種程度的保障。
丙級技能檢定標準著重於『基本之建築圖樣繪製』，需瞭解電腦、圖學及營建等基本知識，與相關之建築技術法規。
勞動部勞動力發展署技能檢定中心
特考化學工程技師
從事化工產品之規劃、設計、研究、分析、試驗、監製；化工製程之研究、設計；化工設備之規劃、設計、監造、研究、分析、試驗、評價、鑑定、安裝、保養、修護、檢驗及計畫管理等業務。
考試院
精選貼文，掌握第一手知識
量天測地、解構力學——深入成大南工土木科，從材料試驗到現代營建實務的養成記
土木工程往往不像建築設計那樣容易受到矚目，但每一棟建築、每一座橋梁的安全與品質，背後都少不了土木工程專業的支撐。國立成功大學附屬臺南工業高級中等學校土木科便以「專業、實作、創新」為核心，透過扎實的理論課程、多元實作訓練與工程現場接軌，培養兼具工程知識與實務能力的人才。 土木科教師方偉烈表示，建築與土木外界看來似乎差異不大，但兩者的定位並不相同，「建築比較著重空間設計與規劃，而土木更關注工程技術與結構安全」。建築師負責完成整體建築設計，土木工程專業人員則負責讓設計安全落實、順利施工，兩者始終是相輔相成、不可或缺的重要夥伴。
從基礎到專業，逐步建立工程能力
土木科的課程依照學生不同階段循序漸進安排。高一以基礎能力培養為主，除了國英數等一般科目外，專業科目則會修習如土木建築工程與技術概論、構造與施工法，搭配測量實習、製圖實習，建立學生的基礎專業。
到了高二課程逐漸加深加廣，逐步深入專業核心，學生將修習工程力學、營建技術實習、電腦輔助製圖實習、工程測量實習、地形測量實習、材料與試驗等課程。此階段學生將投入許多時間在實習課程中，先學習基礎理論，再透過大量的做中學，在理論與操作中深化自身專業。以材料與試驗課程為例，學生會接觸粒料分析、混凝土拌合、混凝土養護、混凝土抗壓等內容，實際了解建築材料背後的工程原理。同時，學生也會實際進行砌磚、木工、鋼筋施工、模型製作及室內配線等內容，並有機會親自操作，透過大量實作累積工程現場所需的經驗與判斷力。
圖：學生參訪鋼筋加工廠了解實際製程
高三時課程則以專題帶領學生整合三年所學，學生透過組隊合作完成專題作品，專題主題以興趣為導向，鼓勵學生發揮專業視角，利用創意解決實際問題。有學生設計改善生活問題的木工作品，也有人規劃建築模型，從選址、結構到功能規劃，都必須活用過去累積的知識完成完整專題，不局限於土木內容，反而讓學生更能發揮創意和觀察力。此外，成大南工土木科更致力於課程的創新，透過加入無人機測繪等內容，讓學生接觸數位測量技術，讓學生在已有的知識基礎上，持續拓展在工程應用的新視野。
理論與實作並重，真正理解工程的本質
許多學生入學前往往認為土木科就是不斷動手施工，但真正進入課程後，學生才發現實作背後需要扎實的理論支撐。
方老師表示，材料試驗就是最好的例子，學生必須先理解材料性質、混凝土比例及相關理論，再進入實驗室完成實驗，驗證結果是否符合工程標準。土木科並非只有操作技能，更需要具備數理分析與工程判斷能力。這樣的學習歷程，也讓不少學生重新認識土木工程。
圖：學生合作組裝工程結構模型
土木科二年級林同學分享，原本以為土木科就是每天在戶外施工、砌磚，實際就讀後才發現，還必須學習材料、測量、力學等專業理論。「它（土木科）不是只有曬太陽做工程，也要學很多理論架構。」另一位二年級郭同學也有相同感受。他原本認為土木科以實作為主，真正接觸課程後才發現有比想像中更多的理論知識。
成大南工扎實深厚的課程設計，帶領學生在每一項工程操作之前，先建立完整的知識基礎，才能在實作中更深刻理解背後的原理，也讓學生在實際操作中更深入理解工程原理 。
大量實作、接觸現場，從實務中累積出專業即戰力
除了課堂上的操作，土木科也積極透過競賽與專題，引導學生將知識真正應用於實際問題。
例如，學生曾組隊參加正修科技大學木橋載重競賽，從木材裁切、打磨到橋梁組裝，歷經兩個月反覆製作與調整，最終獲得外觀特別獎。土木科二年級王同學表示，雖然橋梁承載能力仍有進步空間，但看到團隊一步步完成作品，仍讓他感到十分有成就感。
圖：學生參加橋樑載重競賽展示成果
方老師也指出，土木科最大的特色，就是讓學生「做中學」。學生不只是完成作品，而是在反覆操作、修正與驗證中，逐漸培養工程判斷能力，學生也會在不同年級，分別考取測量丙級、建築製圖應用-電腦繪圖項丙級、工程測量乙級等三張證照，累積未來升學或就業的競爭力。若直接投入職場，畢業學生將具備基本施工與監造能力；若選擇升學，也能良好銜接土木工程、營建工程等相關科系。
除了校內課程，土木科每學期也安排企業參訪，帶領學生走進建設公司、工程顧問公司、鋼筋工廠及材料檢驗中心，了解不同工程環節的實際運作。部分學生更有機會參與寒暑假的校外實習，親身進入工地現場，提前體驗工程工作的內容。透過一次次與業界接觸，學生不只是認識未來職涯，更能理解課堂所學如何真正應用於工程實務。
專業、實作、創新，培養面向未來的工程人才
談到土木科最重要的特色，受訪教師以「專業、實作、創新」三個關鍵字作為總結。「專業」代表扎實的工程知識；「實作」代表大量操作與現場經驗；而「創新」則是持續導入無人機測繪等新技術，讓學生能與時俱進，接軌產業發展。
圖：學生學習操作無人機設備
方老師也觀察到，許多學生在三年的學習中，最大的改變並不是學會多少技術，而是逐漸不害怕動手，也願意主動尋找解決問題的方法。從學生觀點來看，王同學認為，只要喜歡動手做、願意學習，就能在土木科找到自己的舞台；郭同學則認為，具備邏輯思考能力、願意面對挑戰的學生，都很適合投入這個領域。
從基礎理論、工程實作到創新技術，成大南工土木科不只是教學生如何完成一項工程，更希望培養學生面對問題時的工程思維，讓每一位學生都能在未來的升學與職涯道路上，穩穩築起屬於自己的專業基礎。
開箱土木科學習日常！更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
從初學到專業——屏東高工土木科，用精準數據與扎實實作打造未來專業人才
人們生活環境中的各項建設，道路、橋梁、建築、水利設施、港灣，甚至花草樹木的園藝造景等，幾乎都屬於土木工程的範疇。對多數人而言，土木工程容易被理解成「蓋房子」或「工地施工」，但真正的土木工程，其實涵蓋範圍相當廣泛，高職階段著重於基礎測量、材料、力學結構、施工到工程管理等完整流程的學習，需要的不只是動手操作，更需要扎實專業的工程知識與解決問題的能力。
屏東高工土木科是校內歷史悠久的科別之一，多年來持續依循產業需求調整課程，透過理論學習、工程實作與測量訓練，逐步培養學生完整的專業能力，為未來升學或投入工程產業奠定基礎。
圖：土木科教學樓
從基礎到精熟循序建立專業基礎
土木工程涵蓋的知識相當廣泛，因此屏東高工土木科的課程安排並非一開始就進入施工實務操作，而是依照學生的學習階段逐步建立能力。
高一時，學生先從測量學、測量實習及土木建築工程與技術概論開始，認識土木工程的基本原理，也透過測量實習學習操作儀器，建立對工程現場最基礎的認識。進入高二後，課程則逐漸加入工程材料、工程力學、工程圖學等專業知識，同時安排鋼筋、模板、鷹架組立及砌磚等施工實作，讓學生將課堂所學與實際工程相互印證。到了高三，學生除了持續深化工程測量技術，也開始接觸無人機測量等新技術，逐步認識現代工程測量的發展趨勢。
圖：學生進行砌磚水平校正
土木科主任林上源表示，測量是土木工程的重要基礎，因此學生從一年級入學便持續接觸相關課程，不只需要學會操作儀器，更希望培養學生精確判讀、分析與解決問題的能力。從測量、材料到施工，看似屬於不同課程，但在工程現場往往是牽一髮而動全身。一項工程開始之前，需要先從基礎開始，完成現況調查、整地、測量放樣…等，施工時則必須了解材料特性與結構原理。因此學校安排課程時，也希望學生將所學知能融會貫通，理解每一個環節之間的關聯性，以期逐步建立完整的工程觀念。
不只是施工，更要理解工程背後的原理
在外界印象中，土木科似乎就是砌磚、綁鋼筋等實作課程，但真正的工程現場，每一項施工都建立在理論基礎之上。
林主任指出，學生除了學習施工技術，也必須理解材料特性、建築構造及工程力學等知識。例如材料試驗課程中，學生需要進行水泥、粒料及混凝土等各項實驗，了解不同材料的性質與應用；施工工廠則讓學生親手完成砌磚、鋼筋、模板及鷹架組立等，體驗一棟建築從結構到施工的完整流程。透過理論與實作交互學習，學生不只是知道「怎麼做」，更理解「為什麼要這樣做」。
這樣的課程安排，也改變了不少學生對土木科的想像。
圖：學生合作進行鋼筋綁紮
土木科三年級蔡同學分享，自己原本以為土木科就是砌磚、鋼筋等施工課程，真正就讀後才發現，除了施工之外，還要學習測量、製圖等不同領域的專業，也因此對測量與製圖逐漸產生興趣。另一位洪同學也表示，原本以為土木科只能接觸模型製作，入學後才發現課程內容比想像中更加多元，而在一步步學習後，也逐漸找到自己的興趣與方向。
在一次次測量與實作中，累積工程現場需要的能力
除了課堂學習，屏東高工也鼓勵學生透過證照與技能競賽持續精進專業能力。
受訪的兩位學生皆為測量選手，長時間的訓練，不只是提升儀器操作能力，也讓他們更了解自己的專長。洪同學表示，自己較擅長儀器操作，因此希望未來朝無人機測量等相關領域發展；蔡同學則認為，參與選手培訓最大的收穫，是有能力協助同學解決問題，將自己累積的經驗分享給班上的同學。
林主任表示，學生在三年期間也會陸續挑戰測量丙級及工程測量乙級等專業證照，讓所學具體展現，也為未來升學及就業累積競爭力。受訪的兩位學生目前也都規劃持續升學，分別報考土木工程及土木與空間資訊相關科系，希望將高中三年累積的專業能力延伸到未來的學習與職涯發展。
圖：學生參與抗震模型競賽
從工程現場到未來職涯，開展多元發展方向
無論是建築工程、公共工程、測量、水土保持、室內裝修，甚至工程管理，都需要土木專業人才。學生畢業後可以選擇升學，進入營建工程、土木工程、水土保持及環境工程等相關科系，也能直接投入工程現場，從監工、測量人員、施工管理等工作開始，逐步累積經驗，朝工程師、工地主任及專業技師等職涯方向發展。談到學生畢業後的發展，林主任直言以目前的產業需求來看，土木專業人才仍有穩定的就業機會，「生活周遭環境，幾乎都與土木工程息息相關，只要願意，絕對可做為一生的志業」
扎實專業，培養能解決問題的工程人才
土木工程從來不只是施工，更是一門結合理論、技術與判斷的專業。屏東高工土木科透過測量、材料、施工及工程實作等完整課程，帶領學生一步步建立工程思維，也在不斷操作、驗證與修正的過程中，培養面對工程現場所需的專業能力。
從道路、橋梁到校園建築，土木工程一直默默支撐著人們的日常生活。屏東高工土木科希望培養的，不只是能完成一項工程的人，更是能理解工程如何影響生活、並運用專業解決問題的人才。當學生一步步累積測量、施工與工程判斷能力，也正在為未來投入更大的工程現場做好準備。
