Spark第二部曲： SQL輕鬆處理半結構化資料技巧
104學習
ANSI SQL
ANSI SQL 是一種標準化的資料庫查詢語言，讓使用者能以一致且結構化的方式操作關聯式資料庫。具備這項技能代表你能撰寫跨多種資料庫系統（如 MySQL、Oracle、SQL Server）通用的查詢語法，提升資料存取、分析與管理效率。在職場上，它是資料分析師、後端工程師、資料庫管理員等崗位的基礎技能，有助於快速從大量資料中擷取有價值的資訊，支援決策與業務發展。掌握後也方便與不同部門協作，提升工作效能。
測測你現在的程度
花 5 分鐘了解自己的能力，找到最適合的學習起點
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
教你完全掌握 SQL- 從資料庫建立到成為資料處理高手
快速活用 MySQL，精準設計關聯式資料庫
AI資料分析資料科學家必學！MySQL資料庫從零到高手：全面實作指南與應用案例
AI 商業數據與工作應用實戰：分析、報表與決策支援【09/30】
.NET開發資料庫應用系統全方位－ADO.NET與Entity Framework(.NET Core)攻略
NoSQL輕鬆學: 架構、設計與案例探討
【10/28（三）開課｜台北３日實體班】ISO 27701:2025 隱私資訊管理系統主導稽核員轉換訓練課程
Vanna AI Text2SQL 實戰訓練營：自然語言查詢資料庫解決方案
【11/16（一）開課｜台北３日實體班】ISO 27701:2025 隱私資訊管理系統主導稽核員轉換訓練課程
精選證照
考取專業證照，讓能力被市場看見
IBM DB2 Information Management
IBM DB2 Information Management證照驗證持有者具備使用IBM DB2資料庫管理系統進行資料庫設計、安裝、配置及維護的能力，能有效管理大型資料庫環境，確保資料安全性與完整性，並能運用SQL語言進行資料查詢與操作，提升資料庫效能與系統穩定性，適合從事資料庫管理、資料分析及系統開發相關工作。
IBM
SSE Big Data Database: NoSQL國際認證
大數據盛行之後，分散式系統成為IT行業的顯學。相對於傳統的關聯式資料庫，NoSQL其分散、非結構化、支援Hadoop、記憶體中處理以及支援MapReduce的特性，在全球各大行業都相繼採用。除了IT及網路業的巨頭(Google, Facebook, Amazon, Microsoft)、其它各行各業如Walmart, Samsung, Comcast也完全投入。可支撐起整個公司的資料儲存、分析、倉儲、串流、即時分析、商業智慧等任務。
Silicon Stone Education (SSE)
MySQL- Core
MySQL-Core證照驗證持有人具備MySQL資料庫的基本操作與管理能力，包含資料庫安裝設定、資料表建立與維護、資料查詢優化及基本安全設定，能有效運用SQL語法進行資料操作及問題排除，適用於資料庫管理、應用程式開發及資料分析等相關職務，提升職場競爭力。
Microsoft
Sybase Certified Associate -- Adaptive Server Anywhere Developer
Sybase Certified Associate -- Adaptive Server Anywhere Developer 證照驗證持有人具備使用 Sybase Adaptive Server Anywhere 資料庫系統進行開發的基本能力，涵蓋資料庫設計、查詢語言操作及應用程式整合等技能，適合從事嵌入式資料庫解決方案開發工作。此證照證明持有者能有效管理及優化輕量級資料庫，提升系統效能與穩定性，適合在企業內部資料管理及應用開發領域發展。
Sybase
Sybase Certified Professional -- Adaptive Server Enterprise Developer
Sybase Certified Professional -- Adaptive Server Enterprise Developer證照專為具備Sybase ASE資料庫開發技能的人士設計，涵蓋資料庫結構設計、Transact-SQL程式撰寫及效能優化等核心能力。取得此證照代表持有人能有效管理資料庫應用程式，提升系統穩定性與效率，適合從事資料庫開發與維護相關工作，增強職場競爭力。
Sybase
Sybase Certified Associate -- Adaptive Server Enterprise Developer
Sybase Certified Associate -- Adaptive Server Enterprise Developer證照驗證持有者具備使用Sybase Adaptive Server Enterprise進行資料庫設計、開發與管理的基本能力，涵蓋SQL語法撰寫、資料庫物件建立、效能優化及故障排除等技能，適合從事資料庫開發與維護工作，提升職場競爭力與專業認證價值。
Sybase
精選貼文，掌握第一手知識
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
AI工作機會已達12.1萬個，要如何成為企業爭搶的AI人才？104人力銀行推出「AI人才就緒計畫」，在104學習精靈平台上架AWS官方免費AI課程，並結合課程推廣、證照推薦、履歷回寫與職缺媒合，打造「學習→認證→求職」的完整鏈路！
文／104人力銀行
本文目錄（點擊可快速前往）
AI工作機會年增9.1% 從研發需求走向製造應用AWS與104打造AI即戰力人才鏈學習平台×履歷資料庫整合
AI席捲全球，企業對AI與雲端技能人才需求持續攀升，104人力銀行增加AI關鍵字到413組、同時擴充AI招募職缺的比對範圍，觀察2025年第二季「正在開缺」以及「曾經開缺且已找到人」的AI工作機會數已有12.1萬個，其中，60.3%不限科系，代表自主學習AI或能應用AI的求職者，有機會成為企業爭搶的AI人才。104人力銀行運用Amazon Web Services（AWS）雲端服務與課程資源，推出「AI人才就緒計畫」，預計首年觸及超過3萬名學習者，導入超過300萬筆學習紀錄至履歷系統，打造「學習→認證→求職」的完整鏈路，為台灣職場注入數位動能。
104「AI人才就緒計畫」AWS免費AI課程
AI工作機會年增9.1% 從研發需求走向製造應用
