C語言控制Raspberry Pi I/O【本課程為線上課，報名後專員會提供上課資訊】
104學習
信號與系統設計
這項技能主要是指理解並應用數學與工程原理，分析各種訊號（如聲音、影像、電波）及其在系統中的傳遞與處理方式。具備這能力，能設計出有效率的濾波器、調變解調系統，或數位訊號處理演算法，提升產品性能與穩定度。在通訊、電子、控制、自動化等產業非常吃香，尤其在5G、物聯網和人工智慧快速發展的趨勢下，更是基礎且不可或缺的專業技能。掌握它，能幫助你在研發、系統整合或技術優化等崗位上，展現專業價值。
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
APCS程式檢定(C++)【本課程為線上課，報名後專員會提供上課資訊】
人工智慧-Python與資料科學【本課程為線上課，報名後專員會提供上課資訊】
【線上課程】 Python 基礎程式設計｜開外掛勇闖 Python 異世界
成為 AI 科學家｜打造數學基礎與統計地基，輕鬆開拓機器學習應用之城
人工智慧-資料科學｜本課程為線上課
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
最快入門與實作大型語言模型（LLM、DeepSeek）！做中學更輕鬆！
Power BI關鍵DAX函數應用與觀念解析-下集
AI工程師必學！Python Dash零基礎互動式資料分析從入門、進階到應用實戰！
精選證照
考取專業證照，讓能力被市場看見
數位邏輯設計能力認證－實用級
1. 培養瞭解各種電子零件包裝
2. 培養瞭解各種電子零件線路接腳
3. 具備組合邏輯設計能力
4. 具備循序邏輯設計能力
5. 具備CPLD程式撰寫之能力
6. 具備訊號量測能力
7. 具備規劃架構發展流程的能力
8. 看懂程式內容並有修改之能力
TEMI 台灣嵌入式暨單晶片系統發展協會
系統設計分析師
如何懂得關於系統與軟體設計必學基礎概念，例如系統理論與軟體開發等主題，
並對每個主題實作練習寫出淺顯易懂的講解。讀者也能學到如何讓電路安排適當，以及如何在提升元件材料應用領域知識。
TIPCI臺灣國際專業認證學會
ICTP計算機程式語言能力國際認證
當全球各國與地區將CTP (Computational Thinking for Programming，運算思維與程式設計) 納入教育發展戰略，並視其為科技與經濟成長的關鍵驅動力時，運算思維與程式設計已成為現代科技教育中不可或缺的核心能力。
(ICTP)Programming for Information and Communication Technology Programs 計算機程式語言能力國際認證為專為程式設計入門者設計，旨在培養其基礎編程能力，並奠定運算思維的扎實基礎，以提升其在數位時代的競爭力。
Global Learning and Assessment Development (GLAD)
程式語言 (C/Python)
TQC+ 程式語言C認證之測驗對象，為從事軟體設計相關工作1至2年之社會人士，或是受過軟體設計領域之專業訓練，欲進入該領域就職之人員。
TQC+ 程式語言Python 3認證之測驗對象，為從事軟體設計相關工作1至2年之社會人士，或是受過軟體設計領域之專業訓練，欲進入該領域就職之人員。
學科技能規範：無技能規範
術科技能規範：
1. 基本程式設計
2. 選擇敘述
3. 迴圈敘述
4. 進階控制流程
5. 函式（Function）
6. 串列（List）的運作（一維、二維以及多維）
7. 數組（Tuple）、集合（Set）以及詞典（Dictionary）
8. 字串（String）的運作
9. 檔案與異常處理
財團法人中華民國電腦技能基金會
數位邏輯設計能力認證－專業級
1. 具備數位邏輯設計實用級能力認證技術
2. 具備中級組合循序邏輯混合設計能力
3. 具備中級CPLD程式撰寫之能力
4. 具備設計與驗證的能力
5. 具備基本電路學與電子電路板的設計實作能力
6. 瞭解單晶片架構理論及實作應用
7. 培養瞭解各種電子零件包裝
8. 培養瞭解各種電子零件線路接腳
9. 具備銲接技能(DIP/THD/SMD/SOP元件)
10. 具備佈線LAYOUT技術
11. 培訓學員具備有閱讀原廠Data sheet能力
TEMI 台灣嵌入式暨單晶片系統發展協會
程式設計與軟體開發知識
網際網路是目前資訊領域最常碰到的學科，這領域包括：網路入門、通訊網路實務、全球資訊網、電子郵件與即時通訊、網誌/微網誌/Vlog－Facebook與Google+、網路資源活用、FTP檔案傳輸與P2P下載、Google搜尋祕技、網路安全的認識與防範、資訊倫理與網路著作權。
TIPCI臺灣國際專業認證學會
精選貼文，掌握第一手知識
「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＞
AI寫Excel公式這樣最省時！ChatGPT、Copilot描述需求、生成函數、錯誤修正一次學會
不會寫Excel函數也沒關係！本文教你如何運用ChatGPT、Copilot、Gemini等AI工具，從描述需求開始，生成函數公式、修正錯誤結果，快速完成資料整理任務，超實用的新手與職場工作者必備Excel AI技巧教學！本文節錄自《超有料！職場第一高效的 Excel ✕ AI 自動化工作術》。
文／施威銘研究室
本文目錄（點擊可快速前往）
請AI生成函數、公式，輔助整理資料描述需求、請AI生成函數、公式，不懂還可以繼續問！實用技巧：貼上AI生成的函數、公式後執行失敗？實用技巧：描述問題時，截圖給AI最快！
請AI生成函數、公式，輔助整理資料
使用AI：AI聊天機器人（ChatGPT、Copilot、Gemini…都可以）
Excel函數可以說是整理表格資料的利器，延續上一節的「檢查資料漏填」例子，在Excel上普遍的做法是用函數檢查每一列是否有漏填的欄位，例如本例可以用設定條件判斷的IF函數和用來計算範圍內非空值數量的COUNTA函數，組合成公式來做檢查，然後在最後的「確認結果」欄顯示檢查的結果。
但萬一您對Excel不是很熟，光知道該挑這兩個函數出來、進一步撰寫公式，可能就會花一大堆時間，來看AI如何「顛覆」以往的Excel函數學習法吧！
描述需求、請AI生成函數、公式，不懂還可以繼續問！
怎麼開始呢？您不用傷腦筋該如何提供AI方向 （例如提示它「請用函數來解決」)，都不用！只有一個重點，就是跟AI聊天機器人描述清楚我們的需求，這非常重要，包括表格的資料範圍、以及我們希望在哪個目標儲存格得到什麼樣的結果都要講清楚。想更萬無一失的話，能截圖給AI聊天機器人參考最好。
【1】我們先試著用文字來描述需求（截圖的做法最後再試，因為有些免費的AI聊天機器人會限制單日的圖片上傳用量，不是您隨時想用都可以用）。先回顧一下本例的需求。
希望確認每一格是否都有填寫，若有一項沒填就在F欄留下註記
解決問題的環境若回到Excel（而不是餵給AI自動處理），也不用擔心表單樣式會受影響了（圖／旗標出版提供）
【2】以本例來說，是使用以下的提示語（prompts）：
（圖／旗標出版提供）
檢查B3~E27欄位是否都有輸入資料。若有空白的儲存格，在F3~F27標示「有資料未填寫」
⬆儘量描述清楚欄位的位置
或者
使用Excel函數，檢查B3~E27欄位是否都有輸入資料。如有空白的儲存格，需要在F3~F27標示「有資料未填寫」
⬆若您大概知道可以用函數來解決，可以加這段，這樣AI的回答就會鎖定在函數，不會回答的很廣泛，導致一時不知該用哪個解法
【TIP】撰寫提示語時，務必清楚描述欄位範圍與條件，例如明確指出「檢查B3:E27範圍內的每個儲存格」，而非模糊的「我想判斷F欄前面的資料有沒有漏」敘述。同時，也要清楚說明判斷條件（例如要找出有空白的格子）與執行動作（例如「在對應F欄標示『有資料未填寫』」），確保AI可以正確理解並執行任務。
（圖／旗標出版提供）
上圖讀者也看到了，AI聊天機器人不只給我們答案，還貼心地提供函數和公式的說明（就是怕您不會用），完美取代了以往Excel函數書、網路上函數教學文的地位（而且不懂還可以繼續問！）
很多AI聊天機器人都會提供複製功能，找到後並點擊就可以複製公式（若沒有，手動複製網頁上的公式也很快）。
【TIP】以上圖AI生成的公式來說，因為每一列都是4格（B、C、D、E這4欄），AI的解法是判斷哪些列「有資料」的儲存格小於4個，小於4個就表示該列有空白的儲存格（資料未填）。本書的精神是優先解決Excel問題，AI給的函數、公式細節讀者可以再慢慢研究。也再次提醒讀者，AI回答的內容不是100%正確喔！AI聊天機器人最擅長的就是生成文字，但也有生成虛構、錯誤內容的可能。如果AI所生成的函數、公式失效了，有時候執行後並不會有什麼錯誤訊息（只是你要的結果沒出現），此時最快的做法就是請AI生成另一個公式給我們試試。
【3】而AI聊天機器人在提供解法時，也可能以「純文字」來做回應，但慢慢讀文字沒什麼效率，可以請AI給出函數／公式。如下圖：
但慢慢讀文字沒什麼效率，可以請AI給出函數／公式（圖／旗標出版提供）
【4】此外，由於AI聊天機器人給的公式可能跟本書示範的不一樣，甚至您每次操作時得到的答案也可能不一樣，不過只要試過能完成任務就沒差。若您問AI聊天機器人有沒有其他的函數解法，它也會提供你新的公式：
本例筆者重新發問後，ChatGPT給了其他的公式解法，所用的函數都不太一樣（圖／旗標出版提供）
老話一句，我們先不用管公式是長是短、內容為何，能解決問題就好！本例先試AI給的這個公式。把公式貼到F3儲存格，按住填滿控點「+」，往下拉到F27儲存格，瞄一下左圖的F欄，看起來公式是OK的。選擇填滿但不填入格式，以保留原儲存格的樣式，這樣就完成操作了！
（圖／旗標出版提供）
實用技巧：貼上AI生成的函數、公式後執行失敗？
上圖在AI生成函數的幫助下，缺資料的那一列最後面都做了註記。但AI提供的公式絕對有可能會出錯（特別是在範圍設定或條件判斷的細節上），當出錯時，當然可以請AI修正，或者詢問是否有其他解法。例如：