開箱土木科學習日常！更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
如何用AI準備證照考試？Gemini Notebook學習備考超實用5步驟完整解析
用AI怎麼準備考證照、檢定？本文以iPAS（經濟部產業人才檢定）的AI應用規劃師能力鑑定為例，解析如何利用學習神器Gemini Notebook（原NotebookLM）的各項功能，輕鬆備考專業證照！從利用「心智圖」和「對話提示」進入學習狀態、用「報告」和「學習卡」蒐集考題、用「對話互動」找考古題答案，以及最後進行即時測驗，本文節錄自《零花費上手！Gemini 3 / NotebookLM / Nano Banana Pro / Veo 3.x 最強 AI 組合技》。
文／施威銘研究室
本文目錄（點擊可快速前往）
步驟1：定義對話風格與回覆內容長度步驟2：「心智圖」、「對話提示」協助進入學習狀態步驟3：利用「報告-學習指南」、「學習卡」蒐集潛在考題用NotebookLM「報告-學習指南」蒐集考題用NotebookLM「學習卡」蒐集考題步驟4：運用「對話互動」找到考古題的答案小技巧：使用「語音摘要 - 評論」像老師給建議步驟5：透過「學習卡」、「測驗」進行即時測驗
（編按：NotebookLM於2026年7月更名為Gemini Notebook。以下為原始文章：）
蒐集潛在考題，輕鬆備考專業證照
今天要準備考試，不管是一般日常的小考、大考，就算是考證照、讀法規，NotebookLM都能幫上大忙！接下來，讓我們以準備iPAS（經濟部產業人才檢定）的AI應用規劃師能力鑑定當作情境，而該檢定會需要研讀The EU Artificial Intelligence Act（歐盟人工智慧法案），法規不只是英文的，內容還非常多，該怎麼準備才好呢？
NotebookLM網址：https://notebooklm.google.com/
【本文案例】PAS+ AI應用規劃師能力鑑定介紹>>至【104學習】看介紹The EU Artificial Intelligence Act（歐盟人工智慧法案）
如果你對於準備這個檢定有興趣，可以進入到The EU Artificial Intelligence Act的網頁（https://artificialintelligenceact.eu/），查找到相關法規資料的PDF檔。
步驟1：定義對話風格與回覆內容長度
透過定義對話風格，可以讓NotebookLM變成一位指引你學習的導師。還可以進一步選擇回覆內容的長度，決定這位導師的解說詳細程度。
定義對話風格，設定為「學習指引」
（圖片來源／旗標）
步驟2：「心智圖」、「對話提示」協助進入學習狀態
由於歐盟人工智慧法案的資料真的很多，在你匯入資料後，可能也不知道該從何開始。這時可以透過「心智圖」掌握整體法案的架構，下一步則能點選心智圖中的任一標籤，或是點選「對話提示」，幫助自己先從其中一個部分開始學習。
以點選「對話提示」為例，NotebookLM在學習指引的對話風格下，會逐步引導學習。
【對話範例】我的目標是準備IPAS（經濟部產業人才鑑定）的AI應用規畫師能力鑑定。想知道歐盟法案如何透過風險分類約束各種人工智慧應用與基礎技術？
NotebookLM在學習指引的對話風格下，會詢問你的學習目標
（圖片來源／旗標）
步驟3：利用「報告-學習指南」、「學習卡」蒐集潛在考題
NotebookLM中已有內建3個功能，可以輔助蒐集潛在的考題，分別為「報告 - 學習指南」、「學習卡」、「測驗」。
由於「測驗」雖然具有互動功能，但卻無法輕易將題目、答案複製下來，所以在蒐集潛在考題部分，建議使用「報告-學習指南」、「學習卡」。
為了縮小備考的範圍，更容易聚焦學習，可以選擇心智圖的某一標籤，或是對話提示的特定學習目標（本案例的步驟2為歐盟人工智慧法案如何透過風險分級與規範），來自訂指令，讓學習指南的內容不會太發散。我們會保留原先系統的指令，並把希望它聚焦範圍的指令補充上去。
用NotebookLM「報告-學習指南」蒐集考題
【提示詞】報告內容以「歐盟人工智慧法案如何透過風險分級與規範，平衡技術發展和基本權利保障？」為主軸。
英文部分是原先系統的指令，補充說明希望聚焦的範圍（圖片來源／旗標）
不論是測驗題、申論題，都會更切中你指定的範圍來提問：
可複製題目
測驗題會附上解答
申論題可透過對話提問，來取得答案與引用來源
（圖片來源／旗標）
用NotebookLM「學習卡」蒐集考題
學習卡也可以進一步透過指令來聚焦。
【提示詞】學習卡測驗範圍以「歐盟人工智慧法案如何透過風險分級與規範，平衡技術發展和基本權利保障？」為主軸。
設定卡片數量、設定難易度、說明希望聚焦的範圍
（圖片來源／旗標）
會顯示題目數量，並可下載題目跟檔案
（圖片來源／旗標）
下載後，會是csv檔，如果直接用Excel開啟，很可能會出現一堆亂碼。建議你將預設開啟檔案類型變更為記事本，題庫跟答案就能正常顯示。（備註：有多種方法能讓Excel正常開啟csv檔，但此處的重點是取得正確文字內容，並匯入NotebookLM，因此不在此詳述。）
將CSV檔變更為記事本（圖片來源／旗標）
將CSV檔變更為記事本，就能正常顯示完整題庫跟答案：
題庫與答案用逗號 (,) 分隔（圖片來源／旗標）
另外，由於目前NotebookLM的匯入來源尚不支援csv檔，所以你可以使用「貼上複製文字」的方式來進行匯入。
善用快捷鍵Ctrl+A（全選）→Ctrl+C（複製）→Ctrl+V（貼上），神速完成匯入！
將潛在考題，當作來源匯入NotebookLM
匯入來源（圖片來源／旗標）
步驟4：運用「對話互動」找到考古題的答案
除了可以將前一步驟的潛在考題，當作來源匯入之外，你還可以將考古題也匯入到NotebookLM。
舉例來說，iPAS有提供AI應用規劃師能力鑑定的考試樣題，讓我們嘗試把這份檔案，匯入到NotebookLM中，並在問答面板提問。
【提示詞】來源「iPAS_AI應用規劃師能力鑑定考試樣題(114年1月版)」中有一些題目，請使用「EU歐盟人工智慧法案」的內容來回覆。
（圖片來源／旗標）
如此一來，你可以方便對照題目跟答案、根據法規內容提供答案的解說，透過進一步點擊引用編號，還能查閱原文法規的內容！
【TIP】當你明確指定來源時，可以輔助NotebookLM抓到你所需要的內容範圍。所以來源命名很重要，可以幫助自己辨識來源；把提問說清楚也很重要，才不會讓AI亂生一些無用資訊出來。
小技巧：使用「語音摘要 - 評論」像老師給建議
如果有某些法規你覺得比較艱深難懂，而且用文字完全讀不下去時，語音摘要功能就派上用場了！我們先前已經在第4章提過，透過「自訂」就能進一步下指令，讓語音摘要生成的內容更符合你的需求。有關於提示詞的小技巧，你可以掌握幾個提問方向：
設定主題範圍
明確指出特定問題進行討論
使用某個地區的慣用語氣
聚焦目標受眾（如兒童、專家）
設定時間長度
這裡我們要特別介紹的是語音摘要中的評論格式，這個格式可以提供專業評論、意見，並協助改善內容。
所以你可以把自己填答申論題的內容，作為一筆來源匯入到NotebookLM。進一步請它使用歐盟人工智慧法案檔案作為依據，來給予填答狀況的建議。
這個做法就有點像是你作答完之後，有一位老師來給予你口頭上的建議與講評～
步驟5：透過「學習卡」、「測驗」進行即時測驗
「學習卡」、「測驗」功能可以提供給你互動型態的測驗模式，你可以指定卡片數量、問題數量、難易度，並且能下指令，讓它依據你目前的需求來生成。
【提示詞】學習目標是準備IPAS（經濟部產業人才檢定）的AI應用規劃師能力鑑定，希望先以「歐盟人工智慧法案的風險分級與規範」作為學習範圍。
【自訂學習卡】設定卡片數量、輸入指令、設定難易度
（圖片來源／旗標）
【自訂測驗】設定問題數量、輸入指令、設定難易度
（圖片來源／旗標）
在生成之後，可以看到「學習卡」、「測驗」的題庫類型是不一樣的。
「學習卡」（左）和「測驗」（右）的題庫類型不一樣（圖片來源／旗標）
如果你希望在互動時，NotebookLM可以直接回答你問題，而不是一直追問你的學習狀態，可以把對話風格改回「預設」，或是自訂指令，讓它擔任一位解題專家。
使用學習卡或測驗時可點選「說明」，會在對話面板中解說
如果採用「學習指引」的對話風格，NotebookLM會再追問你目前的學習狀態
若採用「預設」的對話風格，NotebookLM會直接提供解釋
（圖片來源／旗標）
（圖片來源／旗標）
節錄自：旗標《零花費上手！Gemini 3 / NotebookLM / Nano Banana Pro / Veo 3.x 最強 AI 組合技，打造全能工作流》／施威銘研究室 著
4個不該再用AI工具做報告的真相！推薦AI Agent生成簡報，自動化任務：找資料、圖表分析、PPT設計
文 /職迷不霧
用 AI 工具像 Gamma 、 ChatGPT 做報告是多數人的推薦💻 雖然可以快速生成簡報 PPT ，但內容和資料的品質真的有符合你的標準嗎？是不是還要花很多時間編輯？終於，全球首款 AI 代理 Manus 來了👏 你有更專業的選擇！這篇文章要用 AI 簡報工具的 4 大真相來對比 AI Agent 厲害的自動化任務
4 個不該再用 AI 工具做報告的真相（點擊快速抵達）
真相1. AI 簡報工具內容完整度不足
真相2. AI 生成的圖片與報告關聯性低
真相3. 文筆「AI味」暴露不像人寫的
真相4. 下載PPT會跑版，還有浮水印
剛好迷編我這週要做競業分析，我就用一樣的指令，同時請 AI 簡報工具與 AI Agent 幫我製作簡報 請幫這個IG：https://www.instagram.com/career_noloss?igsh=eHI0cnYwd2JqaXo1&utm_source=qr 做競業IG分析，比較對象要有3個IG帳號 先來看看第一個血淋淋的比較👇👇👇
真相1. AI 簡報工具內容完整度不足
為了讓看報告的人可以快速理解，通常簡報一開始的目錄與前言說明是很重要的！可以很明顯的看到 AI 簡報工具（左）只有粗淺的一段話介紹，而 AI Agent（右） 能寫出有邏輯的目錄，還幫我自動生成研究背景、研究目標與方法🔍，沒想到只要我一句簡單的話，然後附上 IG 連結，他就可以寫得這麼詳細！在沒有讓他接管登入我 IG 帳號的情況下，可以做到這種程度真的很厲害呢👏
而且我確認過了， AI Agent 找出來的資料都是最新、正確的數據！
同時我也測試了其他 AI 簡報工具...超殘酷......有些甚至沒有讀取 IG 網址的能力😭😭😭
點擊快速回目錄⤴
真相2. AI 生成的圖片與報告關聯性低