104人力銀行最新統計，2025年第二季AI相關工作機會12.1萬個。依產業，5.8萬個AI工作機會集中於電子資訊/軟體/半導體業、占整體AI的48.3%，其次為一般製造業1.6萬、占11.9%，批發/零售/傳直銷業1.2萬個、占9.7%。依職缺，2.4萬個AI工作機會屬於軟體/工程類人員、佔整體AI的20.1%最高，其次為業務銷售1.2萬個、行銷類1.1萬個、工程研發類1.1萬個、操作/技術類0.6萬個。
比對年增幅，2025年第二季AI工作機會，比去年同期成長9.1%。AI工作需求最強的前三大產業，以一般製造業年增幅16%最顯著；需求最強的前五大職務，以操作/技術類人員年增幅31.4%最強，AI需求不再專屬科技大廠，而是逐步從研發需求落地、走向製造應用。
[joblist_plugin title='更多104【AI相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI&isJobList=1' amount='3']
AWS與104打造AI即戰力人才鏈學習平台×履歷資料庫整合
104人力銀行統計，近期的AI相關工作有60.3%不限科系，徵才企業放寬科系要求，但越來越需要懂AI應用、以及能解決實務問題的跨域人才，求職者若能自主學習AI、具備應用AI的能力，更能成為企業爭搶的AI人才。
呼應AWS培育雲端技術人才的「零介入科技計畫」，針對本次的「AI人才就緒計畫」，104人力銀行將扮演關鍵推手角色，將AWS官方課程上架至104學習精靈平台（https://nabi.104.com.tw/course/aws），並結合課程推廣、證照推薦、履歷回寫與職缺媒合，打造「學習→認證→求職」的完整就業鏈路，為台灣職場注入AI及數位動能。
AWS官方免費AI課程>>立即報名
104人力銀行預估，計畫首年將觸及超過3萬名學習者，並導入超過300萬筆學習紀錄至履歷系統，協助求職者在AI與數位轉型的浪潮中脫穎而出。此外，104也將運用站內廣告、社群貼文與EDM等多管道推廣課程，並優化平台內AI技能學習與證照推薦系統，讓求職者能快速獲得實用技能，提升轉職與升遷機會，打造「學習即戰力」的人才養成平台，助力求職者與企業在AI時代同步升級。
看AI人才就緒計畫
了解更多最新趨勢，你還會想看
COMPUTEX將登場 類比IC設計工程師年薪155萬居科技人才之冠，半導體薪資競爭力最強
104公布最新10大職場趨勢！科技與金融年薪逾90萬元、「新時代高薪職務」出列
客戶都用AI比好規格了，業務還在背型錄？專家：高價值業務要進階「問題顧問」
只會背型錄的業務，正在被AI取代！作者為深耕產業超過20年的B2B業務專家，指出業務的價值已從「介紹產品」轉向「看懂客戶還沒發現的問題」。從一次買筆電遇上兩種業務的經歷看起，並提供B2B業務的3種AI應用提示詞。本文節錄自《90%高級主管出身業務，B2B聖經》。
文／吳育宏
本文目錄（點擊可快速前往）
別做產品專家，要當問題顧問從產品知識到問題洞察，業務角色正在轉變【B2B業務AI應用】AI提示詞範例
別做產品專家，要當問題顧問
網際網路把現今的市場，變成名副其實資訊爆炸的環境。換言之，業務員若是無法從資訊提供者，轉變、升級成為資源整合者，勢必無法彰顯業務工作的價值，終將被市場所淘汰。從另一個角度來說，可以整合資源、做出綜合判斷的業務員，才有能力解決顧客的問題，而不是淪為背誦產品規格的專家，也就是從產品導向進階成為「問題導向」。說的白話一點，就是我們的產品是什麼型號、樣式、規格沒那麼重要，重要的是我們能幫顧客解決什麼問題。
幾年前，我到3C賣場打算增購一臺小筆電。我對個人電腦的了解非常一般，平時也不會花太多時間去研究產品資訊，純粹被小筆電輕巧、方便的特點吸引。所以，出門前我大致瀏覽過各廠牌小筆電的規格，好讓自己在賣場不會顯得太外行。
在3C賣場，我遇到的第一位年輕店員，了解我正尋找小筆電產品後，在不看任何書面資料的情況下，熟練的背出各廠牌的主要規格差異和折扣價格，我確定他是一位下過功夫的產品專家。但我打算找另一家店略做比較後再下決定，這位年輕店員似乎習以為常，他帶著自信告訴我：「歡迎再比較看看，你會知道我們是最划算的。」
到了第二家店，我遇到一位年齡較長的銷售人員，他的溝通方式創造出完全不同的銷售對話。在我表明要找小筆電產品後，他問了我一連串關於：「你為什麼要買小筆電？」的問題，從我預計使用的場合、時間，一直聊到個人使用習慣和偏好，我們的對話情境圍繞在我工作、生活的每一個細節，最後，他給了我一個出乎意料之外的結論：「先生，你不可以買小筆電！」
好極了，這是我第一次帶著新臺幣站在業務員面前，聽到這麼另類的建議。當然， 他並不是要結束這次交易，而是又花更多時間和耐心向我解釋，依照我的使用習慣，若是選擇小筆電，一定會在短時間內後悔。接著，他推薦一臺價格超過小筆電兩倍的筆記型電腦，同時再不厭其煩的說明它的規格，對我實際使用上有何幫助。
那個下午，我很幸運一次遇到兩位專家，一位是「產品專家」，另一位是「問題專家」。產品專家不斷提醒我聚焦在規格和價格，所以我心裡想的是：「不要漏掉其他眾多店家，應該好好的比較一番。」但在問題專家面前，我比較像是接受診斷的人。這些深入我實際需求的問診過程，網路上各種「比價王」，或是能將規格、價格倒背如流的產品專家都無法做到。所以，我沒有拿著他建議的機型，再去求助第三家店。因為他的建議比較像是醫生開的處方箋，而我從來不會和醫生的專業意見討價還價。
我在機械產業銷售空氣壓縮機時，也遇過類似狀況，客戶希望我們提供「氣冷式」機種的報價單，我和工程師看過客戶的工廠配置、使用環境後，很可能建議完全不同的「水冷式」機種（編按：氣冷式空壓機安裝簡單、成本較低，但受環境溫度與通風影響較大；水冷式建置成本較高，但散熱穩定，適合高溫與長時間運轉的工廠環境）。只要你能提供專業、合理的判斷依據，通常客戶都會感謝你提供不同的意見。
這也說明，業務人員在展開銷售對話前，最好先問問自己打算當「產品專家」，還是當「問題專家」。
從產品知識到問題洞察，業務角色正在轉變
過去許多B2B業務員，習慣把大量時間花在熟背產品型錄、規格與功能差異，認為只要夠熟悉產品，就能展現專業、取得客戶信任。但在今天的市場環境裡，這樣的優勢正在快速消失。當客戶3分鐘就能透過ChatGPT查完競品規格、價格區間與市場評價時，「會背型錄」已不再是競爭力。資訊透明後，客戶真正期待的，不再是有人幫他介紹產品，而是有人能幫他看見問題。
但更現實的是，許多業務在客戶經營上，仍停留在人工整理Excel報表、憑經驗判斷客戶關係的階段。客戶快流失了，往往等到訂單消失才發現；想接觸關鍵人物，也只能靠送禮、勤跑客戶，或刻意裝熟建立關係。這些做法最大的問題，不只是效率低，而是業務角色很容易被市場邊緣化，最後淪為單純的資訊轉述者。