這個公式不對，請幫我檢查錯誤或提供替代公式
依經驗，單只有給AI文字提示語最容易遇到公式出錯，因為描述需求時容易有遺漏或模糊不清，此時當然可以自行檢查公式內容，有時候或許不難除錯，例如F3改成F4這樣的小問題。但自行檢查有時很花時間，這時不如回頭檢查提示語是否有清楚說明欄位範圍（例如B3:E27），以及明確列出條件與目標（例如「檢查是否有空白儲存格」並「在F欄標註」）。
實用技巧：描述問題時，截圖給AI最快！
面對Excel資料整理需求時，如果prompt描述的夠到位，其實問題就解決一半了。但關鍵就在用文字描述需求有時候很花時間，也容易描述得不夠精確、甚至寫錯…
依筆者經驗，最省時省力的方式就是直接截圖給AI，大部分AI聊天機器人的圖片辨識能力都很強（中英文都通），能快速解析圖片中的內容理解問題。比起繁瑣的文字描述，傳截圖給AI的問題分析準確性高，還能大幅節省時間。
準備好截圖給AI，重點在於，Excel上面和左邊的編號，以及和您的目標欄位（例如F欄）一定要包含在圖片內。（圖／旗標出版提供）
【TIP】針對電腦畫面該怎麼截下來，Windows上有提供Print Screen鍵抓全螢幕畫面，但這樣就得再手動截取範圍，有點麻煩。筆者通常是額外安裝FastStone、HyperSnap等專用來截圖的軟體，利用裡面的「截取區域」功能把要的範圍截下來。若您用的是Mac電腦，內建的Shift+Command+4組合鍵就可以截您指定範圍的畫面了。
截圖備妥後，拉曳到對話框就可以附給AI（這裡是以免費版ChatGPT來操作），再輸入提示語描述需求，因為有附上圖，可以描述的更簡潔（圖／旗標出版提供）
【TIP】現階段無論是ChatGPT、Copilot、Gemini...等都可以接收圖檔來做判讀，讀者要用哪個AI聊天機器人來操作都可以。不過前面提過，免費版的ChatGPT用戶雖然可以使用圖檔上傳功能，但會有用量的限制，當您對話到一半時，可能會出現無法繼續使用的訊息。若真的被限用了也沒關係，免費的AI聊天機器人多的是。不過，建議也要多熟悉文字的描述技巧，以備不時之需！
當不是請AI聊天機器人自動整理資料，而是請它「輔助」生成函數來解決Excel問題時，筆者最喜歡附上截圖方便AI理解prompt 。AI解析圖片的速度很快，幾秒鐘就可完成，依經驗，提供截圖的AI出錯機率比單用文字prompt低非常多喔！
節錄自：旗標出版《超有料！職場第一高效的 Excel ✕ AI 自動化工作術：生成公式 + 函數、做自動化，用 AI 解決所有 Excel 難題！》／施威銘研究室 著
推薦閱讀：
Excel公式讓ChatGPT幫你寫！輸入指令就能懂的Excel公式教學
ChatGPT整理Excel表格超快速！用AI輕鬆搞定複雜資料
ChatGPT生成Excel圖表不卡關！xy軸設定、中文顯示問題輕鬆搞定
[course_plugin title='推薦Excel相關課程' keyword='excel' amount=2]
Excel資料篩選卡關？AI教你IF、COUNTIF、自動篩選一次看懂
Excel進階篩選工具功能強大，卻也是許多上班族最容易卡關的操作。該怎麼下判斷公式？這篇實測用ChatGPT、Copilot等AI工具提示如何解決資料篩選問題、生成包括IF、COUNTIF等函數，並結合自動篩選與進階篩選技巧，就算不熟Excel公式，也能靠AI輕鬆解題！本文節錄自《超有料！職場第一高效的 Excel ✕ AI 自動化工作術》。
文／施威銘研究室
本文目錄（點擊可快速前往）
先一窺正規Excel書教的篩選解法請AI提示如何解決Excel資料篩選問題：AI生成IF函數 + 自動篩選器教學跟AI提示如何用「某某」功能完成任務：AI生成條件式公式 +進階篩選器教學請AI重新生成新的函數、公式：AI生成COUNTIF函數任何微不足道的Excel操作卡關都儘管問AI：AI 提供自動篩選器操作提示
【使用AI】AI聊天機器人 （ChatGPT、Copilot、Gemini…都可以）
ChatGPT網址：https://chatgpt.com/
Copilot網址：https://copilot.microsoft.com/
Gemini網址：https://gemini.google.com/
前一節看到，請AI直接篩選Excel資料實在太方便了，不過，若讀者怎麼操作就是試不出來（有可能您的檔案結構偏複雜）、或者對於提供商業內容給AI有顧慮、又或者ChatGPT的免費上傳額度滿了不能用…，不管任何原因，任何資料篩選需求請AI提示我們用Excel怎麼做行得通嗎？
當然！筆者也建議讀者不要完全捨棄這種解法，畢竟以AI聊天機器人來說，不是每一個都支援上傳Excel檔，而免費的ChatGPT也有上傳附件、圖檔的額度限制，萬一急用時免費額度卻用完了，一定會有請AI輔助解決的那一天，而且，用這一招學一些Excel基本技巧也不錯！
以資料篩選工作來說，Excel的自動篩選、進階篩選功能，及其搭配函數的使用是一定要稍微熟悉的，當操作上卡關時，可以隨時搬出AI來解圍。
先一窺正規Excel書教的篩選解法
延續前一節的範例，底下先快速看一下以往 Excel 書會教的進階篩選做法 (稍微有點高竿喔！沒學過不會是正常的)，做個比較才會有感覺。我們先回顧一下這個例子的需求：
想從經常變動的商品資料中，篩出各分類的最新資料，並單獨存放方便檢視
【第1步】開始做看看。首先，在E3儲存格用函數建立一個篩選條件，這是為了判斷「目前的分類名稱跟下一列名稱是否不同」，假設查出A7那一格的名稱跟A6的不同，就可知道A6那一列是該分類的最新（最後一筆）資料：
在E3用函數建立篩選條件，顯示為FALSE(假)
看一下公式，比較儲存格內容是否一樣時，用了<>「不等於」的符號。此公式表示「判斷A3跟A3的下一格是否一樣」，OFFSET(A3,1,)就表示A3往下一格走，指的是A4儲存格
E3之所以顯示FALSE，是因為A3往下一格，即A4的分類名稱跟A3是一樣的（都是冷氣機），因此會顯示FALSE。若兩儲存格的值不一樣，E3儲存格則會顯示TRUE(真)
【第2步】接著，叫出Excel的「進階篩選器」來操作，進階篩選的基本概念是設定一個條件式，然後用此條件式來篩選資料。下圖的設定就是用剛才的條件式把原始資料篩過一遍：
點選表格內的儲存格，再按下資料頁次排序與篩選區的進階鈕
開啟進階篩選交談窗後，點擊將篩選結果複製到其他地方項目
將資料範圍欄位設為儲存格A2：C14
這一步是重點，將準則範圍欄位設為儲存格E2：E3
將複製到欄位設為儲存格G2，表示將篩出來的資料放在G2
按下確定鈕
呼～完成了！各分類的最新商品都被自動篩選至表格裡
【TIP】Excel進階篩選在執行時，會將E2：E3準則範圍內的條件公式套用到資料範圍的每一列，因此在檢查完A4跟A3的名稱是否一樣後，會繼續往下檢查A5跟A4是否一樣、A6跟A5是否一樣....，依此類推。
請AI提示如何解決Excel資料篩選問題：AI生成IF函數 + 自動篩選器教學
前面的步驟確實能完成Excel篩選任務，而Excel進階篩選器的設定看起來也幾個欄位而已，但本例設計條件式絕對需要經驗，若對Excel不熟，光是「公式該怎麼下（我哪知道該用OFFSET函數！）」、「篩選窗那些設定要怎麼設…」都會卡關。
在沒有提供檔案給AI聊天機器人的情況下，這樣的例子該如何請AI幫忙呢？底下就來試試看，只要我們沒有直接丟資料給AI，它所回覆的通常就會是解法思路，而大部份情況都會教我們用函數搭配一些內建功能來解決問題：
【TIP】提醒讀者，如同第一章提到的，AI聊天機器人絕對會提供我們看似很詳盡的操作步驟，嘗試後出錯是常有的事，但做為操作的參考思路還是有幫助。
如1-5節的說明，最佳的資料提供做法就是上傳資料的截圖給AI
描述需求，務必要指明儲存格，而且我們還附了截圖，AI會錯意的機率小了許多
ChatGPT給的指示很明確，上圖圈起來那一段是要我們在 D3貼上公式，此公式可以識別目前所在的這一列是不是每個分類的最後一筆資料
接著按住填滿控點"+"，往下拉到D14儲存格
最後一筆資料都被識別出來了，目前AI教的結果都正確
接著，上圖AI聊天機器人教筆者用內建的自動篩選器把資料篩出來，這一步也沒問題
【TIP】回顧最開頭所下的提示語，筆者是希望AI把篩出來的資料「額外」統整在G2儲存格，這部分 ChatGPT就沒有回答到。這是常有的事，此時您可以繼續提要求，但以本例來說，步驟6已經把資料篩出來了，直接複製起來貼到其他地方也就完事了，不見得要繼續花時間向AI提問。
跟AI提示如何用「某某」功能完成任務：AI生成條件式公式 +進階篩選器教學
當然，若您稍微知道進階篩選器提供了「把篩選出來的資料額外存放到某儲存格」的功能（如前面的示範），也可以請AI提供這方面的做法給我們參考（再次提醒，只能做為參考，不要期望過高）：
AI這一步是要我們先建立用來篩資料的條件式（也就是前面步驟4的準則範圍）
所教的公式跟前面所用的OFFSET函數稍有不同，沒關係先試試看
先照上圖AI指示的建議，在F2儲存格建立條件式（在Excel內是稱準則範圍，AI是稱條件範圍，這樣的小出入要自己稍微變通一下）
接著就照左圖AI給的「進階篩選器」操作指引一步步做，還是需要抓Bug，例如資料範圍應該是A2:C14，這種小錯誤算是容易修正的
本例照著AI的指引操作完進階篩選器，結果「電風扇」這個分類的最後一筆資料沒被篩出來
前面一再說過，即便照著AI的指引也不見得能保證成功，若遇到像本例「電風扇」的最後一筆資料未被篩出來的問題，我們就得進行除錯，通常不外乎是函數、公式或篩選條件需要調整，是否能糾出問題會很考驗個人的Excel功力。
【TIP】結合前面所學的看起來，問題應該是出在做為準則範圍的那個條件式公式：此問題的關鍵在於兩個公式的邏輯不同，OFFSET函數提供了更靈活的參考範圍，能應對數據結尾的特殊情況，而「=A3<>A4」則單純比較當前列和下一列的值，但當到達最後一列時，下一列並不存在，就不會觸發篩選條件，導致最後一列的電風扇資料被忽略。