這一頁是在分析我經營的職迷不霧 IG 與其他競業 IG 的比較，AI 簡報工具（左）用 AI 繪圖生成了一張意義不明的照片，看似漂亮實則沒有幫助👎。在簡報中，放圖片是為了幫助讀者理解和加強記憶，是文字很重要的視覺輔助，別為了填滿空白而塞進與主題無關的圖片～這樣會讓簡報扣分喔～反觀，AI Agent（右）不僅圖文相符，還畫出了可參考的數據圖表，我一眼就能看出重點👀：四個帳號的比較分析、內容特性差異與綜合洞察
這是 Manus 在簡報中自動幫我生成不同款式的圖表，資料給的很完整，就是我需要的！資訊也都正確，我可以直接拿來用不用改！
點擊快速回目錄⤴
真相3. 文筆「AI味」暴露不像人寫的
聊天機器人剛問世的時候，許多人都在擔心作家、文案寫手會被取代，但透過這一年間人們的大量使用，已經有專家盤點出用 ChatGPT 寫文的特徵，比如：重複出現相同的句型、過多不必要的連接詞、立場太過於中立...等等，這些缺陷就是我們常說的「 AI 味」 🤖。就算不是專家，只要每天在社群刷貼文的人，或多或少都能識別出某些貼文是 AI 寫的還是真人寫的。
而目前 AI 簡報工具也存在這樣的問題，以優劣分析這頁來說，就看到固定格式的句型「專業度高」、「實用性強」、「更新頻率高」，雖然 AI Agent 也是有一點點這種感覺，但至少看得出來他有在換句話說了，比如：，還會加上一點人類會說的字詞「可能」、「找出」...等等，讓文法看起來不那麼生硬✏️，不過迷編還是建議要自己再做潤飾調整喔～
點擊快速回目錄⤴
真相4. 下載PPT會跑版，還有浮水印
請 AI 幫忙做報告就是要省時省力，但往往 AI 簡報工具將檔案轉換成 PPT 格式後就嚴重跑版，甚至還有些投影片直接變成一張無法編輯的 JPG 圖片😭 最後反而花了更多時間做修修改改。改用 AI Agent 之後，輸出 PPT 跑版的問題減少很多，簡報中的 icon 圖示、色塊、頁碼都還可以再自己編輯調整，重點是沒。有。浮。水。印！
點擊快速回目錄⤴
看完 AI 工具和 AI Agent 的殘酷比較後，對 AI 代理的認識是不是又更進一步了呢😊 如果你對迷編使用的 AI Agent 很感興趣，可以試試 Manus AI ～ 現在就拿它來做報告吧！如果今天的文章有幫助到你，點這裡追蹤職迷不霧💗 我們是分享 AI & 職場成長內容的 IG ，幫助你天天偷學一點！加薪多一點！
其實在經營社群之前......原本我對工作很迷惘，後來因為好玩學 AI ，練就 AI 技能！！沒想到有天，我在網路上看到自己的職涯地圖...就這樣換到超讚😍薪水更高的新工作 現在每天上班都好開心！！如果你想換工作的話，可以試試看我用的 職涯規劃工具🧚～目前還不用錢，趕快用！！
作者：職迷不霧點我追蹤職迷不霧 IG ❤️❤️❤️
延伸閱讀：【AI做報告】4個超推薦AI報告工具！幫你生成報告、找文獻、做簡報PPT、套設計模板必備【AI聊天機器人】推薦選哪個？4大AI比較！馬上找到適合的AI助手：ChatGPT、Grok、Gemini、Deepseek【AI懶人包】看這篇就夠！2025推薦AI免費vs訂閱工具大全，提高工作生產力&職場競爭力！（持續更新)
報告有重點、有數據、有結論，為何主管就是不買單？3個誤區可能忽略了
明明資料齊全、說明完整，報告卻總是無法說服人？問題往往出在解讀方式。作者曾任貝恩顧問公司策略顧問，解析報告最常見的3個誤區：只從自身立場解讀、見樹不見林、以及硬套理論脫離現實，並整理出克服問題的3種能力，幫助從大量訊息中找出核心重點。本文節錄自《薪水翻倍的報告撰寫法》。
文／金玲瓏
本文目錄（點擊可快速前往）
報告的常見3大誤區陷阱1：侷限觀點的解讀陷阱2：見樹不見林陷阱3：脫離現實框架用錯，不如不要用避開失真陷阱，需要的3種能力
報告的常見3大誤區
到目前為止，我們已探討報告的3個要素。邏輯思維、「所以重點是什麼」與「為什麼會得出這個結論」，都是強化結構的有力工具。接下來，就讓我們一起看看，該如何巧妙運用這些工具吧。
有時，即使報告已包含所有必要要素，內容仍可能偏離主題。儘管清楚說明了該做什麼、為什麼這麼做，也加入各種數據，羅列得非常清晰，最後得出的結論卻難以引起共鳴，也缺乏說服力。這時，必須重新檢查以下3點：
侷限觀點的解讀。
見樹不見林。
脫離現實。
只要能避開以上3個陷阱，就能保證報告不會偏離主題。現在就來一同檢視這3個問題，以及該如何避開它們。
陷阱1：侷限觀點的解讀
第一個陷阱是：侷限觀點的解讀。舉例來說，A項目是公司的新事業，公司正在評估是否應持續投入資金於該事業，以及目前的經營成績。此時，負責人拿著整理好的報告說：「近期銷售增加50％，顯示已逐漸培養出忠實顧客，應該繼續經營這項事業。」
這段陳述乍聽之下相當合理，看似符合報告該有的邏輯結構。「所以重點是什麼」（繼續經營這項事業）與「為什麼會得出這個結論」（近期銷售增加50％，顯示已逐漸培養出忠實顧客）兩者均無遺漏。但這樣就能確保負責人說的正確無誤？
據了解，A項目多年來持續占用公司超過一成的資金，但銷售占比卻始終不足公司整體的1％。此外，在市場中的競爭力也不明確，最近銷售之所以成長，只是受到大型促銷活動帶動。這項事業投入的成本很多，獲利卻趨近於無，某種程度上甚至可以視為虧損。即使擁有部分忠實顧客，人數也相當有限，而且長期以來幾乎沒有新顧客。
在這樣的情況下，負責人卻表示：「A項目最近銷售表現不錯，所以應該繼續經營。」這樣的判斷，真的正確嗎？
當然，A項目負責人的發言並非毫無根據。銷售成長與擁有忠實顧客，的確是不爭的事實。只是，若從公司整體角度來看，A項目更像是花了很多錢，卻沒什麼水花的「雞肋事業」。而從負責人的立場來看，由於這是自己長期投入心力的事業，自然會希望保住它，同時也能避免因經營成果不佳而遭到批評。
越是在這樣的情況下，越需要以客觀角度看待問題。站在公司的立場，比起費心包裝A項目的業績，更希望負責人能主動指出問題，並提供替代方案。例如停止該項目，將相關資源重新投入其他核心業務，或嘗試轉向更具成長潛力的新項目。
即便是具邏輯依據的發言，也不代表一定是正確的訊息。同樣一個現象，也會因觀察角度、評斷標準與解讀方式不同，而產生截然不同的結論。隨著邏輯結構的差異，最終呈現出的訊息，可能偏向個人立場，也可能真正符合整體利益。
陷阱2：見樹不見林
偏離主題的第二個原因就是見樹不見林。有一天，負責線上服務的主管發現一項異常數據──使用B服務的人數突然下降20％，他立刻慌張的向上回報：「B服務的使用人數下滑20％，必須立刻改善該服務。」
這項提案中，「所以重點是什麼」（立即改善B服務）與「為什麼會得出這個結論」（B服務的使用人數下滑20％）看似都交代清楚了。但問題是，只要改善B服務就夠了嗎？
在急著下結論之前，不妨先檢視整體狀況。仔細查閱後會發現，不只是B服務，連帶C服務與D服務的使用人數，也都下降20％。
換句話說，最近使用整體服務的人數下降20％，因此各項服務的使用人數也因此受到影響。既然如此，難道能說問題出在B服務嗎？眼下最該做的，真的是改善B功能嗎？
在改善B服務之前，應該先釐清為何整體使用人數銳減，並確認是否能採取措施，挽回這些使用者。
工作中很常出現類似情況──忽略整體脈絡，僅憑一、兩項數據就急著判斷並下結論。即使是再聰明的人，也可能掉入這種陷阱。因此，為了避免這種錯誤，應該在解讀問題與分析情況時，不斷反問自己：「我是否忽略了整體？」、「是否有遺漏的地方？」
除此之外，我們再來看看行銷組長C的案例。某天，C突然發現這個月訪客人數暴跌了30％。驚慌之下，他立刻提出以下提案：「這個月的訪客人數暴跌了30％，必須盡快增加行銷預算。」
這個提案看起來也十分合理。增加行銷預算，的確可能帶動使用者成長。「所以重點是什麼」（立即增加行銷預算）與「為什麼會得出這個結論」（訪客人數暴跌30％），這兩個部分，也都交代清楚。
倘若此時擴大範圍檢視數據，又會發現什麼？真正該做的應該是在急著追加行銷預算前，先回頭檢視過去兩年的整體趨勢，而非只盯著最近這兩個月的數據。只要仔細查看就能發現，這個公司因為事業屬性的關係，某些季節使用者會增加，反之則會下降。由此可知，現在的數據變化，只是反映了季節波動。
由於季節因素影響，這項服務的當月訪客人數，原本就會比上個月減少約30％。若不與前一個月相比，而改與去年同期比較，會發現人數其實上升20％。既然如此，「訪客人數比上個月暴跌30％」，算是嚴重問題嗎？
雖說對企業而言，若能每月持續成長是再好不過，但像這樣季節性明顯的事業，在判斷數據時，更需要以宏觀的角度來看待。
觀察某種現象並從中獲取訊息時，必須兼顧整體與局部，以及長期趨勢與短期變化。若只關注局部現象或短期數據，可能會忽略更重要的細節，甚至導致判斷失真。
陷阱3：脫離現實
最後一個陷阱，則是脫離現實。以下是一個與多家企業合作的案例，這些合作公司原本各自經營自家工廠。然而，總部企劃負責人D卻認為：「各自運營不僅無法發揮規模經濟，也缺乏效率。」因此，他強烈主張，即使要耗費巨額資金，也應整合成一座大型綜合工廠，並表示：「蓋了大工廠後，合作公司的訂單就能統一透過總部管理，合作方也能因規模經濟獲得更大利益。」
在D看來，只要將工廠合而為一，不但能發揮規模經濟、降低成本並提高效率，也能省去經營工廠的繁瑣雜事，這份提案看起來的確不錯。關於「所以重點是什麼」（蓋一座大型綜合工廠）與「為什麼會得出這個結論」（透過規模經濟讓雙方獲利）的邏輯結構，也相當完整。
不過，這項計畫勢必要投入大額投資，總讓人覺得哪裡不太對勁。因此，團隊決定深入檢視，而後在過程中發現幾個關鍵問題。在確認合作工廠的生產流程後，發現這些製程都難以自動化。也就是說，合作工廠的產量與投入的人力成正比，並不是蓋一座大型綜合工廠就能解決的事。
另一個問題是，合作方各自負責生產的內容本就不同。只有在製程相近的情況下，才能產生協同效應，但由於產品與生產流程皆不相同，即使強行合併，也無法形成更快速、更有效率的運作模式。
此外，光是讓合作方關閉目前營運中的工廠，並將既有設備與貨物轉移至綜合工廠，就需要付出龐大成本，這本身便是一大阻礙。更何況，每個合作方早已經在工廠用地、設備等方面投入大量資金，也為了維持運營招聘不少職員，因此要讓工廠停運並不容易。
透過規模經濟改善效率、提高利潤率，是管理學常見的策略之一。但現實往往比教科書更複雜，有時甚至會與理論完全相反。不論接觸任何書籍或理論，都要時刻警惕過度套用，或認為它能適用於任何情況。若對現實缺乏足夠理解，只是一味強調理論和技巧，那麼提出的訊息表面看似合理，實際上卻可能早已偏離重點。
框架用錯，不如不要用
套用特定框架也是如此。隨着管理學發展和顧問產業興起，各種思維框架接連誕生。從大家熟悉的「SWOT分析」、「○○矩陣」，到「○○飛輪」等，在經營學書籍、教科書，以及各種部落格都隨處可見。然而，如果對現況缺乏正確理解，就貿然套用這些模板，有時可能會產生「不如不要用」的念頭。