AI時代來臨後，真正高價值的業務角色，反而變得更像企業顧問。未來頂尖業務的價值，不在於知道產品，而在於看懂客戶還沒發現的問題。例如，一家電子製造業客戶，近半年訂單高度集中在單一終端品牌，表面上營收成長，但AI若結合公開財報、供應鏈新聞與產業數據分析，就可能提前看出訂單集中風險、海外政策變動、原物料波動，甚至庫存壓力升高。這時候，真正有價值的業務，不是繼續介紹產品，而是主動提醒客戶未來可能面臨的經營風險。
未來的業務工作，將越來越像數據判讀與商業顧問。AI可以協助企業快速分析營收集中度、預測客戶流失風險、找出交叉銷售機會，甚至自動整理競品情報。但真正能拉開差距的，仍然是人的判斷能力。因為AI可以快速整理資訊，但如何解讀數據背後的商業意義、如何協助客戶做出更好的決策，依然是人類最重要的價值。
【B2B業務AI應用】AI提示詞範例
1. 產業風險預警：
我是一名電子零組件業務，主要客戶為〔公司名稱〕。請分析該公司近一年的財報與供應鏈新聞，列出三個它們可能面臨的經營風險（如訂單過度集中、政策影響或原物料波動），並提供三個我能以「顧問身分」提出的對策建議。
2. 競品分析與破解：
客戶目前正同時評估我們與〔競品A〕的〔產品類型〕。請整理〔競品A〕在市場評價中常見的痛點，以及我們的產品相較之下，能如何降低客戶的長期營運風險。
3. 數據洞察摘要：
這是一份客戶〔輸入產業類別〕的市場趨勢報告。請幫我提取出三個會直接影響客戶「成本控制」或「競爭優勢」的關鍵數據，以便我能主動提醒客戶提早應對。
節錄自：大是文化《90%高級主管出身業務，B2B聖經：從跑客戶到利用AI問對問題，這是你薪水翻倍、卡位晉升、認識大老闆的最快成功捷徑！》／吳育宏 著
AI如何看穿客戶潛在需求？3招幫B2B業務找到商機
在AI時代，B2B業務真正的挑戰轉向了「資訊的處理與轉化」。作者為深耕產業超過20年的B2B業務專家，教你3招用AI判斷對方「現在為什麼需要你」。透過AI分析企業財報、法說會、徵才資訊與決策者的公開動態，業務可以從零碎訊號中找出客戶尚未明說的需求，掌握更精準的提案時機。本文節錄自《90%高級主管出身業務，B2B聖經》。
文／吳育宏
本文目錄（點擊可快速前往）
大海撈針已過去，精準打擊才是關鍵為什麼AI是B2B業務的最佳情報員？一、情報蒐集的第一步：建立客戶的「數位畫像」二、從法人說明會到財報：AI如何解讀「老闆的真心話」三、社交媒體的隱形情報：挖掘決策者的個人見解
大海撈針已過去，精準打擊才是關鍵
在B2B業務的世界裡，資訊就是力量，而「資訊不對稱」曾是業務人員獲利的來源。但在AI時代，資訊已經不再稀缺，真正的挑戰轉向了「資訊的處理與轉化」。
過去，一位資深業務可能需要花上10年，才能培養出對產業的敏銳嗅覺，但現在透過AI的輔助，即便是業務新人，也能在極短的時間內展現出專家級的洞察力。
本章將帶你深入探討如何運用AI建立一套精準的情報調查研究系統，從核心邏輯到實戰案例，全面重塑你的業務競爭力。
為什麼AI是B2B業務的最佳情報員？
在傳統的業務開發模式中，蒐集情報是一項極其耗費體力的工作。過去我們習慣「掃街」，或是在搜尋引擎輸入關鍵字，但得到的往往是成千上萬條零散的訊息。這種蒐集方式有3個致命傷：
第一，資訊破碎化，你看到的只是客戶的片段，難以拼湊出完整的商業全貌；
第二，解讀主觀化，人的大腦容易產生偏誤，只看自己想看的，忽略了潛藏的風險；
第三，時效滯後性，當你在報紙上看到客戶的新聞時，競爭對手可能早已採取行動。這種低效率的勞動，正是平庸業務與頂尖業務的分水嶺。
AI的出現，徹底翻轉了這場遊戲。首先，AI具備強大的「彙整力」，如同一具高效能的過濾器，能在短短幾秒內掃描全球的數位足跡，將繁雜的數據轉化為有意義的摘要。
其次，AI擁有強大的「邏輯解析力」，它能識別出資訊之間的隱性關聯。例如，它能從一家公司頻繁招募自動化工程師的動作中，推論出該公司即將進行大規模的數位轉型。
最後，AI具備「多維度聯想力」，它能幫你把看似無關的政策變動、技術突破與客戶需求串聯在一起。簡單來說，AI就像是一個24小時不休息、博學多聞且反應極快的「數位參謀」，它幫你完成了最枯燥的資料過濾，讓你將精力集中在最關鍵的策略判斷。
以下透過實戰案例進一步說明。
一、情報蒐集的第一步：建立客戶的「數位畫像」
在正式接觸客戶前，建立「數位畫像」是決定開發成功率的關鍵。這就像是在進行一場外科手術前的掃描影像，你必須清楚知道對方的組織結構、決策脈絡，以及目前的「健康狀況」。一個好的數位畫像應該具備三維深度：第一，財務體質，這決定了對方口袋的深度與結帳信用；第二，策略方向，這決定了你的產品是否在對方的優先清單上；第三，經營痛點，這就是你切入的缺口。
你可以利用具備強大聯網能力的AI（如ChatGPT或Perplexity），下達具備框架感提示詞：
請分析〔目標公司〕過去兩年的營運重心變化。重點關注： 1. 他們在哪些研發領域投入最多資金？ 2. 他們近期的人才招募偏好？ 3. 他們在社交媒體上最常被抱怨的點有哪些？
透過上述多維度交叉分析，AI能幫你生成一份比官網更真實的「企業性格報告」。你會發現，有些公司看似保守，實則在悄悄布局新技術；有些公司看似高調，實則面臨人才流失的危機。
【實戰案例A：傳產轉型的精準切入】
某位銷售自動化倉儲系統的業務，將一家國內老牌紡織大廠作為目標。過去他多次拜訪，對方總是回應「目前營運穩定，無更換需求」。後來，他利用AI進行深度的調查與研究，分析該紡織廠近3年的公開資訊，以及上游原料供應商的變動。結果發現一個關鍵訊號：該廠近期大幅縮減了國內倉庫的租賃面積，並頻繁與跨境電商平臺接觸。
業務員因此從中解讀出：該廠正從過去「大宗貿易模式」轉向「小量多樣的跨境直銷」，這也意味著，他們過去大面積的倉儲邏輯已不再適用，急需「高頻率、小包裝」的自動化揀貨系統。於是，他在提案時直接以此為題，精準命中對方老闆隱而未現的焦慮，在第一場會議就成功取得評估測試的機會。
二、從法人說明會到財報：AI如何解讀「老闆的真心話」
對於上市櫃公司，法人說明會（編按：又稱法說會，上市公司向機構投資人報告營運狀況、財務績效，及未來產業展望的正式會議）與財報是業務人員的「戰略地圖」。但問題在於，財報充滿了冷冰冰的會計數字，而法說會逐字稿動輒上萬字，內容充斥著官腔與專業術語。業務員往往因為看不懂或沒耐心，而錯過了最核心的銷售訊號。
事實上，老闆在法說會上對分析師說的話，往往隱藏著他們最真實的壓力來源，因為他們必須對股東負責。現在，你可以把AI當成你的「首席財務分析師」，將法說會的錄音轉成文字後，直接餵給AI，下達精準的提示詞：
請閱讀這份兩萬字的法說會紀錄，幫我回答3個問題： 1. 老闆對於明年預算撥款最謹慎的領域在哪？ 2. 哪些部門目前正面臨產能或成本的壓力？ 3. 老闆反覆強調的3個關鍵詞是什麼？
AI就能瞬間把冗長的報告濃縮成一張「商機表」。這種解讀力能讓你避開客戶的地雷區，直接針對對方的「獎金區」進行提案。