請AI重新生成新的函數、公式：AI生成COUNTIF函數
當然，卡關的當下我們通常不會知道可以採用什麼替代函數來做，別忘了可以再次向AI發問，讓它進一步提出修正方案：
繼續追問，直接把遇到的錯誤情況提供給AI：「照你的做法，電風扇這個分類的最後一筆資料沒被篩出來」
但一開始回的好像沒什麼改善，滿常「跳針」講一樣的內容，這是常有的事
重提需求，目標講明確一點，例如請AI改個公式看看
最後AI新給了=COUNTIF(A$3:A$15,A3)=COUNTIF(A$3:A3,A3)這段公式。AI也會幫我們解釋函數用法及公式的邏輯
照AI的給的公式，貼到F3儲存格（需自行將A3:A15改成A3:A14）
再操作進階篩選器一次，成功解決最後一列篩不出來的問題了
【TIP】AI真的很厲害，新給的公式是改用統計次數的COUNTIF函數來處理，這樣就不會有前面=A3<>A4這個條件式所遇到「最後一列沒有下一列，導致最後一列篩不出來」的問題。因此，讀者只要遇到卡關，可以請AI多試不同的公式，這個做法會比請AI在舊公式上除錯來得快。
任何微不足道的Excel操作卡關都儘管問AI：AI 提供自動篩選器操作提示
除了看起來稍微有點學問的進階篩選功能外，爾後讀者如果遇到任何Excel內建操作的問題，都可以把截圖丟給AI聊天機器人，請它給出操作提示。不用怕，任何小功能都行。
【1】例如面對一些不複雜的篩選需求時，Excel的自動篩選功能也常被使用，這是使用率最高的篩選工具：
位於資料頁次/排序與篩選區的篩選鈕是最常用的Excel篩選工具
可以直接勾選要篩選的條件，例如勾選萬華區結果如右
也可在此輸入部份的值，例如大安區做為篩選條件
這裡也提供一大堆自動篩選條件
【2】雖然自動篩選操作起來很直覺，不太需要教，但如果一時不曉得如何指定篩選條件，不妨就把「卡關的截圖」+ 「想篩出什麼資料」請AI給出提示吧：
例如想篩出「請款單編號」中含"10" (月份) 的項目，光點點按按是篩不出來的。這時就可以搬出 AI 聊天機器人來協助：
附上資料截圖
建議附上自動篩選器的截圖，這樣AI聊天機器人的回答才不會太發散
描述需求
本例AI教筆者用萬用字元符號來處理
看到左邊AI聊天機器人的提示，雖然對這個位置的指示沒到很精準，但至少AI有提供篩選的思路(若對於在哪裡輸入不清楚，可以再繼續逼問AI)
【TIP】但提醒讀者，如同第1章所提到的，「請AI教你Excel怎麼操作」比較適合對Excel有一定熟悉的人（以本例來說，至少你自己要用過自動篩選器！），因為AI聊天機器人對操作位置的指示不會100%精準，若您對某功能壓根不熟，光看AI聊天機器人的步驟操作極有可能會白花時間。
節錄自：旗標出版《超有料！職場第一高效的 Excel ✕ AI 自動化工作術：生成公式 + 函數、做自動化，用 AI 解決所有 Excel 難題！》／施威銘研究室 著
推薦閱讀：
AI寫Excel公式這樣最省時！ChatGPT、Copilot描述需求、生成函數、錯誤修正一次學會
ChatGPT整理Excel表格超快速！用AI輕鬆搞定複雜資料
【Graphy AI教學】AI自動生成圖表、數據分析4技巧！連報告都能一鍵生成的靈感救星
ChatGPT生成Apps Script程式碼4技巧！Google Sheets自動化範例用AI加持
想把重複的Google Sheets試算表工作自動化，用ChatGPT就可以快速生出可用的Apps Script程式碼，相較於手動編寫、錄製巨集，使用生成式AI的技術門檻最低！作者分享2個範例，並提醒用AI生成Apps Script程式碼的Prompting技巧。本文節錄自《AI 加持！Google Sheets 超級工作流》。
文／杜昕 Mic Tu
本文目錄（點擊可快速前往）
撰寫Apps Script程式碼的3種方式使用生成式AI生成Apps Script程式碼▶ 範例1：資料統計▶ 範例2：生成圖表用AI生成Apps Script程式碼的Prompting技巧
Google Apps Script（以下簡稱Apps Script）是一個強大的雲端腳本語言，讓使用者能透過類似JavaScript的程式碼整合Google的試算表、文件、簡報、日曆等功能，自動化重複性的工作，完全免費且不需要安裝任何開發環境即可完成。
若要在Google Sheets中使用Apps Script，只要點選「擴充功能 → Apps Script」進入Apps Script的編輯器介面，便能開始撰寫程式。
撰寫Apps Script程式碼的3種方式
撰寫Apps Script程式碼的方式可分成手動編寫、錄製巨集、使用生成式AI 3種，優缺點分別如下：
撰寫方式優點缺點手動編寫完全根據需求客製化程度高。需要花較多的時間學習與實際撰寫。錄製巨集錄製後自動生成程式碼，只需根據需求手動調整即可。錄製的程式碼較基本，複雜的需求可能要大幅的手動調整，因此仍需具備程式基礎。使用生成式AI可直接複製貼上生成的程式碼，大幅提高撰寫效率，也能解決較複雜的案例。撰寫程式碼時會備註各程式碼的用途，可供快速學習。較冷門的需求可能會回答錯誤，若要提升生成品質則會需要訂閱。有時程式碼較冗餘，影響執行效能與可閱讀性。
雖然3種方式皆有優缺點，但使用生成式AI需要的時間、技術門檻最低，因此後續各章節主要會使用ChatGPT生成程式碼，提供輸入的Prompt及對應的輸出。
使用生成式AI生成Apps Script程式碼
本節將使用兩個範例說明如何使用ChatGPT生成程式碼，只要將程式碼複製到Apps Script中並執行函式即可，兩範例的需求、Prompt與ChatGPT (4o mini)生成程式碼如下：
本節範例使用之「會員資料檔」Google Sheets
會員資料檔範例（圖／旗標）
▶ 範例1：資料統計
需求：統計會員資料檔中的會員職業，各職業依會員數多到少排序。
問：生成Apps Script程式碼，統計工作表「會員資料檔」的 E2:E 每個值出現的次數，依次數由高到低輸出到工作表「5.4.3 使用生成式 AI 生成程式碼」的 A:B 中，並將兩欄的標題分別設為「職業」和「會員數」。
ChatGPT輸出結果（以下為作者撰寫時生成之版本，每次生成可能有些許差異，請各位讀者稍加留意）：
▶ 範例2：生成圖表
需求：延續上例，將統計結果繪製成柱狀圖。
問：生成Apps Script程式碼，將工作表「5.4.3 使用生成式AI生成程式碼」的 A2:B 繪製成柱狀圖，兩欄分別為「職業」和「會員數」，並貼上至工作表的 C1 儲存格中。
ChatGPT 輸出結果：
兩範例的最終結果如下圖所示：
（圖／旗標）
用AI生成Apps Script程式碼的Prompting技巧
在撰寫Prompt時要清楚描述需求，以增加生成式AI正確的機率，可以使用以下的Prompting架構增加正確輸出的機率：
問：(1) 生成Apps Script程式碼，(2) 完成以下步驟：1. (3) 將工作表「○○○」的 ○○:○○ 儲存格 (4) 匯總 / 繪製圖表 / 計算...，其中 A / B / C 欄位依序為 △△△ / △△△ / △△△…。2. 將 …3. 將 …，(3) 把最終結果輸出至工作表「○○○」的 ○○ 儲存格。
(1) 在一開始就提及Apps Script，避免AI輸出其他程式語言。
(2) 若要求非常複雜時，建議化為多個步驟，或是分多次Prompt漸進式說明。
(3) 清楚說明資料來源與最終輸出的位置，提及「工作表/儲存格/範圍/欄/列」避免判斷錯誤，並建議用括號標示工作表名稱。
(4) 說明計算過程時可以說明應用場景，但要說明各欄位的名稱，避免判斷錯誤。若欄位的名稱較難判斷資料型態時，可以增加舉例說明。
節錄自：旗標《AI 加持！Google Sheets 超級工作流》／杜昕 Mic Tu 著
推薦閱讀：
AI家教上線！ChatGPT和Gemini學習模式實測4招馬上用
AWS免費課程幫你打造AI「學力」證明，攻搶12萬AI職缺！
除了ChatGPT還有哪些生成式AI？16種AI工具應用解析
Excel公式讓ChatGPT幫你寫！輸入指令就能懂的Excel公式教學
Excel公式不會用、不知道怎麼用？其實使用ChatGPT可以幫助你快速寫出所需公式，本文提供情境範例檔案，以及指令示範，看看AI如何幫忙解決Excel公式問題！
文／陳冠霖（Brian Chen）
本文目錄（點擊可快速前往）
情境範例請ChatGPT生成對應Excel公式
說到Excel各位一定都耳熟能詳的就是它的公式了吧！各種公式能夠讓以往要花費大量計算時間才能搞定的工作瞬間就完成了。這項方便的技術也大幅度的改變了人們的生活，不過美中不足的是，要學會使用這項技術需要花費很多時間去學習去記憶那些公式的寫法。
在職場中看到那些大佬們用著熟練到令人心疼的速度快速地打出公式完成工作、用未曾看過的公式解決各位的疑難雜症時，不知道各位是否有從心中升起一股崇拜的心情呢？不過現在你也可以隨時隨地呼叫ChatGPT這位大神來幫你解決問題了！
情境範例
身為剛入職場的新鮮人，你戰戰兢兢的在自己崗位上堅守自己的本分，完成了上司交代給你的任務，在等待上司回覆的期間，你難得可以享受這須臾的寧靜。不過你旁邊的同事似乎喜歡欺負新人，見你完成任務後在享受小確幸時，他將他的工作一甩交代你完成，「這項工作就是讓你學習個經驗而已，學會了你才能更得到上司的青睞」。說完這句討人厭的話後，就藉著尿遁跑了。你嘆了口氣，看了一下內容，是要使用Excel計算總收入、所有銷售人員的銷售數量，於是你召喚出了ChatGPT來⋯⋯
使用ChatGPT確實可以幫助你快速地寫出你所需的公式，以下圖6-1一個範例的檔案，我們需要完成下面的表格。
（圖／博碩文化提供）
請ChatGPT生成對應Excel公式
首先我們可以將這些表格內容，也就是送入有資訊的部分例如A1~G13即可，如果檔案過大其實送入大約10列的內容也可以，將這些內容送到ChatGPT中並輸入對應指令，這些指令需要包括表格的部分內容、目標以及內容條件，最後請ChatGPT生成對應公式，若希望的話也可以請ChatGPT針對公式進行講解（筆者測試了幾次，有時候ChatGPT會使用英文回答，所以可以再新增一個要求就是使用繁體中文回答）。