目前許多廣為人知的框架，大多出自顧問公司。即使是曾開發過優秀框架的經營顧問，在實際工作時，也不會只依賴單一框架就想推動所有專案。因為每個產業、每家公司面臨的問題和情況都截然不同，無法用同一套模板帶入所有案例。
正因如此，比起使用既有框架，能否根據專案當下的情況，重新建立思考框架才是更理想的做法。
不同情況適用的框架各不相同，與其了解各種框架、鑽研特定框架，擁有能針對情境處理的能力更重要。所以，簡報不該只停留在形式，應以能真正影響業務和成果的訊息為主。
避開失真陷阱，需要的3種能力
到目前為止，相信你已經了解即使具備完整的邏輯結構，訊息仍可能失真的3種典型情況，分別是「侷限觀點的解讀」、「見樹不見林」及「脫離現實」。想避免落入這些陷阱，就必須具備以下能力：
客觀解讀：比起從主觀角度解釋現象，更應站在客觀立場提出合理觀點。
綜觀全盤的思考能力：從整體與長期角度得出合理結果，而非沉溺於細枝末節和短期目標。
現實感：跳脫表面包裝或固有理論，聚焦本質、傳遞具有實際意義的訊息。
前面提到的邏輯思維，以及能展現思考能力的「所以重點是什麼」與「為什麼會得出這個結論」，再加上「客觀解讀」、「綜觀全盤的思考能力」及「現實感」，等於已經具備從大量訊息中找出核心重點的能力。
節錄自：大是文化《薪水翻倍的報告撰寫法：我在全球三大顧問之一，貝恩策略公司學到的祕訣。》／金玲瓏 著
「數據／資料工程師」12個必備技能、推薦職缺、證照進修
大數據時代來臨，企業數位轉型的需求應運而生，因此數據工程師（資料工程師）在企業中所扮演的角色也日益重要。本文盤點要成為數據工程師，強烈推薦要學的 12 項必備技能。一起來看看【數據工程師】工作日常以及104人力銀行上有數據工程師工作機會。
成為數據工程師的 12 項必備技能（點擊可跳至章節）：
基本技能（程式語言與資料架構）
網路概念
資料庫 Database
數據湖 Data Lake 與物件存儲
數據倉儲 Data Warehouse
分散式系統
數據處理
機器學習 Machine Learning
作業編排管理
前端與儀表板
後端框架
自動化與部署
如何開始數據工程師之路？了解數據工程師工作日常
【數據／資料工程師】推薦職缺
【數據／資料工程師】職場常見證照整理
【數據／資料工程師】職場再進修課程推薦
文／LnData 麟數據科技
數據工程師的必備技能樹 (Source: Anuj Syal)
一、基本技能
首先，以下是最基本的必修技能，也是想進入這個行業需要的優先入手技能，包含：
SQL：SQL即「Structured Query Language」，也稱做「結構化查詢語言」，是一種用於管理和查詢關聯式資料庫的語言，用於處理和操作大量數據。它允許數據工程師對資料庫執行各種操作，如數據檢索、修改和定義，且幾乎所有資料庫和數據倉儲都使用SQL。
程式語言：數據工程師必備技能當然包括使用不同的程式語言來處理數據，如 R、Scala、Java等，但首推 Python，因為Python容易上手，並且擁有許多免費且開源的資料科學工具和資源，使其成為處理數據相關工作的理想選擇。不僅如此，Python還有豐富的開發者社群，讓你輕鬆找到相關的學習資源和解決問題的方法。
Git：即「Global Information Tracker」，Git是版本控制的重要工具，可以追蹤、保存和管理軟體代碼的所有更改和操作，幫助資料工程師協作開發數據工程項目，並確保團隊成員之間的協同工作，可避免有人亂改或誤刪代碼。
Linux指令和Shell腳本：Linux是一種常用的作業系統，數據工程師經常使用它來處理數據，常見的版本如Ubuntu、Fedora。熟悉Linux命令（例如cd、pwd、cp、mv等）和Shell腳本可以幫助數據工程師自動化任務、管理伺服器和處理大量數據。
資料結構和演算法：數據工程師需要對資料結構（Data Structures）和演算法（Algorithms）有足夠的理解和解決問題的技能，以優化數據處理和分析。初學者可透過初級到中難度的LeetCode問題進行練習。
二、網路概念
由於現在大半數據都在線上，因此工程師常需接觸與處理VM（虛擬機）、伺服器和 API（應用程式介面），而此時就需要對 IP（互聯網協議）、DNS（域名伺服器）、VPN 等基本網路概念有基本了解。
API（應用程式介面）概念示意( Source: Geeks For Geek)
三、資料庫
資料庫是按照數據結構來組織、存儲和管理數據的倉庫，相關概念包含：
基礎知識：資料庫是存儲數據的空間，包含表（Table）、行（Column）、列（Row）、鍵（Key）、連接（Join）、合併（Merge）和模式（Schema）等基本概念。
SQL：雖然前面提過了，但要知道在使用這些資料庫時，SQL可說是最泛用也最不可或缺的語法，因此這邊再提一次。。
ACID：是原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability）的縮寫，旨在確保數據操作的有效性和穩定性。
資料庫建模：指在設計資料庫時考慮如何組織資料的過程，包括星型模式、平面設計和雪花模式等不同方法。
資料庫擴展：包括垂直擴展和水平擴展，它們用於增加資料庫的性能和容量。
OLTP與OLAP：OLAP（在線分析處理）、OLTP（在線交易處理）是不同類型的數據處理系統。OLTP是設計用於處理日常業務交易和交互式操作的系統；OLAP則是設計用於分析和探索大量數據的系統。
關係型資料庫：Relational Database，是大多數應用程式使用的傳統資料庫，用於結構化數據。常用的資料庫有PostgreSQL和MySQL。
非關係型資料庫：Non-relational Database，也稱為NoSQL資料庫。跟傳統的關聯型資料庫不同，它們不使用固定的表格模式，而是以更靈活的方式存儲數據，適合處理大量非結構化數據。非關係型數據還可分為三種類型：
鍵值資料庫：如Redis、DynamoDB、FireBase
圖形資料庫：如Neo4j、ArangoDB
寬列資料庫：如Apache Cassandra、Google BigTable
常用的關係型資料庫 MySQL
四、數據湖 Data Lake 與物件存儲
數據湖是一種大規模集中式數據存儲系統，它允許組織以原始、半結構化或非結構化的形式存儲數據，而無需建立嚴格的資料結構。這意味著數據湖可以包含來自不同來源、不同格式和不同質量的數據，可以是文本、圖像、影音等，也包含報表、視覺化、資料分析、機器學習等轉換後資料。
數據湖通常使用分佈式或物件存儲（Object Storage）系統來存儲大量數據，如Hadoop HDFS、Amazon S3等。數據以原始文件或對象的形式存儲，每個對象都包含數據本身、元數據（metadata）和唯一識別子。這種方式使得數據能夠以平面結構組織，並且具有元數據以描述數據的特徵和用途，能夠更好地管理和查詢數據。
五、數據倉儲 Data Warehouse
數據倉儲（Data Warehouse）是一種專為組織和管理大量數據而設計的數據存儲和管理系統。它的主要目標是將來自不同來源的數據整合到一個統一的、易於查詢和分析的資料庫中，以支持企業的決策制定、報告和分析需求。例如 Google 的 BigQuery、AWS Redshift、Azure Synapse、Snowflake、ClickHouse 和 Hive。須了解的相關概念包含：
SQL（略）
規範化與非規範化：在數據倉儲中，數據可以以規範化（Normalized）或非規範化（Denormalized）的方式進行組織和存儲，具體選擇取決於業務需求和查詢性能的考慮。規範化主要為求消除數據中的冗余或不一致性；而非規範化則是將數據合併到一個表中以提高數據更改速度。
OLAP與OLTP（略）
六、分散式系統
包含大數據、Hadoop、分佈式文件系統、MapReduce等概念。在分散式系統中，多台機器（稱為節點或伺服器）組成叢集並共同協作，這些機器可以在不同的地方執行，彼此通信並共同完成任務。分散式系統的好處是可提高性能、可用性和擴展性，同時減少單點故障的風險。
由於其複雜性，這些系統擁有各自獨立的技術組件。因此，為了開發與佈署這些系統，數據工程師需要使用叢集管理技術或工具，如Kubernetes、Databricks，或者自行建立Hadoop叢集等。此外，還有許多開源技術可供利用。
Kubernetes 也稱為 K8s，是一個熱門的分散式系統開發和支撐平台(Source: DevOps Mojo)
七、數據處理
數據處理是指使用程式語言來轉換數據的過程，這包括清理數據以及驗證數據的準確性。在進行數據處理時，通常會使用各種工具和框架，具體選擇取決於任務的性質和規模。
以下是一些常用的數據處理工具和框架：
Pandas：Pandas是一個好用的Python套件，常被用於處理和分析數據。它提供了豐富的數據結構和函數，適合用於數據轉換和清理。
SQL：（沒錯，又是它）由於多數數據倉庫支持SQL語言，因此SQL是一個常用的工具，用於執行數據轉換操作，尤其適用於處理結構化數據。
Spark：Apache Spark是一個用於大數據處理的強大框架，它提供了分佈式數據處理和分析計算。Spark通常用於處理大規模數據轉換操作，性能高且具有可擴展性。
Spark Streaming：Spark Streaming是Spark的一個模塊，用於處理流式數據。它可以實時處理數據流，非常適合需要即時分析的應用。
Spark是常用於處理大數據的強大框架(Source: Data Mechanics)
八、機器學習 Machine Learning
機器學習（Machine Learning）是一種人工智慧（AI）的子領域，它教導電腦如何從數據中學習，以自動改進和做出決策，而不需要明確的程式指令。機器學習可以應用於多個領域，如圖像辨識、語音識別、自然語言處理、醫療診斷、金融預測以及自駕車技術等。
人工智慧、機器學習、深度學習都是資料科學中的熱門領域
對於數據工程師來說，了解機器學習的不同類型，包括監督學習、非監督學習和增強學習，以及相關的模型(如邏輯回歸、決策樹、K-最近鄰算法等)很重要。他們需要知道何時應該使用哪種模型，並學會處理數據、調整模型參數，以及評估模型的預測準確性。
操作機器學習的平台有Vertex AI、Kubeflow等，這些平台可以協助數據工程師輕鬆部署模型，並構建更準確的工作流程，幫助數據科學家做出更精確的決策。
Vertex AI 是Google Cloud上的一個機器學習平台