【實戰案例B：從招募資訊看穿採購需求】
一位IT系統整合商的業務員想開發一家中型製造商。他在AI的協助下，分析該公司在人力銀行的招募數據後發現，該公司過去3個月密集招募具備「雲端資訊安全」 背景的工程師，且應徵條件特別強調「混合雲架構管理」（編按：指用一套整合性的方式，去管理「同時使用公有雲＋私有雲＋本地機房」的IT系統與資源）。
業務員立刻判斷出，這家公司正處於從本地端主機遷移到雲端的過渡期，且內部非常擔心資安漏洞。他在開發信中避開了通用的軟體介紹，而是寫道：「針對製造業在遷移雲端過程中，如何確保舊有製程數據不外洩的實務分享」。這封信在發出後的兩小時內，就得到了該公司資訊長（Chief Information Officer，簡稱CIO）的親自回覆，因為這正是他當下最頭痛、最需要外部專家協助的課題。
三、社交媒體的隱形情報：挖掘決策者的個人見解
在B2B銷售中，訂單成敗往往取決於「決策圈」裡的那群人。這群人包含了使用者、影響者、採購者與最終決策者。每個人的喜好、價值觀與恐懼點都不同。以往我們只能透過碰面來觀察，但現在數位足跡讓每個人都變得「透明」。透過分析決策者在LinkedIn 或專業社群的公開言論，AI能幫你進行深度的「人物側寫」。
延伸閱讀：AI也能用來經營人脈！從零碎資訊看懂對方，找出溝通切入點
你可以請AI協助分析目標對象近期的公開互動。例如，某位技術長（Chief Technology Officer，簡稱CTO）最近頻繁轉發關於「邊緣運算」（編按：Edge Computing，將人工智慧的運算任務，從遙遠的雲端資料中心，轉移至更貼近使用者的終端裝置上執行）的文章，這代表他對於中央集權式的系統有疑慮；或者某位採購經理在專業論壇上抱怨過「供應商售後反應太慢」，這就是你突圍的機會。透過AI的情緒分析與偏好歸納，你能為每位決策者量身打造專屬的「溝通頻率」。這不是投其所好，而是真正的同理心展現，讓你的提案在對方心中產生共振。
【實戰案例C：用老闆的話，說服部屬】
某位銷售節能設備的業務，目標客戶是一家電子代工大廠。他原本的對口單位是總務部，對方總以「節電效果有限，回本太慢」為由推辭。後來，業務員改變策略，利用AI分析該集團董事長在股東會上的致詞，與年報中的ESG承諾。AI幫他抓出一個關鍵點：集團董事長已公開承諾「在兩年內達成15%的減碳目標，且此目標與各部門主管的年度績效考核掛鉤」。
業務員拿著這份資料，重新向總務部提案，標題改為：「如何協助貴部門達成董事長要求的15%減碳績效，確保部門KPI達標」。這一次，總務部主管不再推託，反而積極主動的向高層請購，因為這項提案直接關係到他的績效與升遷。
節錄自：大是文化《90%高級主管出身業務，B2B聖經：從跑客戶到利用AI問對問題，這是你薪水翻倍、卡位晉升、認識大老闆的最快成功捷徑！》／吳育宏 著
台灣產業AI化大調查 反映產業從概念認知到實際應用的落差
2025-04-17 報導 聯合報記者馬瑞璿 由聯合新聞網授權轉載
人工智慧科技基金會（AIF）今日發表《台灣產業AI化大調查》，調查結果顯示，近五成企業未宣布AI相關的發展策略，2025年的表現亦僅37.6分，尤其零售貿易服務業僅13.7 分，表現最低。顯示目前多數企業仍停留在工具與技術的輔助層級，尚未建立完整的AI導入路徑圖。且各產業在數據治理與依循AI準則的表現皆偏低，超過四成企業表示沒有或不確定採用AI準則，平均分數更為所有指數中最低（20.4 分）；即使ICT 產業也僅20.3分。
【完整報告】台灣產業AI化大調查
延伸閱讀：掌握AI革命：人力資源選、育、用、留的智慧管理新時代
為了掌握台灣產業在AI發展中的實際需求與挑戰，AIF自2022年起持續每年進行《台灣產業AI化大調查》，是由產業端發動、獨立第三方非營利組織進行的長期研究。
2025年的調查聚焦於「AI在企業落地的關鍵」，調查進行時間為2025年1月至2月底。調查結果顯示，雖然企業對AI的關注與認知已明顯提升，但從「知道 AI」到「用 AI」之間，仍有一道難以跨越的實踐鴻溝。
2025年與2023年在企業經營（Business）層面，AI指數平均僅32分，與往年持平。愈來愈多企業已經開始將AI納入發展規劃，相關比率較往年有所提升，反映出企業對AI的戰略價值有更高的認識。
另外，資通訊（ICT）產業的AI指數下降（由44.7降至41.7），推測主因在於企業對自身AI發展的評估方式轉變。另一方面，在過去AI指數相對落後的製造業、政府機關及其他產業，則在本次調查中指數呈現顯著成長（由24.4提升至33.1）。
AIF表示，由於本調查以企業自評為主，過去許多企業在尚未進行內部盤點前，對自身 AI發展程度抱持較為樂觀的看法。在實際導入AI後，著手進行內部資源盤點時，企業才意識到內部資料整備不足、數據治理機制等尚未完善，甚至是需要優化業務流程等，因而導致評分相較先前有所下滑，這也反映出從概念認知到實際應用的落差。
這一變化顯示，近兩年來，生成式AI工具的發展加速了這些產業對AI的認識與應用，使其AI 指數有所提升。而這些企業多半仍在生成式AI工具的應用與探索階段。
儘管部分產業的AI指數有所進步，但企業在AI導入過程中仍面臨諸多挑戰。隨著 ChatGPT 等技術的普及，企業開始意識，並對AI懷抱興趣。然而，在真正落實AI應用時，由於缺乏數位轉型的基礎而窒礙難行，必須先建立良好的數位基礎，包括完善的數據治理、數位化流程，以及內部AI人才培育。唯有如此，才能確保AI技術的落地應用發揮最大價值，為企業帶來真正的競爭優勢。
比對歷年來調查結果，可以發現雖然有政策大力協助，培育許多人工智慧人才，但是如何從「聽到 AI」、「知道 AI」、「做到 AI」，到全面部署導入AI，仍然有幾個常見的環節難以跨越。例如：不了解應用場景的重要性，誤以為AI如同過去使用過的套裝軟體系統，只要導入、學會操作，就能立即看到效果；雖然缺乏AI人才，但不知道什麼是真正的AI人才，也不確定進來公司後的真正職能，缺乏對模型訓練、推論、裝置端AI與雲端 AI 等技術關鍵詞的準確認識；資料尚未整合或無明確治理策略，卻急於上線應用；重視外部工具導入，卻忽略內部組織能力的培養與明確策略。
[joblist_plugin title='【AIF】職缺，104上看得到！' url='https://www.104.com.tw/company/1a2x6bkcsk' amount='3']
AI助攻學習大躍進，開啟英語學習新時代！
隨著全球化與AI技術快速發展，臺灣的英語學習環境正經歷重大轉變，各種線上學習工具與資源不斷推陳出新。為提升國人英語能力，財團法人語言訓練測驗中心（LTTC）與國家發展委員會（簡稱國發會）合作推出新的英語學習平台，希望能成為學習者的有力輔助工具。