例如我說：
（這邊是試算表內容）。我希望可以在B15這格計算出B2~B13欄中Alice的銷售數量（D2~D13欄），請你給我可以達成需求的Excel公式，並用繁體中文教導我這項公式的用法。
（圖／博碩文化提供）
接著可以看到ChatGPT的回答如圖6-3：
（圖／博碩文化提供）
你可以點選〔複製程式碼〕來直接複製，相當方便，接下來就回到Excel來輸入公式吧！可以看到圖片上方就是讓你輸入內容的框框如圖6-4，這裡也可以輸入Excel公式來快速統計、計算該儲存格的內容，公式輸入完成後只需要輕輕的點擊Enter就好了。
（圖／博碩文化提供）
接著其他銷售人員的銷售總數量也都可以如法炮製！
01. B-16 儲存格可輸入=SUMIF(B2:B13, "Bob", D2:D13) 02. B-17 儲存格可輸入=SUMIF(B2:B13, "Charlie", D2:D13) 03. B-18 儲存格可輸入=SUMIF(B2:B13, "David", D2:D13)
下一項任務就是要計算獎金總額了，和之前一樣，如果你在同一個對話框中，你可以直接輸入指令而無須貼上試算表的內容。若你開啟了新的對話或者試算表內容有重大更動的話就需要重新貼上試算表的內容了！
計算獎金的指令你可以輸入：
我希望可以在C15這格計算出B2~B13欄中Alice的銷售獎金總和（G2~G13欄），請你給我可以達成需求的Excel公式，並用繁體中文教導我這項公式的用法。
接著就可以看到ChatGPT的回覆如圖6-5，不過這些內容都是比較簡單使用SUMIF就可以達成的：
（圖／博碩文化提供）
我們一樣將公式複製下來並在C15格中輸入公式，接著就會看到儲存格出現了200，各位可以對照一下圖6-1，檢查確認看看Alice的獎金總和是否有誤。其他銷售人員也是一樣的做法，不過要記得改名稱喔，千萬不要複製貼上貼得太開心，結果都是同一位銷售人員的總獎金。
最後就是要來統計產品的資訊了，不過這些內容都是大同小異啦，基本上就和前面的範例相同，只需要更改內容就好了！但若還是一知半解或者並不具備使用Excel公式的這項天賦的話，只要輸入指令：
我希望可以在E15這格計算出C2~C13 欄中產品A的銷售數量總和（D2~D13欄），請你給我可以達成需求的Excel 公式，並用繁體中文教導我這項公式的用法。
就可以看到Excel給出的公式以及教學了，因為內容都幾乎相同，所以就只附上公式：
04. 在E-15儲存格公式輸入=SUMIF(C2:C13, "產品A", D2:D13) 05. 在E-16儲存格公式輸入=SUMIF(C2:C13, "產品B", D2:D13) 06. 在E-17儲存格公式輸入=SUMIF(C2:C13, "產品C", D2:D13)
就完成啦！最後就是計算各產品（C-2~C-13）的銷售總收入啦和（F-2~F-13），一樣使用SUMIF，這時舉一反三的機會就到了，為了證明你已經大致上學會如何使用SUMIF，這次我們就不依賴ChatGPT來自己撰寫公式吧！
01. 在F-15儲存格公式輸入=SUMIF(C2:C13, "產品A", F2:F13) 02. 在F-16儲存格公式輸入=SUMIF(C2:C13, "產品B", F2:F13) 03. 在F-17儲存格公式輸入=SUMIF(C2:C13, "產品C", F2:F13)
至此大功告成，如圖6-6，你完美的達成了任務，是時候好好犒賞自己了！
（圖／博碩文化提供）
節錄自：博碩文化《即學即用！精選 30 招辦公室超高效 AI 生產術／陳冠霖（Brian Chen） 著 》
[course_plugin title='職場Excel相關課程推薦' keyword='EXCEL' amount=3]
【半導體職涯】聯發科學長分享半導體工程師職涯、碩士工作選擇｜附履歷模板、講座影片
半導體產業 一直是理工科學生畢業後的首選，其中的 IC設計公司 更是眾多人心中的夢幻職場。本篇文章精選了今年 104 舉辦的 半導體職涯線上講座 精華，特邀 台大材料碩士畢業、曾任職於 聯電 和 台積電，現任聯發科產品工程師 Lester，分享新鮮人如何規劃半導體職涯、撰寫履歷的關鍵技巧，以及非電機本科背景如何成功轉職 IC 設計產業
文／104人力銀行
本文目錄（點擊可快速前往）
畢業新鮮人該如何選擇半導體OFFER？掌握這三大關鍵！前進半導體！半導體產業結構與公司全解析上游：EDA vendor 、 IP設計、IC設計服務中游：晶圓代工下游：封裝測試理工碩士畢業後做什麼？科系出路對應工程師種類電機系出路工作選擇機械系出路工作選擇材料系出路工作選擇化工系出路工作選擇非電機系也不怕！IC設計公司轉職策略理工科新鮮人必看！如何撰寫履歷，一眼吸引面試官注意？第一步：深入分析職務資訊第二步：對症下藥，匹配實力【半導體職涯講座】免費解鎖：講座影片+講座簡報+履歷模板
畢業新鮮人該如何選擇半導體OFFER？掌握這三大關鍵！
拿到多個 OFFER 是許多畢業新鮮人夢寐以求的情境，但真正的挑戰是：如何做出適合自己的選擇？ 面對職場的第一步，選擇合適的工作方向尤為重要。
講師 Lester 提到，他剛畢業時同時收到了台積電與聯電的 OFFER，最終在多方面考量下選擇了聯電。這讓我們不禁思考：該如何在眾多選擇中找到最適合自己的那一份？
以下是做出 OFFER 選擇時需要重點考慮的三大關鍵：
1. 職涯目標與公司特質的匹配
了解公司的核心價值、產業定位和發展方向，評估是否與你的職涯目標一致。
2. 工作與生活的平衡
不同公司的工作強度、工時長短、壓力程度各不相同。思考自己能接受的工作節奏，選擇最適合自己的工作環境。
3. 薪資與長期發展的權衡
起薪是短期的利益，但長期的成長空間、升遷機會和技能積累可能帶來更大的回報。學會平衡短期收益與長期目標，才能更全面地做出選擇。
前進半導體！半導體產業結構與公司全解析
上游：EDA vendor 、 IP設計、IC設計服務
1. EDA vendor
提供設計工具與解決方案，包括電路設計、功能驗證、電路合成及優化，協助IC設計公司完成晶片設計的流程。
【常見EDA vendor公司】
公司名稱工作機會Synopsys看公司職缺Cadence看公司職缺Siemens EDA看公司職缺
2. IP設計公司
提供可重複使用的基礎功能模塊如USB協定模塊、PCIe接口模塊或CPU核心，供IC設計公司直接採用以縮短設計時間。
【常見IP設計公司】
公司名稱工作機會ARM看公司職缺M31 Technology Corporation看公司職缺力旺電子看公司職缺
3. IC設計服務公司
提供設計委託或代工服務，為晶片開發初期提供支援，並與晶圓代工廠合作緊密，縮短產品上市時間。
【常見IC設計服務公司】
公司名稱工作機會聯發科看公司職缺瑞昱看公司職缺聯詠看公司職缺
中游：晶圓代工
晶圓製造負責將設計完成的電路通過光罩轉移到矽晶圓上，涉及黃光製程、離子佈植、薄膜沉積等一系列高精密製程。
【常見晶圓代工公司】
公司名稱工作機會台積電看公司職缺聯電看公司職缺世界先進看公司職缺
下游：封裝測試
測試：檢查晶圓中電路的功能性，剔除失效的部分封裝：將測試合格的晶片進行封裝，形成最終的IC
【常見封裝測試廠公司】
公司名稱工作機會日月光看公司職缺艾克爾看公司職缺矽品精密工業看公司職缺
理工碩士畢業後做什麼？科系出路對應工程師種類
電機系出路工作選擇
職務類別工作機會IC設計工程師查看職缺電路設計工程師查看職缺系統驗證工程師查看職缺
機械系出路工作選擇
職務類別工作機會設備工程師查看職缺機械設計工程師查看職缺熱模擬工程師查看職缺
材料系出路工作選擇
職務類別工作機會材料研發工程師查看職缺製程工程師查看職缺品質工程師查看職缺
化工系出路工作選擇
職務類別工作機會IC設計製程工程師查看職缺化學工程師查看職缺
非電機系也不怕！IC設計公司轉職策略
晶片設計公司的薪資福利與就業環境，一直是眾多求職者夢寐以求的目標。現任聯發科工程師Lester不藏私分享他的轉職秘訣：
從中游晶圓代工成功轉職到IC設計服務公司，關鍵就在於選擇能與IC設計公司客戶有近距離接觸的職位！
【常見與IC 設計公司客戶緊密接觸的職位】
職務類別工作機會產品工程師查看職缺製程整合工程師查看職缺客戶服務工程師查看職缺
理工科新鮮人必看！如何撰寫履歷，一眼吸引面試官注意？
履歷的核心目的是說服人資與部門主管相信您就是這份工作的最佳人選。要做到這一點，關鍵不在於寫得多，而是寫得精準且對應需求。
第一步：深入分析職務資訊
撰寫履歷前，務必仔細分析該職位的職務內容（JD，Job Description），了解該職位的核心需求，提取關鍵能力與技能要求，進一步整理出能在履歷中突出的關鍵字，以提高針對性和吸引力。
講師Lester 的示範：如何整理履歷關鍵字
在講座中，講師 Lester 以某半導體公司的產品工程師職缺為例，向大家展示了如何根據職缺要求梳理自己的能力，並以清晰條理的方式呈現在履歷中。
下圖為該職缺的工作內容介紹。Lester 示範了如何根據工作需求，將能力劃分為硬實力與軟實力，並提取出關鍵字，使自身能力與職缺需求高度匹配。
硬實力
半導體製程技術：熟悉半導體COMS、BJT等基本製程技術，熟知黃光、蝕刻、薄膜沉積等等製程理論知識
晶圓製造與測試
數據分析與統計熟練：使用Excel進行數據處理與分析、具備基本的統計分析能力
電子電路設計與模擬
程式設計 (Python, C++)
軟實力
團隊合作能力
危機處理能力
應對突發事件
壓力下的決策
第二步：對症下藥，匹配實力
提取完關鍵字後，下一步是將這些關鍵字與你的經驗結合，讓履歷更具說服力且充滿生動的細節。即使是剛出社會的新鮮人，沒有相關工作經驗也不用擔心！
硬實力：可以從學校的課程、實驗項目、或碩士論文中提取，展示你的專業技能與技術經驗。
軟實力：從社團活動、打工經驗、或其他日常經歷中挖掘
關鍵在於以具體的例子展現你的能力，清楚傳達你如何滿足職缺需求，讓面試官一目了然你的優勢。
馬上新增/更新履歷吧!