此外，還有一些集成平台可讓數據工程師將工作流程整合到一個地方，如AWS Sagemaker、Databricks和Hugging Face等。這些平台通過共用的應用程式接口和圖形界面，使應用軟體功能不受特定硬體、作業系統、網路協議或資料庫管理系統的限制。
AWS Sagemaker也是不少人的ML開發選擇(Source: AWS)
九、作業編排管理
編排（orchestration）是一種用於管理和協調組織各種任務和工作流程的方法。它幫助我們確保工作按照預定的順序執行，以達到我們的目標。
最佳的編排工具之一是Airflow。它使用基於Python的有向無環圖（DAG）來記錄工作流程，讓您可以清楚地定義和規劃工作。Airflow特別適用於複雜的工作流程，並且在大數據和數據工程領域中廣泛使用。
其他工具包含Luigi、Nifi和Jenkins。每個工具都有其獨特的特點和使用場景，可以根據你的項目需求來選擇適合的編排工具，可以幫助數據工程師自動化和管理各種任務，提高工作效率。
Airflow是開發時常用的工作流程管理工具(Source: Airflow)
十、前端與儀表板
前端和儀表板（dashboard）是用來展示數據結果和互動的工具。它們讓我們能夠以圖表、圖像和表格的形式呈現數據，並讓用戶與數據進行互動。
舉例來說，Jupyter Notebook 是一種常用的工具，它可以幫助數據科學家和分析師在筆記本中直接進行數據分析並建立視覺化圖表。
Jupyter Notebook是好用的互動式開發工具，是許多資料科學工作者選擇
此外，儀表板或所謂BI工具如 PowerBI 和 Tableau，以及 Python 套件如Dash 和 Gradio，也被廣泛使用。這些工具允許我們建立互動性強的儀表板，讓用戶輕鬆探索數據，查看不同的視覺化結果，並根據需求進行操作。
Tableau是業界常用的商業智慧(Business Intelligence)工具，建立企業數據儀表板
十一、後端框架
後端框架與軟體工程有關，它們有助於構建網站和應用程序的後端部分。舉例來說，如果您想建立一個網站或應用，可能需要一個後端框架來處理用戶發出的請求、管理資料庫，以及提供信息給前端顯示。
基於 Python 的後端框架包含 Flask、Django 和 FastAPI 等。Flask 是一個輕量級的框架、Django則提供了更多的內置功能、FastAPI 則專注於建立API。
除了這些，還有一些雲端技術可供使用，例如G oogle Cloud Platform（GCP）的 Vertex AI API 和 AutoML APIs，這些技術可以用於模型部署和機器學習應用。
Flask 是一個 Python 網頁應用程式框架，因輕量靈活而受許多開發者喜愛
十二、自動化與部署
自動化和部署是指使用不同的工具和技術，來讓程式碼的建立和執行過程更加自動化和簡化，有助於提高效率、降低錯誤，並讓應用程式更容易管理和維護。
這個過程包括以下幾個主要方面：
基礎設施即程式碼（Infrastructure as Code）：這是使用工具如Terraform、Ansible和Shell指令來管理和配置伺服器和基礎設施的過程。這些工具可讓你將基礎設施視為程式碼來處理，使其更易管理和自動化。
持續集成/持續部署（CI/CD）：指透過GitHub Actions和Jenkins等工具來自動化程式碼的測試、集成、部署和交付的過程。有助於確保程式碼的品質，並使新功能能夠快速部署到生產環境。
容器化：即使用Docker和Docker Compose等工具，將應用程式和其相關的依賴項打包成容器的過程，可使應用程式在不同環境中更容易部署和執行。
Docker工作流程示意
想當數據工程師，如何培養能力？
在學生可以學習統計、資工、資料科學等科系的課程，或是透過相關實習或競賽來摸索對此領域的興趣。此外，網路上有許多付費課程、YouTube上的免費資源，也可以在kaggle、LnData等平台取得更多練習與交流機會、相關知識、技巧或資源！
要記得，這些相關技術日新月異，即使是正在工作中的數據工程師也必須時時學習與了解最新技術。相對的，正因為技術不停在改變，你也不需要強求把上面所有技能練到精通，而是掌握重要的基本概念與保持開放的學習態度。
數據工程師可以為企業做什麼？
數據工程師日常就是與數據打交道，主要包含收集、讀取、清理，探勘與管理企業的資料，以抓取符合企業分析需求的數據。這些數據則能進一步透過機器學習、演算法，產生更有價值的結果或應用方式，幫助企業做出更好的決策、優化業務流程，例如降低成本、提高獲益、優化產品、留住熟客及開發新客群。因此，數據工程師對於企業的重要性不言而喻。
然而，企業想挖掘數據最大價值，並不能只靠數據工程師。一個完整的數據團隊，通常包含數據工程師、數據科學家、數據分析師三種角色，各司其職、專業分工。他們在日常工作流程中扮演各自的角色，互相協作，完成各種不同的專案——這也是為何我們最後要強調，除了技術以外，溝通與協作等軟技能也非常重要！
（原文標題：2023 年想成為數據工程師的 12 項必備技能）
[joblist_plugin title='推薦【數據／資料工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&keyword=%E6%95%B8%E6%93%9A%E5%B7%A5%E7%A8%8B%E5%B8%AB&expansionType=area,spec,com,job,wf,wktm&jobsource=blogc&langFlag=0&langStatus=0&recommendJob=1&hotJob=0' amount='3']
【數據／資料工程師】職場常見證照整理：
序號證照證照介紹發照單位1DP-203 Azure資料工程師技術師身為此認證的應試者，您應該具備主題專業知識，能夠將各種結構化、非結構化和串流資料系統中的資料，整合...＜詳情＞Microsoft2Google專業資料工程師認證專業資料工程師透過收集、轉換和發布資料來實現以資料所驅動的決策。資料工程師應該能夠設計、建置、操作...＜詳情＞Google3SSE 大數據國際認證隨著有關大數據的程式語言、運算平台、基礎理論，以及虛擬化、容器化的技術成熟...＜詳情＞Silicon Stone Education4AWS認證的數據庫-專業級認證報考資格：1.接觸資料庫技術至少 5 年、2.實際使用 AWS 至少 2 年...＜詳情＞Amazon Web Services5台灣風險數據分析師除了相關法遵外，應具備在風險數據分析、質量方法運用、風險預測建模等高階專業...＜詳情＞社團法人台灣風險管理協會更多數據相關證照＜前往＞
【數據／資料工程師】職場再進修課程推薦：
課程名稱課程介紹【真人直播】零基礎Python數據分析與即時看板實作在這堂課程中，我們將帶你從學習基礎 Python 出發，了解各種常見資料檔案格式與編碼，透過 Python 進行資料表單或檔案的自動化彙整與分析...＜課程介紹＞GA4+GTM網站數據分析實戰課專業的教學設計，以第一線網站數據分析工作者角度，剖析 GA4 四大要領，從觀念的理解到上手實作，提升你的數據分析能力。…＜課程介紹＞成為數據分析師的第一把鑰匙：用Python實作三個資料分析專案以非工科生成功轉為數據分析師的經驗、第一線職場實戰角度出發，來設計這門課程，適合零基礎、初入門、想轉職作數據分析師的你!…＜課程介紹＞零基礎成為Python金融數據分析師｜金融資訊爬蟲X視覺化應用課程單元從 Python 程式基礎開始，包含變數、資料型態、流程控制、函式、例外處理等 金融主題的網路爬蟲程式教學，製作Python爬蟲工具…＜課程介紹＞更多數據相關課程＜前往＞
從創意到實現──屏東高工製圖科打造設計落地的能力
一項產品誕生之前，需要先有一個想法；而一個好的想法，要真正成為看得見、摸得到的作品，還需要經過設計、繪圖、建模、驗證與修正等一連串過程。設計圖不只是產品的藍圖，更是串連創意與製造的重要橋梁。 屏東高工製圖科培養的，正是這種將創意轉化為現實的能力。許多人不清楚製圖科與機械科的差異與關聯性，其實兩者分別著重同一種專業中不同階段的能力：機械科著重於加工製造，特別擅長動手操作，而製圖科則站在製造流程的前端，負責將構想轉化為工程圖，再透過模型製作與實作驗證，讓一個想法逐步成為真正能被製造的產品。
（圖：學生操作電腦繪圖軟體完成圖面設計 ）
從想法開始，循序建立設計能力
把創意化為現實，並不是一蹴可幾，而是需要一步步累積專業能力。
屏東高工製圖科的課程安排，在高一時，讓學生先從工程字、三視圖等基礎開始，透過手繪建立空間概念與圖面表達能力，同時接觸機械加工基礎，認識不同材料、加工方式及機械原理。進入高二後，課程逐步導入 AutoCAD、Inventor 等電腦繪圖軟體，讓學生學習如何將平面圖轉換成立體模型；到了高三，則結合專題製作、3D列印等課程，讓設計真正從螢幕上的圖面走向實體作品。
看似是不同階段的課程，其實都圍繞著同一件事情──培養學生將想法具體表達、逐步實現的能力。從最初的一筆一畫，到完成立體模型，每一門課都不是獨立存在，而是在不同學習階段，引導學生建立完整的設計思維，也理解一件作品如何從概念走向成品。
（圖：學生運用尺規工具完成手繪製圖練習 ）
好的設計，建立在理解製造之上
不少人認為設計就是發揮創意，但在屏東高工製圖科，創意只是起點，更重要的是讓設計真正能夠被實現。
製圖科主任陳儀峻指出，學生除了學習繪圖之外，也必須接觸加工基礎與製造流程。因為一件產品是否可行，不只是取決於設計是否美觀，更需要考慮材料特性、加工方式及結構安排。如果不了解後端製造流程，再有創意的設計，也可能因為無法加工而停留在想像階段。
因此，製圖科希望培養的並非只是繪圖技巧，而是兼具創意與實務的設計能力。學生在學習設計的同時，也會實際接觸車床等加工設備，了解不同零件是如何製造出來，也理解設計圖上的每一條線、每一個尺寸，最後都會影響產品是否能夠順利完成。
換句話說，在製圖科，設計與製造並不是彼此獨立的兩件事情，而是不斷來回驗證、相互修正的過程。學生不只是學會使用繪圖軟體，更逐漸建立工程設計所需要的判斷能力，知道如何在創意與實際製造之間取得平衡，讓一個構想真正具備落地實現的可能。
（圖：學生操作車床設備進行金屬加工練習 ）
在一次次驗證與修正中，讓創意真正成形
如果說設計是一個把想法化為現實的過程，學生真正的學習，往往發生在作品第一次被做出來之後。受訪的方同學分享，自己最喜歡的課程之一，是結合 3D 列印的鑄造原理課。過去停留在圖面上的設計，透過電腦建模、3D列印與翻模製作，逐漸變成一件可以拿在手中的作品，讓他第一次真正感受到設計「從無到有」的過程，也因此對製圖產生更深的興趣。