本文導覽
國際人才磁鐵，英語力是關鍵結合AI技術，打造智能學習評量系統全方位學習體驗：聽讀說寫全面提升第一線使用者回饋：有效提升學習效率AI學習工具的未來發展
國際人才磁鐵，英語力是關鍵
在全球化浪潮下，臺灣面臨的人才競爭愈發嚴峻，加上少子化的衝擊，如何吸引並留住國際人才，已成為國家發展的重要課題。國發會綜合規劃處林麗貞處長指出，想要讓國際人才願意在臺灣長期發展，就必須讓他們在日常生活中溝通無礙，而提升全民英語能力正是關鍵因素，這也符合政府推動的雙語政策目標。
延伸閱讀：職場「英語力」是提升競爭力的關鍵，自主學習外更需專業助攻！
結合AI技術，打造智能學習評量系統
因此LTTC及國發會集結了語言測驗、教育與科技領域的專家，共同研發「全民英檢i學網」（GEPT iPrep）英語學習平台，以提供更符合臺灣學習者需求的工具。LTTC執行長李欣穎指出，該平台運用全民英檢25年來累積的考生應答數據與歷年試題資料庫，透過AI技術進行學習診斷與評量，使其更貼合本土學習者的需求。
LTTC副執行長吳若蕙補充說，透過AI技術，學習者可以透過標準化的測驗與即時回饋來了解自己的強弱項。這不僅能幫助教師在教學時提供更精準的指導，也能讓自學者更有效率地提升英語能力。她強調，AI的角色是輔助學習，而非取代真人教學，「人機協作」才是最佳學習模式。
◆ 全民英檢，求職加分最佳利器▶ 點我報名◆ 全民英檢備考課程，專業師資指點迷津▶ 點我報名◆ 全民英檢i學網，AI評分即時回饋▶ 點我練習
全方位學習體驗：聽讀說寫全面提升
長期以來，臺灣的英語學習者在口說與寫作的練習機會較少，尤其缺乏系統化的評量工具，使得學習者難以掌握自身的進步情況。此新學習平台提供完整的聽、說、讀、寫四大類練習，並透過AI分析學習者的表現，提供個人化回饋。例如，聽力與閱讀的評量包含能力指標、未精熟單字、文法與學習建議，而口說與寫作部分則提供語音與語法分析，幫助學習者針對弱點進行改善。
十二年國教英語科召集人張武昌教授表示，英語學習是一個持續累積的過程，不應只侷限於學校課程，而應該讓所有學習者都能獲得適合自己的學習資源。他強調，從紙本教材到線上學習工具的發展，都是為了幫助臺灣整體英語實力的提升，使國人能更順利地融入國際環境。
第一線使用者回饋：有效提升學習效率
曾在英語補教業工作的張小姐分享，過去學生在口說與寫作方面的進步往往仰賴與教師的互動或適合的學習環境，但這樣的機會有限。透過AI評量系統，學生即使在學校或補習班之外，也能隨時進行練習並獲得回饋，大幅提升學習自主性。
就讀臺大藥學系的洪同學也表示，這樣的學習平台讓他在口說與寫作的表達更加精準。AI不僅能協助刪除冗詞贅字，還能提供更自然、實用的語句建議，讓學習者能夠針對自身的表達進行微調。他認為，這比單純讓AI重寫一篇文章來得更有意義，因為能夠幫助使用者理解自己的錯誤並加以改進。
AI學習工具的未來發展
隨著科技進步，英語學習方式也在不斷演進。「全民英檢i學網」已於2025年1月開放全民使用，但仍持續優化中，期望未來能提供更精準的學習診斷與回饋機制，透過結合AI的個人化學習體驗，讓學習者更精準地掌握自身的學習狀況，並針對弱點進行強化。這不僅有助於提升臺灣的英語能力，更能讓學習者在國際舞台上發揮更大的競爭力。
★ 全民英檢i學網：https://prep.gept.org.tw
[joblist_plugin title='【全民英檢】讓求職競爭力更高！' url='https://www.104.com.tw/jobs/search/?jobsource=joblist_search&keyword=%E5%85%A8%E6%B0%91%E8%8B%B1%E6%AA%A2&mode=s&page=1&order=15&asc=0&searchJobs=1&sctp=M&scmin=50000&scstrict=1' amount='5']
強化語言能力，是提升職場競爭力的關鍵！
職場「英語力」是提升競爭力的關鍵，自主學習外更需專業助攻！
想進外商公司英文要多好？3件比考英文檢定更重要的事
學外語還是買股票有「錢」途？史蒂夫和戴夫告訴你
AI應用納公務體系！「AI公務人才認定指引」Beta版將採認25張國際證照
面對AI人工智慧的蓬勃發展，為提升公務人員的AI素養與實際應用，數位發展部與行政院人事總處攜手發布「AI公務人才認定指引」Beta版，期望建立公務體系AI人才培育與認證機制，預計首波將直接採認包含AWS、Google、Microsoft及經濟部iPAS在內的25張國際專業證照。
文／《104職場力》
本文導覽
公私協力打造AI公務人才生態系：「AI公務人才認定指引」Beta版AI公務人才指引重點懶人包共同必修項目簡單三步驟，解鎖AI專長！公部門AI學習資源共同必修專屬認證清單
面對AI技術快速演進的浪潮，為使公務人員具備紮實的AI素養、以科技工具提升政府服務效能，行政院人事行政總處與數位發展部114年7月攜手成立AI人才辦公室，統籌培力資源，並於2026年6月9日正式發布共同研訂的「AI公務人才認定指引」Beta版。
該指引涵蓋政策、應用、開發三類人才的學習課綱與發展路徑，接軌產業認證機制，公務同仁將可註記AI專長強化升遷誘因，透過「政府創造需求、引導產業辦課、結合訓考用循環」的架構，打造資源互通、價值共創的AI公務人才生態系。
AI公務人才認定指引
延伸閱讀：AI力即國家競爭力！政院推「AI人才方舟計畫、指引3.0」，雙軌並進翻新產業生態
公私協力打造AI公務人才生態系：「AI公務人才認定指引」Beta版
數發部表示，AI公務人才指引研訂過程對接數發部數位產業署的「AI產業人才認定指引」架構，透過導入產業共通基準，並整合民間既有的培訓與認證資源，公私部門的AI人才庫將建立一致的能力標準與銜接基礎。
同時，政府龐大的訓練需求可帶動產業界積極投入AI課程開發與認證服務，進而擴大整體培訓生態的能量，形成公私協力的雙向正循環。
▲ 圖片來源：數位發展部
數發部進一步說明，本次指引具備四大核心亮點，引導民間資源與政府訓練量能無縫接軌：
對應需求領域，完備人才分類：將公務人才區分為「AI政策人才」、「AI應用人才」與「AI開發人才」三大類型，清楚定位公務人員角色，提供不同的職涯發展選擇。
導入職能架構，設計標準課綱：釋出3條學習路徑、8大課程模組與40門標準課綱，明確訓練規劃與標準，引導民間培訓業者進行資源整合與辦課。
銜接民間資源，接軌產業標準：推動「雙軌認證」機制，首波直接採認AWS、Google、Microsoft及經濟部iPAS等25張具公信力的專業證照；同時，人事行政總處將優先於今年下半年推出「公務AI共通核心能力認證」，以確保公務人員在行政體系應用AI之法遵與治理意識及提升風險辨識能力。