【半導體職涯講座】免費解鎖：講座影片+講座簡報+履歷模板
超過400人報名的好評講座✨開放免費解鎖半導體職涯大禮包
以上僅是Lester分享內容的冰山一角！最精彩的部分還在QA環節當天參加者無所不問，講師更是直擊產業秘辛，知無不言、毫不保留！想深入了解更多 ，立即點擊下方連結解鎖半導體職涯大禮包：
立即免費解鎖
https://www.youtube.com/shorts/n_MiuL67Un4
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']
工研院親揭 「全球電信產業」面臨的4大關鍵趨勢
2025-03-14報導 經濟日報記者吳康瑋 由聯合新聞網授權轉載
全球行動通訊大會（MWC）作為移動通訊產業的風向球，今年吸引超過10.9萬人參與。為協助臺灣業者掌握國際趨勢並拓展商機，工研院14日舉辦「MWC 2025 展會直擊：AI 驅動未來通訊與智慧應用研討會」，聚焦 MWC 2025的關鍵議題—「開放」（Open）與「AI人工智慧」對電信產業未來發展的深遠影響。工研院指出，5G-Advanced （5G-A）階段的「5G+AI」將推動商用部署、加速產業轉型。未來，電信業者與設備商將透過開放技術與 AI，優化網路管理、提升用戶體驗，並推動智慧交通、無人技術、沉浸式購物等創新應用，為通訊產業帶來新商機。
工研院副總暨產業科技國際策略發展所長林昭憲表示，MWC 2025展會凸顯電信產業正加速邁向開放架構與AI創新應用。從5G-A發展到地空整合通訊技術，各大企業積極運用AI提升網路管理效率、優化應用場景，並推動電信服務的市場化。臺灣在全球硬體供應鏈中占據關鍵地位，然而，面對 AI 技術的快速演進，產業需加速推動AI創新體驗多元化，強化市場應用，提升AI在消費市場與企業端的滲透率。
隨著AI進入各行各業，臺灣應鼓勵產業跨界合作，將AI深入智慧製造、醫療、零售、車聯網等領域，打造高附加價值的解決方案。此外，在全球電信與科技業加速邁向AI驅動的數位轉型之際，臺灣可憑藉供應鏈整合優勢，加強與國際夥伴的技術合作，從硬體製造擴展至AI 軟體與應用服務，確保在全球市場中持續保持競爭優勢。工研院指出，今年展會聚焦四大關鍵趨勢：Open RAN與Open Gateway發展、AI驅動電信數位轉型、5G-A的應用創新與貨幣化，以及地空整合通訊技術演進。
關鍵趨勢一：透過「開放」實現全球互聯，重塑通訊產業生態
MWC 2025強調Open對電信產業未來發展的重要性，推動5G商用部署與變現。在Open概念下，Open RAN與Open Gateway是兩大核心技術。Open RAN方面，O-RAN聯盟持續推動RAN轉型，朝向開放、智慧化、虛擬化發展，確保互通性。目前已有29個準商用及商用案例、57個測試案例，並簽署17件合作備忘錄。O-RAN聯盟與3GPP合作，將開放架構標準與5G、6G融合，奠定AI應用基礎並提升安全性。未來將透過RIC技術優化網路管理，提升開放前傳網路性能，並應對AI安全需求。
Open Gateway方面，為開發者提供標準化的網路瀏覽權限，打破營運商之間的技術壁壘，加速創新應用落地，全球移動通信系統協會（Groupe Speciale Mobile Association, GSMA）在2023年發起的Open Gateway計畫已獲80%全球電信商參與，市場規模將達到3,000億美元。本次展會中，電信商Vodafone、Orange等展示Open APIs發展，NOKIA與Telefonica合作推出無人機管理API，Ericsson擴展生態系至13家國際電信商。未來將聚焦5G-A與AI結合，拓展垂直應用與新商機。
關鍵趨勢二：電信業借力「AI」從傳統產業轉型科技產業
「5G+AI」正成為從前端電信業者到後端電信設備商的核心成長動力，本次展會展現AI在垂直領域及行動通訊產業的應用潛力。除車聯網、運動賽事轉播、無人機等這類型強調低延遲性能的應用外，電信商也展出數位仿生、數位雙生、語言生成、水質分析及機器人等AI解決方案，並廣泛應用於智慧網路管理。AI技術主要透過智慧控制器（RIC）呈現，亦或是功能型的系統如節省基站能耗、調節網路流量、調整天線訊號發射方向等用途。從此次展出的AI應用與網路智慧管理成果可見，電信商正積極增強技術能力，利用AI創造額外收入，並加速向科技公司（Telco To Techco）轉型。
關鍵趨勢三：邁入5G-A時代，AI融合與電信服務貨幣化成重點
電信業與設備商積極合作，展示創新服務與商業應用。在消費場景方面，無人化技術成為未來商店經營的重要輔助，如藉由機器手臂補貨、自駕車、無人商店等；沉浸式購物體驗則採用了人形機器人、AI虛擬角色互動與導購，貨架則搭載感應辨識技術，能自動播放影音廣告或產品介紹，提升購物體驗。
近年來，電信營運商聚焦於娛樂與競賽領域，透過AI技術與數位轉播提升體驗，如國際賽事與演唱會的即時訊息強化、同步翻譯，並利用AI優化攝影機影像品質與視角，為觀眾提供更沉浸的觀賽體驗。治安維護、防災與救災也為電信營運商創造來自政府端穩定收益，電信營運商透過4G/5G、衛星通訊、無人機基地台等多元網路整合，支援治安維護、防災救災，確保大型活動通訊穩定，並應對災後復原需求。
此外，車聯網解決方案成為發展重點，車聯網與智慧交通擴展至無人機與電動垂直起降載具（eVTOL），打造立體交通環境，依賴路側感知與數據共享，並運用數位孿生技術預測城市交通，降低車禍、緩解壅塞、優化人流疏散，提升整體交通管理效率。
關鍵趨勢四：地空整合全覆蓋通訊具共識，次世代通訊技術摸索中前行
本次展會有超過20家廠商展示衛星相關的通訊服務、終端設備、立方衛星。相位陣列平板天線（Phased Array Flat Panel Antennas）為衛星接收主流，適用於窄頻IoT與低軌衛星寬頻。傳統衛星業者則探索多軌道整合，拓展航空、海運、採礦等應用。3GPP NTN發展成為衛星通訊的關鍵，預計Release 19標準確認後，業界將依3GPP NR NTN規範推進。歐盟衛星群計畫（IRIS²）將採多軌道300顆衛星組成通訊系統，Hispasat與SES等公司已展示相關技術。
展望6G通訊世代，地空整合與全覆蓋通訊成為趨勢。同時，通訊感知融合技術（Integrated Sensing and Communication, ISAC）應用於智慧居家照護逐漸受到重視，透過Wi-Fi監測老人、小孩與寵物動態。可重構智慧表面（Reconfigurable Intelligent surface, RIS）則用於解決通訊盲區，並已有商用產品亮相。
[joblist_plugin title='最新【電信產業】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=joblist_search&keyword=%E9%9B%BB%E4%BF%A1&order=15&page=1' amount='5']
延伸閱讀：
遠傳電信用行動，許給員工一個實打實的幸福職場｜精選職缺
AI浪潮襲來！科技業台達電、中華電信人資更看這些「軟實力」
資訊工程系（下）｜從 Debug 到密碼間諜戰，教室裡的腦內對決現場｜逢甲大學｜科系真心話
資工系下集，帶你走進資工人的真實世界。從大學四年如何被訓練成冷靜又邏輯的「問題拆解高手」，到老師如何用生活化教學讓程式與晶片變得有趣，再到研究所與職場的抉擇路口——升學還是就業？軟體還是硬體？本集也邀請逢甲資工的老師與博士生分享心法，談資工系學生最容易忽略的軟實力、真實挑戰與給準新生的建議。一次看清資工系從學習到職涯的全貌！
🎤主持人 Emily 安芷嫻 🎙來賓
逢甲大學資工系：郭崇韋老師、陳子皓同學
點擊了解本集章節
02:21 想讀資工？先測是不是「研究/實作」體質
06:46 老師超有邏輯？密碼學課程是「間諜競賽」
10:34 技術 100 分，表達能力 120 分！資工人的溝通秘笈
12:38 Coding 不只是 Debug！老師教你用程式算 BMI、搭 Ubike
17:29 唸資工要直衝碩士/博班？CP 值最高的學歷點在哪？
26:17 薪水怎麼選？硬體大廠 VS 外商軟體，秘訣大公開
29:05 社會化衝擊：資工新鮮人剛出社會遇到的四大崩潰
32:46 給未來資工人：鎖定未來工作，擁抱科技熱忱
收聽這集，你會知道——
提到資工系，許多人腦海浮現的畫面是內向、邏輯強的學生，獨自對著螢幕 debug。然而，資工系的世界遠不止程式碼，它是一個兼具創造力、解題能力與個人成長的專業養成場域。
人格特質的重要性：研究型與實作型
逢甲大學郭崇韋老師指出，資工系學生多具備 I 型（研究型）與 R 型（實作型）人格。I 型學生熱衷探索新知，能應對技術快速變化；R 型學生喜愛動手實作，與程式設計的學習特性契合。一個樂於鑽研並持續實作的人，相對更適合在資工領域發揮潛力。
課程融合理論與生活，資安課像玩密碼間諜戰
資工系課程並非全是抽象理論。博士班同學陳子皓分享自己曾修讀的「密碼學」課程，老師帶領課堂的方式如同一場數位諜報戰：學生分組競賽、互相破解加密訊息，並進行情境演練模擬真實資安攻防。這種設計讓抽象理論具象化，學生能將所學知識直接應用於實務中，同時提升邏輯思維與問題拆解能力。
碩士學位不只為履歷加分，更是心態的「成年禮」
郭崇韋老師分享，資工系畢業的同學有超過半數繼續攻讀研究所，郭崇韋老師分享，資工系畢業的同學有超過半數繼續攻讀研究所，主要在於大學階段常常是老師在後面督促學生前進，但碩士班則必須主動對自己的研究與未來全權負責，心態上的轉變是邁向成熟的關鍵一步。另外也考量未來職場晉升管理職時，學歷也可能成為被主管與部屬評估的要素。