然而，真正開始製作後，他才發現設計並不是把圖畫出來就結束了。尺寸是否正確、結構是否穩固、組裝是否順利，許多原本在螢幕上看不出的問題，都會在實際製作時一一浮現。有時需要重新修改尺寸，有時則必須重新思考整體設計方式，再重新列印、重新測試，才能完成一件真正符合需求的作品。對他而言，這些反覆修改的過程雖然花時間，卻也是學習最大的收穫，因為每一次修正，都讓他更理解設計背後需要考量的細節。這也讓他發現，好的設計並非一次完成，而是在一次次驗證與修正中逐漸成熟。
（圖：學生展示皮革散子包專題成果 ）
另一段讓他印象深刻的學習經驗，則來自第一次接觸大型加工設備。實際面對機械設備，剛開始難免因高速旋轉的刀具與飛散的鐵屑感到緊張，但隨著老師一步步指導，以及不斷練習與考取證照，他逐漸克服原本的害怕，也開始享受親手把設計完成的成就感。對他而言，製圖科帶來的不只是專業能力，更讓自己在一次次挑戰中建立起面對問題、解決問題的信心。
從生活中發現問題，再用設計提出解方
除了培養專業技術，課程設計上也希望學生理解，設計並不是為了完成一份作業，而是為了解決真實世界的問題。
因此，高三的專題製作不只是整合三年所學，更鼓勵學生從生活中尋找靈感，思考如何運用設計改善日常需求。有些作品源自生活中的小困擾，有些則結合機械結構與力學原理，希望透過設計讓使用更加便利。從問題發想、繪製圖面、建立模型，到最後完成實體作品，每一個環節都需要學生反覆討論、測試與修正，也讓他們體會設計並不是憑空想像，而是一個持續思考與解決問題的過程。
陳主任也提到，課堂上經常利用生活中的工具作為教材，引導學生從熟悉的事物理解工程原理，再思考如何運用設計讓產品更符合需求。透過這樣的學習方式，抽象的力學、結構與製圖知識，不再只是課本上的內容，而是逐漸與生活建立連結，也讓學生更理解設計真正存在的價值。
從創意到實現，培養讓設計落地的人才
設計，不只是天馬行空地發想，更重要的是讓一個想法真正被實現。
屏東高工製圖科透過手繪基礎、電腦繪圖、加工實作、3D列印與專題製作等完整課程，引導學生在一次次設計、驗證與修正的循環中，逐步建立空間思考、設計規劃與解決問題的能力，也理解設計與製造之間密不可分的關係。
在陳主任眼中，製圖更像是一種「工程語言」。它不只是畫出一張圖，而是一套讓設計者、工程師與製造端彼此溝通的共同語言。學生在三年的學習中所累積的，也不只是繪圖技巧，而是將創意轉化為現實、把想法真正落地的能力。這份能力，不僅是未來進入工程與設計領域的重要基礎，更是面對快速變化產業時，持續創新與解決問題的核心競爭力。
開箱製圖科的學習日常！更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
如何提高工作效率？4關鍵因素解析：一心二用對生產力有負面效果
如何在有限的時間內完成更多高價值的任務？專家強調，關鍵在於處理對的事情、時間箱效益最大化、以一心專用取代一心二用、從看似無止境的任務獲取價值，生產力將能大幅提高。本文為《箱型時間：高速時代的15分鐘深度專注力》書摘精選，以實證數據揭示提高效率的秘訣。
文／馬克‧曹–桑德斯
本文目錄（點擊可快速前往）
想完成更多任務，要先做對的選擇什麼是「帕金森定律」？懂運用就能多產出「箱型時間」幫你判斷能否在時限內完成「一心二用」對生產力有負面效果有意識地使用你的「零碎時間」接受「無底洞」知識工作沒有明確的盡頭
現在不流行講生產力了。近來，這個概念已被染上負面色彩，令人聯想到過度干涉的管理方式、沒完沒了的工作、對工作生活平衡和心理健康的忽視。但我仍然能夠很有把握地提出，「提高績效」依舊是重要、值得推崇的工作和生活態度，而箱型時間幫助我們辦到這點。
想完成更多任務，要先做對的選擇
如杜拉克（Drucker）所說，想要完成更多的事情，最重要的是把注意力放在對的事情上。想要把注意力放在對的事情上，就要取捨和培養這麼做的心態，不覺得疲憊、不分心，也不覺得那是苦差事。這樣一來，我們將更專注在想要和需要完成的事。如果缺乏計畫，漫不經心地過日子，我們的注意力就會被很多不重要的事給分散。
箱型時間能幫助我們完成大多數的任務，我們可以利用時間箱輕鬆辨識出哪些是需要優先處理的緊急任務。至於非緊急任務，例如學習，也可以利用時間箱指定適合的時段，這樣才不會一延再延。我們也比較有可能在尚有精力處理的時候，正面迎戰經常被有意無意避開的困難任務。至於那些看起來小到不必規劃的單一任務，則可以集合起來，等待一個時間一起處理。最後，那些沒有用處、適得其反的任務，由於不會出現在行事曆上，我們看不到，自然沒有理由去做。
我們試著來量化那些好處。若一個任務的價值可以分成1到10分；假設，當你只是見招拆招，任務平均價值為6分；再假設，當你事先訂出該做的事，任務平均價值為8分，那樣價值就提高了33%。要是我們假設80/20法則適用於知識工作，那麼提升的幅度更大。少數關鍵任務就能貢獻大部分的生產力。
什麼是「帕金森定律」？懂運用就能多產出
有句老話只要顛倒過來，就能提高生產力。雖然很多人愛拿帕金森定律開玩笑，但這條廣受認可的定律告訴我們「工作會不斷膨脹，直到填滿可用的完工時間」。如果你有30分鐘可以整理房間，你就會花30分鐘整理房間；但是如果你有60分鐘，你就會花60分鐘。帕金森定律所說的時間損失，其實和拖延有極大的關係。而箱型時間就是把握這句話的相反面：把工作壓縮到符合排定的完工時間，用比較小的時間箱，來完成相同的工作，聽起來是否很划算。
這個概念有科學研究的支持。在一項研究中，參加實驗的大學生被要求判讀4組照片。其中一隊大學生在實驗開始前被告知第4組照片取消了，但是他們使用的時間，與維持看4組照片的其他隊沒兩樣。判讀3組照片的學生依舊用完可用的時間：「只要預期下一項任務被取消或臨時多出時間，可以在手邊工作東摸摸、西摸摸，會使人大幅降低效率，付出高昂的代價。」許多研究都觀察到相同的結果。
在另外一項實驗中，受試者隨機分配到5或15分鐘，用來完成一模一樣的任務。分配到15分鐘的人，依舊以長出許多的時間完成任務。第3項研究指出，影響期末考分數的因素，有超過1/3歸咎於拖延。
「帕金森定律」運用起來當然也有限度，你是可以規定自己要在1小時內，從零開始寫出1萬字的報告，但不可能辦到。箱型時間沒那麼神奇，前面所提的研究大多是說，你可以節省1/4到一半時間。但也有研究指出，時間減少導致品質下降。2014年，有一項比較近期的研究證實了這點：「有時間壓力的學生，比沒有時間壓力的學生，平均分數低了3分。」
不管是把截止時間定遠一點以減少壓力，還是只要做到一定程度就好，聽起來都很有道理。如果單是懂得運用帕金森定律，就能多擠出1/3的產出，何樂而不為？
「箱型時間」幫你判斷能否在時限內完成
箱型時間可以把大型任務拆成方便估算和管理的小型任務，也就是說這套方法能夠幫助你看清楚龐大計畫裡的各種要素。這類大計畫包括：搬家、推出新產品、籌辦生日派對等。
它可幫助你判斷能否在可用時間內完成，還是你需要另做安排。它也幫助你確認，在時間充裕的情形下，被拆解的小任務是否都能在時限內完成。
「一心二用」對生產力有負面效果
我們在第4章提過一心二用會引起某些負面情緒，然而一心二用也對生產力造成負面效果。
其實，不太會有人真的一面寫報告、一面聊天、一面查閱消費支出、一面簡報，現代人的一心二用，多半發生在分心回應訊息通知，有了通訊軟體（如微軟Teams、Slack、電子郵件）和硬體設備（如筆電、平板電腦、智慧型手機、智慧型手錶），每天都有數不清的通知，導致我們老想查看誰傳來什麼訊息，影響到工作。
一心專用通常能幫我們完成更多事，一心二用或情境切換則會使效率降低：有一份2001年的論文指出，一心二用和情境切換會耗損40%的商業生產時間。一心二用在某些情境非常危險，像是一面開車一面傳簡訊。在美國，每年有超過3千件死亡車禍，原因就是開車不專心。而且有一些認知負荷很高（例如教孩子代數或審閱法律文件）和恢復速度遲緩的事，特別不能被干擾或是一心二用。確實有極少數的任務可以同時進行，後續會在第18章討論。但是就絕大多數的情況而言，箱型時間完全排除一心二用的可能，完整呈現一次做一件事的強大力量。
有意識地使用你的「零碎時間」
我們每天都有許多的零碎時間，像是等候公車、通勤時間、在咖啡廳等人以及會議提早結束或被取消時。大部分的人會把這些時間拿來直接滑手機，是的，看手機已是現代人最直覺化的行為，每天會花超過兩小時的時間，在手機上瀏覽社群媒體。
我們不停滑著手機，很多時候甚至未從中感受到快樂，那不是娛樂，而是上癮。零碎時間被吃掉，享受好處的不是我們，而是大型科技公司。我們失去的每一分鐘，累積成一個又一個小時，甚至更多時間。試想，假如我們能運用零碎時間去做更有價值的事，該有多好。採用箱型時間，並且有意識地使用這些零碎時間，你的一天也許能多一小時有生產力的活動時間。
接受「無底洞」知識工作沒有明確的盡頭
知識工作沒有明確的盡頭。有生產力專家建議，針對這個狀況，最好的做法是接受它和不要在意它。最常見的例子就是電子郵件：當你收到很多電子郵件，一一回覆後，就會收到更多的回信……永無止境。
這麼說並不完全正確。雖然，真的不會有最後一封電子郵件（從這角度看真的沒有止境），但是電子郵件的確替我們傳遞許多有用的資訊。雖然寄出郵件之後，收件匣的信件會變多，但是在那一陣子的電子郵件往來，到了某個時間，你的計劃終將完成，也許是生意談好了，也許是團隊成員比之前更有參與感。你當然需要管理自己的收件匣，不能讓它影響你的情緒或妨礙其他該完成的事，後續將在第11章說明如何防範。
如果能夠考量到所有相關聯的因素，包括處理對的事情、時間箱效益最大化、以一心專用取代一心二用、從看似無止境的任務獲取價值，生產力將能大幅提高。有個有趣現象，就是一個正在節食，懂得計算和控制熱量攝取的人，會比沒有在計算的人多減掉一倍的體重。用數字估算效益或許過於單純，但是如我在2018年發表的文章所說，箱型時間若運用得當，至少能提高一倍的生產力。
節錄自：三采文化《箱型時間：高速時代的15分鐘深度專注力》／馬克‧曹–桑德斯 Marc Zao-Sanders 著
推薦閱讀：
新年目標怎麼訂？如何規劃並執行個人年度目標？ChatGPT指令快速搞定
提升工作效率5大步驟！學會高效管理時間，先找到「行動力開關」
工作永遠做不完，沒時間做重要的事？想突破需要有意識的4個認知
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
越來越多企業投入數據分析領域，也讓資料工程師的職缺需求大增，根據104薪資情報網站，資料工程師薪資中位數甚至高於一般研發工程師。本文就帶你一探有資料工程師需要的技能專長以及完整職涯發展。
文 /【104學習精靈】
本文目錄（點擊可快速前往）