建立專長註記，促進人才流用：公務同仁考取相關證照後，可於人力資源管理資訊系統登錄AI專長，有助個人升遷發展；並奠基於AI共通應用知能前提下，有助公私部門之間的技術人才流通。
[course_plugin api_type='course_id' title='iPAS AI應用規劃師【初級】衝刺班' id='19ba2cdd-5ae1-44a0-a975-01f989c92691']
[course_plugin api_type='course_id' title='生成式AI｜三證合一速攻班｜高分思維 × 解題框架 × 刷題實戰' id='ee5e6072-07e8-486f-9e11-2d7d5bfb2f2d']
[course_plugin api_type='course_id' title='商業應用技能 1-1 生成式 AI 如何顛覆您的工作模式' id='553bc7bd-5e0e-48c4-af58-41ed7368ce15']
AI公務人才指引重點懶人包
共同必修項目
項目核心能力與課程說明核心能力AI應用素養◆ 風險辨識◆ 倫理判斷◆ 公共價值能力認證學習應用素養課程認識AI基本概念與趨勢，掌握法規、資安與倫理風險認知能力認證公務AI共通核心能力認證115年度將優先推動，後續將視情況評估採認《AI產業人才認定指引》素養類認證
延伸閱讀：【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
▲ 圖片來源：數位發展部
簡單三步驟，解鎖AI專長！
▲ 圖片來源：數位發展部
公部門AI學習資源
實體課程
行政院人事行政總處公務人力發展學院>訓練資訊>年度訓練計畫
數發部政府數位人才訓用平臺
線上課程
「e等公務園+學習平臺」/ 公務AI學習地圖
路徑學習內容AI基礎認知線奠定AI基本概念、發展歷程、技術演進和未來趨勢的基礎認知。AI政策法制線聚焦AI治理政策、法規規範、AI安全與AI倫理風險辨識，建構負責任AI應用的法制意識。生成式AI線專注於生成式AI基礎認識與模型認知，精進提示設計與操作能力，強化生成式AI應用中的風險評估與資訊處理與判讀。AI內容創作線著重AI輔助文字、圖像、簡報等創作應用。AI數據分析線關注AI在數據分析和視覺化中的應用，延伸至預測分析、數據治理與決策支持。AI技術應用線厚植鑑別式與生成式AI的核心技術原理、模型部署及高階應用概念與能力。機關導入AI線強調AI導入情境、應用流程、專案管理與驗收指標，涵蓋從評估、規劃到部署的完整導入歷程。AI公務應用線涵蓋AI導入於四大領域（智慧城市、智慧轉型、韌性社會與低碳永續）之公務創新應用。
共同必修專屬認證清單
素養類證照：AI應用素養
性質認證名稱辦理單位公部門專屬公務 AI 共通核心能力認證（115年試辦）人事行政總處統籌規劃《AI產業人才認定指引》素養類認證iPAS 初級AI應用規劃師能力鑑定經濟部產業發展署生成式AI能力認證資訊工業策進會人工智慧工程素養認證資訊工業策進會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TQC生成式AI應用與技術(實用/進階/專業)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)中華民國電腦技能基金會EEC企業電子化人工智慧應用師中華民國電腦技能基金會Microsoft Certified: Azure AI Fundamentals (AI900)Microsoft CorporationAWS Certified AI PractitionerAmazon Web Services, Inc.
完整【公務AI人才指引】懶人包
[course_plugin api_type='course_id' title='生成式AI能力認證課程' id='141ae9fb-d485-4004-86c1-25f590522dad']
「AI公務人才認定指引」將以Beta版試行6個月，後續數發部與人事總處持續合作，依據第一線機關的同仁回饋意見滾動修正，使指引規範更貼近公務需求，協助公務人員在安全、負責任的前提下運用AI技術，提升政府服務效能。
▲ 圖片來源：數位發展部
104 AI工具再升級！用戶使用率突破86.8% 智慧媒合率超過4成
精準善用每天5,000萬筆以上使用者行為軌跡 打造最強AI求職求才引擎
AI浪潮推動全球人才生態系快速變革，如何透過AI工具精準媒合企業與求職者，成為人力資源領域重要任務。104人力銀行每天處理超過5,000萬筆使用者行為軌跡，已成全台規模最大的人才資料庫，成功模擬徵才企業與求職者的雙向溝通並推測需求偏好，開發包含「AI推薦工作／推薦人才、AI訊息分類、AI履歷健檢」等功能服務，目前已有86.8%的使用者用過站內AI產品服務，智慧媒合率達41.12%，幫助工作與人才更有效率地找到對方，引領整體求職求才生態開啟AI智慧嶄新篇章。
AI破解雙向媒合難題 智慧篩選提升效率
104人力銀行研發處協理張世淳指出，人力資源媒合的技術門檻遠高於一般電商的推薦系統，既不能把最知名的企業推給所有人，也不能透過演算法「創造需求」，主因職缺與人才無法被無限複製，且必須雙方都有意願；求職求才系統最大的挑戰在於讓AI理解「人性化的平衡」，找出真正能促成行動的匹配組合。他說，104 AI工具的核心在於濃縮資訊、提升判斷效率，使用者原本可能需要看二、三十筆或是更多的職缺或履歷，現在可能只需看十筆職缺或履歷就能精準掌握重點，顯著提升媒合效率與成功率。
推薦工作與人才、訊息分類、履歷健檢 三大AI工具解決使用者痛點
104人力銀行產品暨價值營運處資深協理王之璘指出，求職者面臨「資訊太多卻不知從哪開始」，企業端則面臨「履歷量大卻難以快速篩選」的共同痛點，因此需要能同時提升搜尋效率與行動意願的AI工具。為解決這些核心問題，104人力銀行導入各種AI服務，協助求職求才雙方更快速找到適合的工作和人才。包含：
AI推薦工作／推薦人才：透過104內部數據與行為模型，根據求職者的履歷與個人偏好等資料主動推薦職缺，以及依照企業所需條件與徵才偏好提供具備高符合度的人才，透過深入理解使用者需求減少「盲搜」。實際成效顯示，求職者應徵AI推薦的職缺，獲得企業邀約面試的機會是自行查詢工作的3.2倍；企業邀約AI推薦人才的面試同意率也是一般查詢的3倍，不僅大幅提升了求職效率，媒合成功率也相應成長。