對於有志繼續深造的學生，陳子皓同學也分享，在選擇碩士班或博士班時，找到對的指導教授與研究室，遠比學校的排名或名聲更重要，一個好的指導教授和實驗室文化，將直接塑造你的專業技能、研究視野與做事態度，對於自己未來發展的影響，遠大於單純的學校光環。因此，花時間去深入了解潛在指導教授的研究方向與風格，才是最明智的投資。
總結而言，資工系的教育核心不只是寫程式，而是學會系統拆解問題、耐心面對錯誤，並善用技術與表達力解決真實問題。鼓勵對科技充滿熱忱、喜歡探索新知、樂於動手做的同學加入資工系的行列。
歡迎點擊，收聽本集完整訪談內容
【延伸資源】
🏫不知道怎麼選校系？ 點選連結👉「104升學就業地圖」3分鐘測出你適合的科系
課業、打工、社團、愛情學分你都歐趴了嗎？歡迎收聽【青春通識課】陪你探索自己成為喜歡的樣子✨
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
你是否想轉職成為後端工程師，打造更穩定、具成長性的技術職涯？無論你是剛開始學習程式語言的新手，或正在尋找明確學習方向的職場工作者，這份後端學習地圖將幫助你掌握後端工程的核心技能、實戰經驗與職涯發展路徑。透過系統化的學習規劃與專案實作，你將更有信心地踏入後端領域，成為職場中真正被需要的技術人才。
文 /【104學習精靈】
本文目錄（點擊可快速前往）
後端工程師是什麼？和前端、全端工程師有什麼不同與優勢之處？掌握後端工程師的核心能力：必備工具技能 x 學習路徑 x 軟技能轉職後端工程師的學習策略後端工程師薪資行情與職涯發展後端工程師的挑戰與機會
後端工程師是什麼？和前端、全端工程師有什麼不同與優勢之處？
🎯 後端工程師工作內容
後端工程師（Backend Engineer）主要負責伺服器端的邏輯開發，包括資料庫管理、API 設計、伺服器架構以及系統效能優化。他們確保前端應用程式能夠順利與後端系統交互，並提供穩定的數據與服務。
🎯相近職類比較：DevOps、全端、前端、後端工程師差別
職位主要負責技術負責範圍後端工程師（Backend Engineer）伺服器架構、API 設計與串接、資料庫管理、效能優化負責後端邏輯、數據清理，確保前端能夠存取正確的資料前端工程師（Frontend Engineer）HTML、CSS、JavaScript、React、Vue負責 UI/UX 設計，開發與使用者互動的前端界面全端工程師（Full Stack Engineer）前端 + 後端技術能獨立開發完整應用，涵蓋 UI、後端 API、資料庫管理DevOps 工程師（DevOps Engineer）Docker、Kubernetes、CI/CD、自動化部署負責開發與運行環境的部署、監控與維護，提升開發效率
🎯 為什麼選擇後端開發？
後端開發是資訊產業中穩定且高度需求的領域，適合對邏輯、架構、系統思維有興趣的學習者投入：
就業市場穩定成長：隨著數位化轉型普及，後端開發職缺在各行各業皆有需求，從新創到大型企業都有穩定徵才。
強調邏輯與架構設計：後端工程著重資料儲存、伺服器溝通、API 設計等，適合喜歡系統設計與架構思考的人。
職涯彈性大：從初階後端工程師到系統架構師，甚至 DevOps、SRE、資安領域都有後續延伸路徑。
遠端與自由接案機會多：後端開發技能通用性高，較容易接國際案或轉為遠距工作者。
AI 與資料應用的基礎：資料庫管理、API 串接、運算效能等能力，也可延伸應用至 AI 系統部署或資料工程等新興領域。
🎯 誰適合轉職後端工程師？
後端開發適合各類背景者，關鍵在於邏輯思維、學習動機與持續投入：
✅ 設計/前端背景：具備良好使用者體驗與前端邏輯，轉後端可成為 Full-Stack 工程師，提升職涯彈性。
✅ 商管背景：邏輯能力佳且理解商業流程，適合轉後端結合業務邏輯，強化企業系統開發應用。
✅ 理工背景（如物理、數學）：邏輯與抽象能力強，容易掌握資料結構與演算法，是進入後端的優勢群體。
✅ 非資訊領域自學者：只要有堅強動機與自律力，透過系統性訓練與專題實作亦能成功轉職。
✅ 現職 IT 工程師（如測試、維運）：已具備技術背景，轉入開發領域有明顯加速效益。
✅ 資料分析師：熟悉資料處理與 Python，轉向後端可擴展資料處理與系統部署的完整技能鏈。
掌握後端工程師的核心能力：必備工具技能 x 學習路徑 x 軟技能
🧭 後端工程師技能、工具分類表
語言與工具資料處理與資料庫API 設計與架構DevOps 與部署基礎Python / JavaScript / Java / GoGit / GitHub / GitLabSQL（PostgreSQL / MySQL）資料庫基礎觀念REST APIHTTP 基礎了解部署概念核心*熟悉後端框(SpringBoot, Django, Express, Gin)*熟悉語言設計模式撰寫可讀性高的程式NoSQL（MongoDB / Redis）基本資料模型設計身分驗證（JWT / OAuth）API 文件設計（Swagger）*Docker 容器化*CI/CD 自動部署 進階*多語言協作力*程式效能優化*高效能資料庫設計*索引分片與備援策略GraphQL / gRPC微服務架構（CAP / CQRS / Event Sourcing）Kubernetes、服務網格（Service Mesh）監控與日誌系統認證*程式語言認證 (例如Python 程式設計證照PCAP）*個人作品集AWS Database SpecialtyMongoDB 認證*API 設計課程證*書專案開發經驗（如 Hackathon）*AWS Certified DevOps Engineer*CKA（Kubernetes Administrator）▲ 後端工程師應具備技能、工具能力、職涯指引表，點選不同技能會對應到相關課程。
後端工程師學習地圖與路徑（搭配AI工具）
🔰 初學者階段（0–6 個月）
✅ 目標：熟悉基礎程式語言與網路知識，能夠開發基本 API。
📌 學習內容：
選一門後端語言（Python / JavaScript / Java）：選一門主流語言打好程式基礎，進入開發世界。
Git 與版本控制（GitHub / GitLab）：讓你能有效保存、回朔與分享你的程式碼。
理解網路基礎與 HTTP 協議：理解網站如何運作與資料如何傳輸。
SQL 資料庫（PostgreSQL / MySQL）：學習資料查詢語言，管理網站背後的資料。
REST API 開發：學習建立網頁服務的後端接口。
Python 程式設計能力 - 線上免費檢測
📌 AI 工具應用：
ChatGPT 協助語法學習與除錯：快速解釋語法、找出 bug、提供程式碼建議。
GitHub Copilot 協助寫基礎 CRUD 程式碼：協助補上程式片段。
📌 備選學習：
Go 語言：效率高但語法嚴謹，對初學者略具挑戰。
Node.js（JavaScript 後端）：若未來想走全端路線可以學。
✅ 適合考取的證照：
Python 程式設計證照（PCAP）
ITS (Information Technology Specialist, IT 資訊科技專家認證
Oracle MySQL Database Developer
AWS Certified Cloud Practitioner（雲端基礎，有助於未來學 DevOps）
[course_plugin title='Python課程' keyword='Python 輕鬆上手學' amount=1]
[course_plugin title='後端工程師入門課程' keyword='成為後端工程師' amount=1]
🚀 中階階段（6–12 個月）
✅ 目標：熟悉進階 API 設計、資料庫優化，學習 DevOps 工具。
📌 學習內容：
學習後端框架 (Express、Spring Boot、Django、Gin) ：掌握常用的後端框架。
身份驗證與授權（JWT、OAuth）：幫使用者安全登入，讓資料不被偷看。
NoSQL 資料庫（MongoDB、Redis）：適合儲存彈性格式的資料或快取機制。
Docker 容器化：讓你的程式「打包好、帶著走」。
CI/CD 自動部署（GitHub Actions）：程式更新後自動上線，省時又省心。
📌 AI 工具應用：
使用 AI 幫你產生 Dockerfile 與 CI/CD 配置：不懂也能靠 AI 輔助上手。
協助設計 API 架構與資料庫 schema：加速設計與重構過程。
📌 備選學習：
GraphQL：適合複雜資料查詢，但非所有團隊使用。
gRPC：適合內部高效通訊場景，小型專案可暫不碰。
Jenkins（較舊型 CI/CD 工具）：學習成本高，可視需求使用。
HATEOAS（超媒體 API）：學術價值高，實務上較少見。
✅ 適合考取的證照：
MongoDB Developer Certification
Docker Certified Associate (DCA)
Microsoft Azure Fundamentals (AZ-900)
HashiCorp Terraform Associate（如學有餘力涉略基礎 IaC）
[course_plugin title='後端工程師中階課程' keyword='接案必學 ◆ 邁向更專業的App開發' amount=1]