什麼是資料工程師？需要哪些技能？資料工程師工作內容資料工程師技能與工具能力分析資料工程師軟技能養成：4大特質有助職涯發展更順利資料工程師薪水行情：掌握技術專長是加薪關鍵1. 台灣資料工程師薪資範圍 2. 提升資料工程師薪水幅度的關鍵資料工程師職涯路徑：邁向高階技術職的進階指南1. 軟體工程師2. 數據分析師3. 演算法工程師｜資料科學家資料工程師的挑戰
什麼是資料工程師？需要哪些技能？
資料工程師工作內容
資料工程師又稱為數據工程師，主要工作內容是與數據相關的技術支援，建置系統或使用外部平台幫助企業數據收集、儲存與整理，確保數據傳輸管道暢通、安全、精準且可被預測。
延伸推薦課程 👉 資料工程師養成班
資料工程師技能與工具能力分析
基礎Python網路爬蟲SQL 基礎Java核心R語言SQL 進階資料庫AWS應用進階資料探勘認證微軟 Azure雲端應用認證職涯資料工程師AI資料科學家▲ 資料工程師師應具備技能、工具、職涯指引表，點選不同技能會對應到相關課程。
[course_plugin title='資料工程師面試入門課程' keyword='破解資料工程師' amount=1]
1. 資料工程師基礎技能
資料工程師需熟悉網路爬蟲技術，精通Python與SQL語言，具備Java基礎能力，能有效處理ETL流程，管理資料庫，支援業務分析需求。
Python：常用於數據處理與自動化管道建設。
網路爬蟲：從網頁自動蒐集數據，將網頁數據轉換為可用的結構化格式
SQL（基礎）：資料工程師必備技能，用於查詢與操作結構化數據。
Java：用於大數據處理框架（如Spark）的高效運算實現。
資料工程師基礎工具推薦課程
線上
Python 新手村｜練就扎實基本功
5538人感興趣
了解課程＞
線上
Python 網路爬蟲 | 數據分析的第一步就是要學會爬
6276人感興趣
了解課程＞
線上
快速活用 MySQL，精準設計關聯式資料庫
15855人感興趣
了解課程＞
線上
學程式也能很好玩：不背語法寫Java
6625人感興趣
了解課程＞
延伸推薦課程 👉 Python 輕鬆上手學👉 成為 AI 科學家｜快速闖關 Python 語法世界，程式實作不頭痛👉 Python新學法 - 實作6個Terminal APP快速入門👉 Python 基礎程式設計｜開外掛勇闖 Python 異世界👉 ETL網路爬蟲實戰技巧👉 吳永志Java入門保證班 - 初學者最佳選擇
2. 資料工程師核心技能
資料工程師核心技能涵蓋精通R語言與進階SQL操作，具備優化大型資料庫管理的能力，熟練運用雲端應用及大數據技術，專注於高效處理複雜數據流程。
R語言：常用於統計分析、數據探勘和機器學習建模的程式語言，適合進行各類數據處理與運算。
SQL進階／NoSQL：進階的SQL技能有助於高效處理和管理大型結構化數據。除了關聯式資料庫（如 MySQL、PostgreSQL），還需熟悉 NoSQL 資料庫（如 MongoDB、Cassandra）以處理非結構化數據。
資料庫管理與建置：除了熟悉各種資料庫工具管理與操作，資料工程師還需具備建置資料庫架構等關鍵性知識。
雲端應用能力：掌握雲端應用相關的技能，熟悉AWS、Azure等雲端服務平台來進行大規模數據的存儲和處理。
資料工程師核心工具推薦課程
線上
R語言/R-Studio入門─統計分析、資料探勘與機器學習的原理與實戰演練
4057人感興趣
了解課程＞
線上
教你完全掌握 SQL- 從資料庫建立到成為資料處理高手
4148人感興趣
了解課程＞
線上
資料庫設計原理
2567人感興趣
了解課程＞
線上
AWS雲端架構規劃｜建置實務應用
3169人感興趣
了解課程＞
延伸推薦課程👉 NoSQL輕鬆學: 架構、設計與案例探討👉 成為 AWS 達人第一步！打造你的第一個 AWS 架構！👉 AWS雲環境的架構優化-彈性化自動擴展👉 雲端資料工程師在職遠距班
3. 資料工程師進階技能與證照：資料探勘與雲端應用認證
資料探勘是從已知的數據中，挖掘數據背後的價值與趨勢，提供企業數據洞察報告。為此，資料工程師必須熟悉大數據框架或引擎技術，搭配程式語言、機器學習模組（如：MLlib）及統計分析方法，將數據處理轉化為具體分析結果或預測模型。
Apache Spark：Spark是一個開源的大數據處理框架，支援多種程式語言和機器學習模組，能高效分析與挖掘大規模數據，是資料探勘不可或缺的強大系統。
雲端應用證照：資料工程師在雲端應用領域可藉由取得認證證照來提升專業性，例如Microsoft Azure相關認證，資料工程師可透過自我學習與認證以強化職業競爭力，也為自己提供更加寬廣的職涯發展路徑。
資料工程師進階工具認證課程推薦
線上
微軟Azure超級入門實務與AZ-900認證攻略
19721人感興趣
了解課程＞
[course_plugin title='雲端資料工程師進階課程推薦' keyword='雲端資料工程師在職遠距班' amount=1]
延伸推薦課程👉 Spark首部曲：實務基礎入門篇👉 Spark第二部曲： SQL輕鬆處理半結構化資料技巧👉 Spark第三部曲： MLlib完成資料挖掘與機器學習實戰👉 微軟Azure超級入門實務與AZ-900認證攻略👉 微軟 Azure｜通關 AZ-104 認證攻略，邁向雲端 IT 管理之路👉 AZ-204 認證攻略Ｉ從Azure著手雲端開發解決方案👉 DP-900 認證攻略 l 基礎資料庫混合雲建置與管理
資料工程師軟技能養成：4大特質有助職涯發展更順利
1. 溝通與跨部門協作能力：
資料工程師需與資料分析師、產品經理和開發團隊緊密合作，清晰表達技術需求與限制，確保數據管道設計與業務目標一致，並有效傳達複雜技術內容以促進團隊協作效率。
2. 問題解決與批判性思維：
在面對數據品質問題、流程瓶頸或系統錯誤時，資料工程師需具備冷靜分析的能力，快速定位問題根源，提出創新解決方案，並從長遠角度優化系統的穩定性與效率。
3. 時間管理與專案執行能力：
面對多項並行任務與緊迫期限，資料工程師需能有效規劃工作進度，分配資源，確保ETL流程、數據清洗與系統開發在限定時間內按時完成，提升團隊交付成果。
4. 持續學習與技術適應能力：
資料工程師需要不斷學習新興工具、框架與雲端技術，快速掌握業界趨勢，適應大數據與人工智慧時代的變化，確保自身技能能支持企業的數據基礎設施發展需求。
資料工程師薪水行情：掌握技術專長是加薪關鍵
隨著大數據與人工智慧的快速發展，資料工程師成為企業中不可或缺的重要角色，但影響薪資的關鍵，往往取決於工程師本身的技術專長與實務經驗。
1. 台灣資料工程師薪資範圍
初階（3年以下經驗）：月均薪約5.9萬。
中階（3-5年經驗）：月均薪約 6.4萬。
高階（5-10年經驗）：月均薪約6.6萬。（以上資料來源：104薪資情報）
2. 提升資料工程師薪水幅度的關鍵
掌握大數據與雲端技術是高薪關鍵：熟悉大數據工具（如Spark）及雲端平台（如AWS、Azure）是資料工程師的核心技能。企業對處理大規模數據的需求不斷增加，具備分散式運算能力的工程師在薪資談判中更具優勢。
程式語言與專業認證提升競爭力：Python與SQL是基礎技能，而掌握Java、R語言及進階資料庫技術（如NoSQL）能顯著提高薪資。此外，取得AWS、Azure等專業認證，能彰顯技術專業性，是升職與加薪的重要籌碼。
資料工程師職涯路徑：邁向高階技術職的進階指南
資料工程師需要強大的技術專才，在數據處理、雲端應用與大數據技術上展現出不可或缺的價值，建議資料工程師可藉由自我學習、累積實務經驗及考取專業認證等管道，優化現有技能，就有機會轉往更高階技術職務，實現職涯進階與薪資提升，資料工程師職涯路徑發展如下：
1. 軟體工程師
資料工程師轉職軟體工程師，除了程式開發與現有數據基礎專業上，擴充軟體開發能力，技術層面也需涉及更多樣的程式語言、系統設計、開發流程與測試技巧等。
技能需求：需掌握多樣化技術，精通主流程式語言如Java、C++；熟悉相關框架（如Spring、Node.js、React）；具備系統設計能力；掌握版本控制工具如Git，並適應敏捷開發流程；能進行自動化測試以確保軟體品質。此外，基礎前端開發技術（HTML、CSS、JavaScript）與實務經驗（如參與開源專案或個人作品集）也是必要條件，以全面應對軟體開發需求。
學習指南：前端工程師學習地圖、後端工程師學習地圖
2. 數據分析師
位於同樣的數據產業鏈中，資料工程師轉職數據分析師需強化數據解讀與分析能力，熟悉各種報表可視化工具與分析方法，以深度挖掘數據製作洞悉報告。
技能需求：屬於後段數據資料庫建置的資料工程師，在轉職前線的數據分析師，需要更深度與產品、業務單位溝通，了解組織需求，並在已具備數據專業技術的前提下，需要熟悉使用工具如Excel、Tableau、Power BI進行可視化，掌握統計學基礎與分析方法（回歸分析、A/B測試）。實戰專案經驗與清晰的數據展示能力是能否轉職成功的重要條件。
學習指南：數據分析師學習地圖
課程推薦：數位分析師入門實戰
3. 演算法工程師｜資料科學家
就分工而言，資料工程師搭建數據管道，確保數據準確、安全、流向正確位置；演算法工程師專注於開發演算法或模型，處理數據並生成有用的輸出（如預測、推薦結果）；資料科學家分析數據與模型效果，找到問題並提出解決方案。部分企業因規模不同，資料工程師、演算法工程師、AI資料科學家三者的工作內容可能有所重疊。
演算法工程師：高效演算法工具的製造者，著重數據模型的建構。需熟練掌握Python與C++等程式語言，並熟悉TensorFlow、PyTorch等深度學習框架，用於開發與訓練模型。
AI 資料科學家：透過數據模型分析、預測，並透過不斷驗證與統計分析能力，監控並優化數據模型結果提出精準分析。
課程推薦：AI資料科學家全方位學程班
資料工程師的挑戰
數據處理最大的挑戰，就是保持數據的一致性，這是非常需要耐心與抗壓性的工作內容，尤其在時間壓力之後，必須處理包括數據的異常與缺失，數據清洗與校正等。因此，資料工程師必須有對數據工具的熟悉度，以及知道如何高效處理大數據需求的能力。
除了技術層面，隨著技術的快速更新，資料工程師需要不斷學習新工具與技術，如雲端平台和大數據框架，充滿好奇與保持學習力是資料工程師必須保持的態度。因此，面對多方面的挑戰，具備紮實的技術實力、解決問題的能力以及高適應力，才能滿足不斷變化的業務需求。
延伸閱讀：
產品經理 - 學習地圖(上)：技能養成篇
成為雲端工程師的攻略指南：核心技能＆職涯精進完整解析
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