AI訊息分類：在傳統求職過程中，求職者常會收到企業大量邀約訊息，104的AI精選自動將企業面試邀約訊息分為「專屬」和「一般」。其中，「專屬」大約占60%，由AI精選和求職者履歷、自傳、求職偏好、求職行為軌跡等相關性較高的訊息，另外40%和求職者較無關聯會被隔離在「一般」，且允許使用者隨時手動調整分類，或啟用/停用此功能，增加了使用的靈活性。
AI履歷健檢：求職者經常面臨對自身優勢與市場需求理解有限的盲點，AI履歷健檢工具針對求職者的履歷表進行分析，只需3秒鐘就能提供客製化的調整方向與建議，且為確保真實性，主要提供撰寫方向參考而非直接代寫，例如提示補充獎項、專案或描述細節，引導求職者依自身經歷調整，協助提升亮點與面試機會。近4成求職者獲取AI建議後，都會進一步更新履歷，整體面試機會提升20%。
從海量數據到精準匹配 104用AI推動智慧招募新時代
AI應用不斷推陳出新，104人力銀行研發處協理張世淳表示，開發AI產品的關鍵思維，需要面對龐大的數據與複雜的媒合需求，104全集團將AI視為人才升級的社會創新，投入大量資源研發能夠理解並學習使用者行為與偏好的AI演算法，技術難點包括如何從非結構化數據中提取有價值資訊、如何確保推薦的公平性與精準度，以及如何將複雜的AI模型無縫整合至用戶介面，都考驗著104的技術實力與創新能力。
張世淳指出，導入AI工具並非取代人力，而是釋放人力，加速人才與企業「找到彼此」的過程；透過AI工具，能夠超越個人主觀判斷，精準分析需求偏好並推薦理想人選與職缺，提升招募成功率。 更多內容請參考：104 AI+ 全服務網頁（ https://tw104.pse.is/8nrlya）
延伸閱讀：
104推出「AI職涯平台」超過萬種職缺一鍵搜尋求職工具、課程、證照一次到位
【工作快找App】AI專屬推薦、更多篩選條件，求職找工作更對味｜3.24.0版本更新教學
【工作快找App】新增AI訊息分類的啟用開關、專屬外籍人才的導覽入口｜3.25.0版本更新教學
我的履歷缺少哪些關鍵要素？104「AI履歷健檢」提高履歷完整度｜104履歷診療室
【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）
OpenAI衝算力 牽手Google 廣達、英業達營運進補
2025-07-18報導 經濟日報記者林薏茹 由聯合新聞網授權轉載
OpenAI因應算力需求大增，除採用最大金主微軟Azure的雲端運算資源之外，也將Google雲端納入其雲端供應商名單。OpenAI規劃，ChatGPT及其應用程式介面（API）採用Google雲端平台位於美國、日本、荷蘭、挪威及英國等地的基礎設施。
法人看好，Google拿下OpenAI雲端服務大單，將催動新一波AI伺服器建置熱潮，伺服器主要協力廠廣達（2382）、英業達等，營運吞補丸。
延伸閱讀：AI新十大建設 預算加碼…打造矽光子、量子電腦、智慧機器人國家級實驗室
OpenAI牽手Google
事件OpenAI在官網更新的雲端供應商加入Google雲端，另，未來ChatGPT及其應用程式介面將使用Google雲端平台、微軟、CoreWeave及甲骨文(Oracle)的雲端基礎設施影響Google雲端為全球第三大雲端服務供應商(CSP)，拿下OpenAI大單，將有助擴大在CSP市場的市佔率，台廠供應鏈也將雨露均霑受惠台廠廣達、英業達等資料來源：外電、法人 由聯合新聞網授權轉載
廣達受惠輝達GB200 AI伺服器出貨放量，第2季合併營收首度衝破5,000億元大關、達5,041億元，續寫單季新高。隨著第2季起較高單價的GB200機櫃出貨升溫、GB300也將於9月加入行列，廣達今年AI伺服器占整體伺服器營收占比可望突破七成。
[joblist_plugin title='104【廣達】工作機會' url='https://www.104.com.tw/company/ahfsoq0' amount='3']
英業達也是Google重要AI伺服器協力廠。英業達指出，上半年出貨以機櫃（L10）形式較多，單價較高，下半年出貨將以主機板（L6）為大宗，受惠產品組合帶動，有助毛利率向上，從出貨量來看，下半年會比上半年成長，全年AI伺服器出貨將有雙位數成長。
[joblist_plugin title='104【英業達】工作機會' url='https://www.104.com.tw/company/1zh8g1c' amount='3']
外媒CNBC報導，OpenAI在官網更新的雲端供應商列表中加入Google雲端，並表示未來ChatGPT及其應用程式介面將使用Google雲端平台、微軟、CoreWeave及甲骨文的雲端基礎設施。
據了解，Google與OpenAI曾針對這項合作進行數個月的討論，但由於OpenAI與微軟之間的排他性協議，而無法達成交易。直到今年1月，微軟調整與OpenAI合作模式，同意從獨家供應商模式轉為優先供應權模式，OpenAI與Google的合作關係才出現轉機。
OpenAI為因應龐大的運算資源需求，與微軟調整合作模式後，動作頻頻，尋求分散雲端供應來源。
OpenAI今年3月與CoreWeave簽署價值119億美元的五年合約，5月又再新增一筆40億美元的大單；OpenAI也於7月初與甲骨文簽下重大雲端基礎建設合作案，金額高達每年300億美元，是目前全球雲端市場金額最高的AI運算合約。
OpenAI執行長奧特曼今年4月曾表示，OpenAI正面臨運算能力限制，公開疾呼「若有人擁有10萬顆GPU容量，並能立即提供，請聯絡我們」，顯見隨著大語言模型規模不斷擴增，OpenAI對運算資源的需求也愈趨迫切。
業界人士指出，目前全球前三大雲端服務供應商（CSP）分別為亞馬遜AWS、微軟Azure及Google雲端，Google雲端拿下OpenAI雲端服務大單是一大利多，有助擴大其在CSP市場的市占率。
「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＞
IBM示警 AI模型與AI應用已成為門檻低、商業價值高的駭客攻擊目標
2025-08-04 經濟日報記者簡永祥 由聯合新聞網授權轉載
IBM近日公布《2025數據洩漏成本報告》警示，目前企業應用AI的速度遠超過其建置AI安全與治理，然而許多企業為了讓AI應用快速上線而忽略AI安全與AI治理。缺乏監管的AI系統更容易遭受攻擊，且造成的企業損失更為重大。
今年的報告首次針對AI應用的安全防護、治理機制、與控制訪問狀況進行研究；儘管研究結果顯示曾出現AI相關安全漏洞的企業僅佔採訪樣本的 13%，AI應用已經成為門檻低、商業價值高的網路攻擊目標。
IBM安全和營運產品副總裁Suja Viswesan指出，報告結果顯示AI 應用與治理之間的斷層已經存在，駭客正伺機而動。企業的AI應用普遍缺少基本的存取控制，導致機敏資料遭洩漏、模型可以輕易被篡改。隨著AI技術更多、更深、更廣地融入企業流程，AI安全防護必須成為基礎與重心。不作為的代價不僅損失金錢，更將損害客戶的信任、企業的透明度與自主權。