🏆 進階階段（12 個月以上）
✅ 目標：學習架構設計，提升可擴展性與效能。
📌 學習內容：
微服務架構（CAP 理論、CQRS、Event Sourcing）：學會如何將大系統拆小管理，處理資料一致性問題。
Kubernetes 與服務網格（如 Istio）：讓多個服務能自動部署與協調運作。
高效能資料庫設計與分片策略：設計能承受高流量的資料系統。
系統監控與安全性實踐（如 Prometheus、Grafana）：確保系統穩定、安全運作。
📌 AI 工具應用：
AI 幫你設計 YAML 檔與架構圖：快速理解與部署分散式架構。
系統瓶頸分析助手：用 AI 分析 log 或效能資料，加快除錯與優化。
📌 備選學習：
Istio 等 Service Mesh 工具：適合大型微服務團隊，維護成本高。
Event Sourcing：較進階模式，建議有實務需求時再深入。
✅ 適合考取的證照：
Certified Kubernetes Administrator (CKA)
AWS Certified Solutions Architect – Associate
Google Cloud Professional Cloud Architect
DevOps Engineer Professional（AWS / Azure）
[course_plugin title='後端工程師進階課程' keyword='Java進階專業｜前後端整合開發與應用' amount=1]
5個後端工程師應具備的軟技能特質：
邏輯思維與問題解決能力
能夠理解業務需求並轉化為系統邏輯，並針對錯誤快速找到根本原因。
【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
溝通與跨部門協作能力
後端工程師需與前端、產品經理、DevOps 甚至業務單位協作，良好的溝通有助於準確理解需求與回報技術限制。
【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
學習與自我成長動能
後端技術（如框架、資料庫、API標準）快速演進，必須持續學習與更新知識。
細心與責任感
後端處理大量資料及邏輯，細節錯誤容易引發資安問題或系統錯誤。
時間管理與自我管理能力
在遠端工作日益普遍的環境下，自律與時程安排變得尤為重要。
轉職後端工程師的學習策略
🎯 初學者或轉職者的學習策略
轉職或初學後端工程，建議採取階段式、任務導向的學習策略，以下列點歸納：
設定明確學習階段：分為基礎語言（如 Python/JavaScript）、資料庫應用、框架學習（如 Django、Node.js）、部署維運。
專案導向學習：每學完一個階段，就進行小型專案驗證所學，例如 Todo List、部落格、會員系統等。
培養問題解決能力：鼓勵查文件、逛論壇、問 ChatGPT，建立獨立解決 bug 的習慣。
學習版本控制與團隊協作：掌握 Git、GitHub、簡單 CI/CD，增加求職競爭力。
善用 AI 工具輔助學習：例如用 ChatGPT 解釋程式碼、Copilot 寫樣板、Kaggle 或 LeetCode 練習邏輯。
參與社群與實戰活動：參加黑客松、Open Source 專案、小型 Freelancer 案，強化實務經驗與人脈。
建立個人學習履歷：記錄學習歷程、撰寫技術部落格、整理 GitHub 作品集。
🎯 不同領域的客製化學習策略對照表
學歷背景優勢可能挑戰調整建議資訊相關科系已具備基礎程式能力、學科知識缺乏實務經驗、專案規模小強化實作專案與部署經驗，參與社群或實習累積履歷非資訊理工（如數學、物理）邏輯與數學能力強，適應資料結構與演算法快缺乏開發環境熟悉度與應用場景理解著重環境建置、框架與資料庫應用，透過實作強化「業界語感」設計/前端背景了解 UI/UX 與前端邏輯，轉職成為全端潛力大對資料結構與後端語法較不熟悉從 API 串接、簡單後端框架入手，逐步學習資料庫與後端設計邏輯商管/人文背景商業邏輯與跨領域溝通力強，善於理解用戶需求技術門檻高、邏輯訓練少以高階語言（如 Python）為起點，結合專案題材（如 CRM、報表系統）學習效果更佳在職 IT 工程師（測試、維運）已熟悉技術工具與環境、具系統性思維缺乏開發流程與程式架構設計經驗透過轉任內部開發專案或小型 App 開發練習，搭配設計模式與框架學習資料分析/AI 轉職者熟悉資料邏輯與語言（如 Python）、了解資料流缺乏完整系統建構經驗補足後端架構設計與部署技巧，從資料處理串接 API、Flask、FastAPI 切入
後端工程師薪資行情與職涯發展
後端工程師薪資概況
📌台灣後端工程師薪資
初階（3年以下經驗）：月均薪約6.2萬。
中階（3- 5年經驗）：月均薪約 6.5 萬。
高階（5-10年經驗）：月均薪約7.3萬。（以上資料來源：104薪資情報）
📌影響薪資的因素
技術棧與專精程度熟悉高效能架構（如微服務、分散式系統）、熱門語言（如 Go、Rust）、或 DevOps/雲端技能者，薪資會更高。
產業領域與公司規模金融科技、AI、新創、外商薪資通常優於傳產與一般中小企業。
作品集與實戰經驗有實際上線專案、參與開源、或技術部落格者更具競爭力。
證照與專業認證（如 AWS Certified、Kubernetes、GCP）對某些企業或外商來說是加分項。
英語能力與跨國協作經驗能與國際團隊溝通的工程師更受青睞，也更容易爭取外派或海外遠端工作機會。
英文能力 - 線上免費檢測
後端工程師的職涯發展路徑
🔵 技術專精路線（Individual Contributor / IC Path）
從「後端工程師」起步，專注於技術深度與系統設計，逐步升級為具備橫向影響力的技術專家。
▶ 初階 / 中階後端工程師（Backend Engineer）
負責功能開發、資料庫操作、API串接與單元測試。
▶ 資深後端工程師（Senior Backend Engineer）
擁有跨模組開發與維護經驗，熟悉系統效能優化、API 設計規範。
✳️ 學習前端技術 → 全端工程師（Full-Stack Engineer）
技能補充： React/Vue、Node.js、前後端整合、RESTful/GraphQL。
應用情境： 適用於產品團隊需快速開發 MVP 或技術創業者。
✳️ 提升系統架構能力 → 系統架構師（Software/System Architect）
技能補充： 微服務設計、DDD、API Gateway、資料一致性、可觀測性（Observability）。
應用情境： 適用於中大型系統升級或技術重構專案。
✳️ 學習 DevOps → DevOps 工程師（DevOps Engineer）
技能補充： GitOps, Jenkins, GitHub Actions, Docker, Ansible。
應用情境：經由緊密的開發＋運營合作，使企業更高效推出高品質產品。
▶ 全端工程師（Full-Stack Engineer）
獨立開發從 UI 到 API 再到資料庫的完整功能。
▶ 系統架構師（System Architect）
負責設計全系統技術藍圖，定義模組邊界、資料流設計與技術選型。
✳️ 進階發展 → 技術總監 / Technical Director
職責： 統籌技術方向，領導技術專案與架構決策，跨部門協作。
技能補充： 領導力、溝通簡報、技術戰略思維、預算與風險管理。
▶ DevOps 工程師（DevOps Engineer）
專精於部署、CI/CD、環境自動化。
✳️ 進階發展 → 雲端工程師（Cloud Engineer）
職責： 能設計具備高可用性與彈性的雲端基礎架構。
技能補充： 深耕 AWS/GCP/Azure 架構與雲原生技術（如 K8s、Terraform）。
🟢 團隊管理路線（Team & People Management）
此路線適合有溝通、協調與人員培育熱情者，從帶小團隊到參與公司策略。
▶ 後端 Team Lead / 技術主管
同時參與開發與團隊管理，負責人力分配、專案交付與人員指導。
技能補充： Agile/Scrum、敏捷儀表板管理、1-on-1 輔導技巧。
▶ 技術經理（Engineering Manager）
管理多組技術團隊，協助產品規劃、技術優化與跨部門協作。
負責團隊招募、績效制度設計、技術資源管理。
▶ 技術總監（Technical Director）或 VP of Engineering
結合技術與策略視角，影響公司中長期技術方向。
需要具備技術深度 + 商業理解力。
🟠 技術轉職／橫向拓展路線（Cross-functional Path）
探索其他工程領域，發揮後端背景延伸價值，適合追求多元發展者。
▶ 資料工程師（Data Engineer）
優勢：
熟悉 API 設計＆模組化架構：資料平台的模組設計類似微服務設計邏輯。
熟悉系統效能：幫助處理大規模資料運算與資源調度。
熟練程式語言(如 Python、Java)：可快速上手資料工程工具
可有效打造 ETL 流程、管理資料倉儲、支援 AI/ML 任務。
技能補充：
資料處理：Spark、Kafka、Airflow、dbt
資料庫：PostgreSQL、ClickHouse、BigQuery、Snowflake
資料管線：ETL/ELT流程設計、Data Lake、Data Warehouse 架構
編程與基礎統計：Python、SQL、資料品質檢查
職涯發展路徑流程圖