[joblist_plugin title='更多104【資料工程師】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&page=2&indcat=1001001000,1001000000&ro=1&jobsource=joblist_search&jobcat=2007001022' amount='3']
好的報告不能缺少這項「關鍵要素」！工作報告兩大類別重點解析
一份好的工作報告能幫助你精準傳遞資訊，但許多人卻經常忽略關鍵要素「數字」。為什麼報告一定要用數字？究竟如何讓你的報告更具說服力？本文節錄自《解決問題快10倍的數字工作法》，解析工作報告的兩大類型，並分享讓報告更具說服力的數字思維！
文／盧泫兌
週五10:00A工廠的意外狀況報告雖然是臨時提交，但有些部分好像還可以再完善。我覺得已經做得很好了。這是緊急報告，能準確傳達當前情況就已經很有價值了。而且能在短時間內整理出意外規模和受損情況的數據，真的很不簡單。不過還是有些遺憾。如果能補充對狀況的持續監控及後續處理進展，報告就會更加完善。
只要有職場經驗的人，應該都深刻體會過報告的重要性。一份出色的報告能滿足所有需求，但拙劣的報告卻可能製造原本不存在的問題，甚至讓主管不安到坐立難安。為什麼報告這麼難做呢？
根據字典定義，報告是「向他人告知事情的結果或狀況」。雖然這個定義看似有些抽象，但只要將報告簡化為「向主管傳遞所有與工作相關的資訊」就容易理解了。甚至像是因病無法上班，向公司請假也是一種報告。
然而，報告的定義中缺少了一個關鍵要素，那就是「How to」，也就是「如何傳遞這些資訊的方式」。如果將「How to」納入考量，重新定義報告，可以歸納出以下的結論。
報告的定義
我們所知悉的報告我們應該做的報告What事情的結果與狀況Who主管與同事When狀況報告－（即時、期限內）結果報告－成果報告How to-用數字來傳達或解釋報告
在將近20年的職場生涯中，我做過無數次報告，即使到了現在，仍然每天都要進行。而這些報告的核心始終如一，那就是「數字」。如果一份報告中缺少數字，或者對數字的解釋和邏輯不足，即便其他內容再怎麼完善，也難免會被要求重新確認後再次報告。請記住，報告的本質在於用數字清晰地呈現事情的結果或狀況，並能夠讓對方充分理解這些數字的意義。
為什麼報告一定要用數字？原因在於，每個人在工作中使用的語言和解讀方式都有所不同，也就是說，每個人會根據自身的思維框架去理解對方的話語。而在純粹依靠語言交流的報告中，溝通誤解的風險自然就會提高。
如果你已經透過工作經驗，充分了解主管和同事的溝通習慣，或許能準確捕捉他們的語言重點。但如果你在有限的時間內無法做到這一點，那麼使用明確、直觀的數字來進行報告，就成了不可或缺的方法。
以下舉例說明，假設報告中以「困難」、「很難」或「不可能」等模糊詞彙來描述，若改以數字表達，其內容將變得更具體明確，修改後的結果如下：
達成目標有一定難度。→目前距離目標還差30％
按照現在的情況，幾乎不可能達成目標。→距離目標營業額還差15億韓元。若要100％達標，接下來每個月至少需要達成5億韓元的營業額。
因為銷售狀況不如預期，很難達標。→距離目標銷售量還差2,500個
工作報告的兩大類別
依照目的不同，工作報告可以分為兩類：一類是「緊急通報」，另一類是「計畫報告」。
緊急通報：突發事件、事故或無法預測的狀況
緊急通報通常針對突發的事件、事故或不可預測的狀況，要求快速傳遞核心資訊。例如，假設某工廠發生火災，若因追求完美的報告內容，花時間整理起火原因、分析詳細數據或提出防範對策，工廠可能在這期間就已燒毀殆盡。在這種情況下，「迅速」才是通報的核心，最重要的是用最少的資訊快速回報當前狀況。然而，追求快速並不代表可以省略數據支撐。
即使是緊急通報，也需要包含一些關鍵數字，例如：是否有人員傷亡？火災規模有多大？火勢大約需要多久才能撲滅？這些可以立即掌握的數據，哪怕簡單，也應列入報告，以解答主管的疑問並協助決策。
計畫報告：公司內的日常報告
計畫報告則涵蓋了公司內大部分的日常報告類型，包括預測、分析、業績、應對方案等內容。這類報告的核心重點在於「準確」和「邏輯」。
在公司中，經常需要透過報告來分享進度或匯報成果。例如，假設收到指示要評估某項業務的可行性，或預測某產品的銷售與生產量，在收到指示時，通常也會被告知報告完成的期限。此時，比起快速完成，準確的數據和合理的邏輯才是計畫報告的關鍵。計畫報告需要提出精準的數據，並透過清晰的邏輯進行詳細解釋。
為了提升計畫報告的品質，建議回顧STEP1，檢視自己是否已經建立起良好的數字思考力，這將成為計畫報告成功的基礎。
節錄自：采實文化《解決問題快10倍的數字工作法：韓國三星經理教你4步驟用數據思考，從企劃、分析、決策到報告都事半功倍，獲得賞識和成就感》／盧泫兌 著
推薦閱讀：
你的KPI是什麼？工作也要像背九九乘法，2招牢記「關鍵指標」重要數字
寫工作報告，別只想當「好孩子」！掌握「2個要領」寫出主管想看的
亞馬遜開會為何禁用PPT？貝佐斯談「6頁報告」如何提升效率
從房屋結構到數位建模——成大南工建築科，打造「營建產業IT人才」的搖籃
有人從一張房屋平面圖開始認識建築，也有人因為喜歡畫畫、模型或空間設計，逐漸走進建築專業。成大南工建築科從製圖、測量及施工基礎出發，再把資訊與人工智慧帶入課程，也讓學生理解一棟建築如何從想法形成圖面，最後走向真實施工。
從愛看房屋平面圖開始，走進建築教育十五年
成大南工建築科主任翁漱璞從小就對空間感到好奇。他看到房屋銷售上的平面圖，常會仔細研究家具可以如何擺放，各個空間又要如何連接。他後來就讀台中高工建築科，並在民國100年進入成大南工任教，至今已在成大南工深耕十五年。
成大南工建築科的歷史可追溯至民國30年。科別曾隨產業發展調整，並在民國89年正式定名為建築科。學校改隸成功大學後，科內獲得更多設備、經費與交流資源，也積極和成大建築系及土木系合作。學生曾和成大義築團隊共同製作義賣攤車及木造溜滑梯，從實際構築過程理解設計如何被完成。
測量到施工圖，三年建立房屋建築基本功
建築科三年的課程安排具有明確順序。高一先建立製圖、測量與空間概念。學生會接觸基礎手繪，也會認識建築資訊與人工智慧的基本應用。老師們希望學生在入門階段就知道，建築已經和資料、軟體及數位工具密切相關。
高二的課程開始進入電腦繪圖及實際建模。學生會使用軟體建立建築模型，並把平面圖轉化成立體空間。蘇同學與江同學都對施工圖實習印象深刻。兩人提到，Revit可以把原本平面的圖面逐步建成立體建築。當牆面、樓板與空間真正出現在畫面中時，自己會很有成就感。
學生在高二了解不同領域後，高三可以透過多元選修選擇方向。對規劃設計有興趣的學生，可以加強建築造型、建築設計及法規。偏好工程實務的學生，則可以學習施工、建築工程實務、建築結構與測量。BIM課程也會進一步教學生從模型產出平面圖、立面圖與組合圖，並運用模型估算鋼筋、混凝土及其他工程數量。
圖：學生使用測量儀器進行校園測量
BIM不只是畫立體圖，更是建築工程的資訊中心
成大南工設立BIM數位建設科技應用實驗班，希望增加高中和大學之間的合作，也回應營建產業的數位轉型需求。原有課程已相當完整。若直接增加大量資訊課程，可能排擠其他專業科目。因此，學校透過實驗班重新規劃課程，讓學生可以進行更深入的學習。
翁漱璞主任指出，傳統營建產業常被視為勞力密集產業，但BIM正在改變工作方式。BIM模型除了呈現建築外觀，也能整合材料、尺寸、構件與工程資料。工程人員可以先在電腦中檢查問題、估算數量及模擬施工，減少現場錯誤並提高效率。
未來當人工智慧、機械手臂與自動化施工發展更成熟時，能夠同時理解建築與資訊的人才，將成為串聯模型、設備與施工現場的重要角色。
圖：學生於課程實際操作BIM建模軟體
透過證照及專題，展現學習成果
科重視實際操作，也為學生安排清楚的證照準備方向。高一以測量丙級技術士證照為主要目標，高二則準備建築製圖應用電繪丙級技術士證照。進入高三，教師也會鼓勵有興趣及能力的學生挑戰乙級證照。
高三學生必須完成專題，可以自行製作，也可以與同學組隊。題目不只限於建築設計，也能從施工或生活問題出發。例如，有學生針對收納需求設計可變形家具。老師會協助評估可行性，學校也會提供補助。表現優秀的作品可以參加校內初賽，前四名再代表學校參加全國專題競賽，成為升學作品集中的重要成果。
目前就讀建築科的蘇同學分享，其曾參加抗震盃，先以AutoCAD設計結構，再使用西卡紙製作模型。這段經驗讓他發現，電腦中的線條必須經過不斷測試與調整，才能成為穩定的構造。江同學則對力學課程印象最深。雖然課程具有挑戰性，同學們也因此經常聚在一起討論，在互相解題的過程中共同進步。
圖：學生參加高雄科技大學土木系 2025 年抗震盃之合照
升學分成三條路，BIM也帶來新的職涯選擇
建築科學生的升學方向大致分成三類。第一類是規劃設計，包括建築、室內設計及景觀設計。第二類是施工營建，包括土木、營建工程、水土保持及職業安全。第三類則是房地產、休閒管理及其他和空間規劃相關的科系。
科主任提到，未來建築方向的出路可以選擇進入建築師事務所、結構或土木技師事務所，也可以擔任主管職的工地主任、監工及職安管理人員。
具備BIM能力的學生還能朝建模師、建模員、工程數量估算及資訊整合等工作發展。這些職務需要把建築知識轉化為可運算、可共享的模型資料。
不必先會畫圖，重要的是對空間有興趣
翁漱璞主任認為，適合建築科的學生通常喜歡積木、樂高或模型，或者會注意生活周遭的空間。學生可能會思考房間如何重新安排，或希望改變某個使用不便的地方。這些觀察都代表學生對三度空間、結構或設計具有興趣。
學生不需要在入學前具備完整基礎。江同學表示，只要真的有興趣就可以嘗試，因為大家都是從零開始學習。蘇同學也認為，學生只要願意投入，便能逐步把專業學好。家長平時也可以帶孩子參觀建築展覽，觀察不同建築與空間，幫助孩子確認自己是否喜歡這個領域。
從手上的鉛筆到電腦中的數位模型，成大南工建築科讓學生同時學習設計、工程與科技。學生在三年內不只學會如何畫出一棟建築，也逐漸理解它如何被計算、施工與管理。當營建產業持續數位化，這群能看懂空間、掌握工程，也能操作資訊工具的學生，將擁有更多升學與職涯選擇。
開箱建築科學習日常！
更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
實體出不來怎麼辦？新手必學 CAD 錯誤分析技巧，一鍵搞懂草圖失敗原因！
畫得漂漂亮亮卻就是拉不出實體？別再用放大鏡找破口啦👀
只要善用 草圖分析指令，馬上幫你找出未封閉的線段、重疊曲線，
省時又省力，一鍵搞懂失敗原因！
👇學會這招，從此不再被錯誤訊息困擾！
#CAD新手 #草圖分析 #工程設計 #CAD技巧 #製圖教學 #CAD草圖錯誤 #SketchAnalysis #3D建模
有任何收穫或想分享的，都來和大家一起聊聊吧！