報告也提出一份比較資料：企業若在其安全業務領域廣泛應用AI與自動化技術，其資料洩露損失平均減少190萬美元，處理數據洩漏事件的周期平均減少80天。
報告的關鍵發現包括以下內容：
AI時代的企業安全漏洞發生領域
AI治理政策：63%曾發生數據洩露的企業尚未建立AI治理政策或仍在規劃階段。已經制定AI治理政策的企業裡，僅有34%定期審查未受批准的AI工具。
「影子 AI」的代價：五分之一的企業曾因影子 AI現象（未經公司同意或監管的AI工具）導致數據洩露，僅 37% 的企業制定管理或偵測影子 AI 的政策。與較少出現影子AI的企業相比，發生率高的企業其平均數據洩露成本多出 67 萬美元。涉及影子AI的安全事件導致個人身份資訊 (65%) 和智慧財產權 (40%) 洩露的比率，遠超過全球平均值（分別為 53% 和 33%）。
由AI驅動的智慧型攻擊：16%的數據洩露事件涉及駭客使用AI工具；主要用於網路釣魚或發動深度偽造的網路攻擊。
數據洩漏的經濟損失：
數據洩漏成本：全球數據洩漏平均成本下降到 444萬美元，是近五年來首次下降；但美國企業的平均數據洩漏成本卻高達1022萬美元。
處理數據洩露的全球平均周期創新低：隨著更多企業執行內部漏洞檢查，讓全球處理數據洩露的平均周期縮短至 241天，較前一年減少17天。與被外部攻擊的洩漏事件相比，透過內部檢測發現漏洞的企業平均減少損失達90萬美元。
醫療照護業的數據洩露成本仍居首位。儘管醫療行業的資料洩露成本較2024年減少235萬美元，其742萬美元的平均損失仍在本次調查的所有行業中居首位。醫療業的安全漏洞識別與控制周期長達 279 天，比全球均值241天多五周以上。
更多企業抵制駭客勒索：企業拒絕支付贖金的比率增加，63%的機構選擇拒絕支付勒索贖金，2024年的比率為 59%。儘管有更多企業抵制勒索，敲詐及勒索軟體事件的平均成本仍居高不下 — 尤其是被駭客攻擊時，損失高達 508萬美元。
AI 風險攀升，但企業對投資AI安全措施的動能卻不足：計畫在經歷數據洩漏事件後增加安全投資的企業比率顯著下降，從 2024年的63%降至2025年的 49%。而在計畫追加投資AI安全的企業裡，建置以AI驅動的安全方案或服務的企業不到一半。
數據洩漏的「長尾效應」：營運中斷 、營運成本增加
幾乎所有受訪企業在數據洩露後都發生業務中斷。大多數企業報告回復平均耗時超過100天，可見業務中斷的嚴重程度。
數據洩露的影響不僅止於漏洞控制：近半數企業表示計畫因洩露事件提高商品或服務的價格，其中近三分之一的企業漲價幅度達 15% 或更高。
這份報告由IBM主持與分析、Ponemon Institute 執行訪問；資料來自於2024年3月至2025年2月全球600家發生過數據洩露的企業。
延伸閱讀：
2025資訊長前瞻報告：平衡資安威脅與AI創新是企業成長關鍵
資安人才搶手！工作5年成長1.5倍 薪資中位數5.3萬增12%| 104玩數據
暗網也招手！經驗20年的資安「神級新鮮人」如何成為白帽駭客？
AI人才需求強勁！工作機會年增9.1% 企業數位轉型與人才培育成關鍵
全球加速邁向AI時代，企業選才標準與組織文化也正同步轉型。104人力銀行人資長鍾文雄今日於2025 Amazon Web Services（AWS）台灣雲端高峰會分享AI時代下台灣企業的人才需求趨勢，整體AI人才需求較去年同期成長9.1%，發展面向則逐漸從研發推展至應用製造，許多企業已啟動應用AI於組織與人才的數位轉型計畫，建議企業善用外部資源提升員工的「學習力x科技力x溝通力」三大核心職能，打造具未來競爭力的智慧企業。
生成式AI升溫企業啟動組織人才數位轉型計畫
根據104人力銀行最新統計，2025年第二季AI相關工作機會達12.1萬個，若以年增幅來看，整體市場對AI人才的需求較去年同期成長9.1%，而AI工作機會最多的前三大產業當中，以第二名的一般製造業年增16%最顯著，其次為第三名批發/零售/傳直銷業15.3%，工作機會最多的電子資訊／軟體／半導體業年增幅則為1.2%，顯示AI人才需求已從早期的技術研發邁入快速擴張的應用階段。
104人力銀行人資長鍾文雄表示，近期國內外研究機構與104觀察發現，許多企業人資已啟動AI在組織與人才數位轉型計畫的規劃、準備與實驗，例如104本身就將AI科技的應用融入在員工創新思維的行為展現上，實際推動全體員工的AI訓練課程，獎勵同仁運用AI在開發產品服務與改善工作流程，AI工具的應用能力也已列入人才聘僱的標配項目。
人才培育成顯學「學習力x科技力x溝通力」打造AI核心職能
企業對於AI人才的需求與日俱增，除了提升人才的專業能力，核心職能則包含學習力、科技力與溝通力：學習力是不設限的涉獵跨域整合專業知識，科技力是掌握數位工具提升工作效能，溝通力則是具備聚焦問題、解決問題的跨領域溝通能力。
鍾文雄提醒，中小企業在有限資源下，可善用政府提供的訓練課程，如勞動部的人力資源提升計畫、產業人才投資計畫，或是參加iPAS經濟部產業人才能力鑑定的AI應用規劃師能力鑑定，都可以提升員工的數位能力。其次也可以善用具有公信力的顧問、輔導機構，透過合作開課、產學合作計畫，持續培育公司AI與數位人才。
整合學習平台與履歷資料庫 104運用AWS技術資源打造AI即戰力人才鏈
AWS台灣暨香港總經理王定愷表示，「AWS致力於培育台灣下一代的科技人才，這體現在我們長期的承諾與在地投資。自2014年以來，AWS已在台灣培育超過20萬名雲端人才，透過今年Computex甫宣布的『零介入科技計畫』（Zero-Intervention Technology Program），我們將進一步擴大人才培育的規模，並以AWS雲端服務與課程資源助力104『AI人才就緒計畫』，期能協助更多求職與轉職者習得實戰技能，為產業提供即戰力人才。隨著AWS全新亞太（台北）區域的啟用，我們將結合在地基礎建設與人才發展優勢，全力支援台灣企業在全球數位經濟中保持創新動能與競爭優勢。」
「AI人才就緒計畫」為104人力銀行於2025年啟動的重點項目，預計首年觸及超過3萬名學習者，將AWS官方課程上架至104學習精靈平台，導入超過300萬筆學習紀錄至履歷系統，結合課程推廣、證照推薦、履歷回寫與職缺媒合，為台灣職場注入AI及數位動能。
更多AI趨勢，你還會想看
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
《綠領人才就業趨勢報告》每月徵2.2萬名綠領人才！綠領AI人才缺口激增到4,300個
有任何收穫或想分享的，都來和大家一起聊聊吧！