🔹 總結路徑圖說明
(起點)
後端工程師
│
├── A. 學習前端 → 全端工程師
├── B. 提升架構能力 → 系統架構師
│ └── 技術決策 → 技術總監
└── C. 學習 DevOps → DevOps 工程師
└── 深入雲端架構 → 雲端工程師
哪些產業需要後端工程師？
後端工程師幾乎是「所有數位服務產業的基礎職位」，以下是常見產業範疇：
📌電商與零售：處理會員系統、購物流程、庫存管理、金流串接等核心後台邏輯。📌金融科技（FinTech）：開發支付、帳戶、交易、驗證等安全敏感的服務。📌社群與內容平台：如論壇、影音平台、交友 App，後端負責資料儲存、帳號系統與推薦演算法等。📌SaaS / B2B 企業服務：提供線上系統給其他企業使用，如 CRM、HR 系統。📌物流與運輸：如外送、倉儲、車隊派送，依賴大量 API 串接與資料即時處理。📌醫療與健康科技：處理病例、預約、穿戴裝置資料等，需高度資安與資料完整性。📌遊戲與娛樂產業：遊戲帳號、伺服器同步、排行榜、商城等核心功能皆由後端處理。📌政府與公部門資訊系統：如戶政、健保、交通資訊等數位服務。
後端工程師的挑戰與機會
🚀 6個常見的後端工程師挑戰
技術複雜度高：需同時掌握資料庫設計、系統效能、資安與架構邏輯。
看不見的貢獻：成果不如前端「有畫面」，但卻是維運的關鍵，常常被低估。
資安責任重大：系統若當機、資料異常，後端通常是第一個要排解問題的人，需確保數據安全，防止攻擊與資料洩漏。
需快速跟上技術演進：如容器化（Docker）、微服務架構、雲端部署等都不斷更新
高效能與擴展性要求：需設計能夠處理大量請求的系統，確保穩定性與效能。
跨團隊協作：需要與前端工程師、產品經理、DevOps 團隊密切合作，確保系統順利運行。
🌟 後端工程師4大機會
可轉職多種技術職：例如 DevOps、技術主管、架構師，或橫移到前端/全端。
全球需求穩定成長：任何需要「運作」的數位產品，都需要後端支撐。
遠端與海外機會多：因後端較少受地域限制，常見國際合作或海外招募。
進可攻、退可守：進可發展高階技術領域如 AI 後端、大數據平台，退可穩定就業於各類企業內部系統開發。
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
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
[joblist_plugin title='更多104【後端工程師】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=%E5%BE%8C%E7%AB%AF%E5%B7%A5%E7%A8%8B%E5%B8%AB&mode=s&page=1' amount='3']
機電工程系（上）｜想當鋼鐵人背後的工程師？讓機器動起來的超能力！｜高雄科技大學｜科系真心話
如果鋼鐵人不是電影角色，而是一門學問，那它的核心就是「機電工程」！高雄科技大學機電工程系師生帶你走進讓機器「聰明動起來」的世界，從樓梯變電梯的生活比喻，到會養「機械狗」的真實實驗室，如果你對動手做、創新實驗和未來科技都充滿熱血，這一集將帶你揭開機電系如何結合機械、電機與電子，打造未來的智慧科技！
🎤主持人 Emily 安芷嫻 🎙來賓 高雄科技大學機電工程系：薛博文主任、蔡秉宏同學、陳佑柱同學
點擊了解本集章節
03:06 機電系在學什麼？電動車、機器狗自己動手設計
04:51 迷思破解：機電系同學很會修家電？女生適不適合讀？
10:27 「機械、電機、電子、機電系」差在哪？鋼鐵人幫你分清楚
18:23 系上分組：精密 vs. 智慧自動化 還有 1600 噸衝床！
27:59 讀機電系最難忘的課是？從理論到實戰，親手做出發電機！
37:53 跨領域互助才是王道！想讀機電系，打好這些基礎就對了！
收聽這集，你會知道——
「機電、機械、電機、電子……」這幾個科系名稱是不是讓人傻傻分不清？許多人一聽到「機電工程系」，腦中浮現的畫面可能是拿著螺絲起子修理家電，但實際上，機電系學生是打造能「自己動起來」的智慧機具，例如機器人、機械狗與自駕車的幕後工程師。
用鋼鐵人秒懂機電、機械、電機的差別
機電系學生的學習內容是如何讓大型機具精準運作，課程會接觸電子電路與機械設計，但重點在整合「動力、控制、結構」，讓一個系統能自動運轉。
高科大機電工程系薛博文主任用電影「鋼鐵人」比喻：
機械系造的是「身體」——結構與材料
電機系造的是「肌肉」——驅動與動力
電子系造的是「大腦」——晶片與感測器
機電系，則是統整所有部分，讓機器能精準運轉
也就是說，只要是「會動」的智慧裝置，像工廠機械手臂、移動機器人，都離不開機電工程的應用。
你是用科技的人，還是創造科技的人？
薛主任分享，有些人喜歡享受科技，但也些人想要自己創造科技。如果你總是想「這東西是怎麼做出來的？我也想試試看」，那就會是適合機電工程的人格特質。
另外，機電工程系在普通大學與科技大學都十分常見，普大主要強調理論與原理，問的是「為什麼」， 科大強調應用與實作，問的是「怎麼用」，例如普大研究「為什麼F=ma」，科大研究的則是「怎麼用F=ma做出機械手臂」，兩種訓練方向不同，未來工作類型與發展路徑也會相應不同。
機電工程，是讓想像動起來的學問
機電系畢業後的出路相當廣，包括自動化工程師、機器人研發、半導體設備整合、智慧製造、醫療輔具設計等。這些行業不僅需求高，也常與最新科技接軌。
機電系結合了機械的力、電子的腦與程式的魂，是一門讓創意真的「動起來」的學問。如果你想從使用科技的人，變成創造科技的人，機電系會是個值得你深入了解的起點。
歡迎點擊，收聽本集完整訪談內容
【延伸資源】
✨ 104人力銀行發起「實習打工故事競賽」活動，邀請你寫下自己的打工或實習經驗，無論是有趣的好笑的、收穫滿滿的、充滿血淚的，只要500字故事再加上一句個人金句，11/9 前上網投稿，就有機會獲得最高獎金 20,000 元，前 100 名早鳥報名還能直接獲得 LINE POINTS 100 點 👉 https://students104.pse.is/87y5sh
課業、打工、社團、愛情學分你都歐趴了嗎？歡迎收聽【青春通識課】陪你探索自己成為喜歡的樣子✨
電商是什麼？電商的行銷工作都在做些什麼？讓我們一起認識電商行銷工作的日常
電商行銷是什麼？
電商行銷工作會專注於提高電子商務平台流量、轉換率及成效。目標是通過數位行銷的方式去接觸與吸引目標顧客，引導他們完成購買行為。電商行銷的方式非常多樣化，包含廣告投放、搜尋引擎優化 (SEO)、社群行銷、內容行銷、電子郵件以及聯盟行銷等管道。
電商是什麼？
電商（電子商務）是指利用網路去銷售商品或服務的方式。電商平台可以是獨立網站，如品牌官網，也可以是大型市場平台，如 Amazon、Shopify、Shopee等。電商的核心是通過數位化的方式，提供更方便、更快速的購物體驗，從產品展示、到付款流程都在線上完成。隨著科技的進步，電商已經從單純的網路購物管道，轉型成為一個覆蓋行銷、物流、支付與客戶服務的綜合性生態鏈。
電商行銷平常都在做些什麼？
一個成功的電商行銷活動不僅僅是帶來流量與轉換，還需要注重使用者體驗與顧客關係的建立與維繫，以下是日常工作的內容：
1. 行銷活動策劃與執行
促銷活動策劃：設計和規劃電商平台的促銷活動（如雙11、黑五等大型購物節促銷），同時也要確保活動的內容與品牌一致，並制定活動成效目標。
活動執行：負責設定折扣、優惠券，安排產品上架、限時搶購等，與確保活動頁面與行銷素材能在時程內上線。
2. 數位行銷獲客
廣告投放：操作 Google Ads、Facebook Ads、TikTok Ads 等數位平台的廣告工具，並設定目標追蹤，如購買數或加入購物車等，並持續追蹤與優化成效。
流量導入：利用 SEO 策略提升自然搜尋流量，也會結合聯盟行銷或網紅、意見領袖行銷，去吸引更多消費者造訪電商平台。
3. 內容行銷與品牌經營
產品文案撰寫：為產品頁面撰寫吸引人的標題與描述，盡可能突出賣點並提升轉換率。
社群媒體經營：策劃社群媒體貼文與影片，在社群平台上與目標受眾互動，以提升品牌曝光與形象，甚至進一步帶來轉換成效。
內容創作：製作吸引人的文案、影音、圖片等素材，加深目標受眾對產品服務的印象與信任感。
4. 電商平台操作與優化
負責管理電商平台的產品上下架、庫存更新等。同時也要能規劃、設計出能提升網站或平台使用者體驗的方式，例如優化購物車流程或縮短結帳步驟。可以透過分析熱圖工具（如 Hotjar）或使用者行為追蹤，輔助判斷頁面需調整的地方，進一步透過設計去提高銷售轉換發生的機率。
5. 數據分析與報表製作
事前進行完善的數據追蹤規劃，使用 Google Analytics 、電商後台等數據分析工具，在執行行銷過程中，進行銷售、使用者行為的數據分析，去了解哪些產品最受歡迎、使用者回購率、同類型使用者可能也會購買的產品、或是產品動線可能的問題點等，即時去修正，持續優化行銷活動的成效。有時也會善用 A/B 測試的方式去改善動線或行銷素材。
6. 顧客關係管理 (CRM)
建立並維護顧客數據庫，劃分客戶群體，針對潛在受眾、如加入購物車但未購買者，進行再行銷或進一步的促銷活動，以提高購買量。也針對忠誠客戶提供一系列的優惠，增加回購率與黏著度。
7. 團隊協作與溝通
在執行活動期間，常會有跨部門溝通的需求，會需要與PM、工程師、物流、設計部門進行討論，整合大家想法，去達成活動目標，會需要有統整與溝通的能力，才能讓工作更有效率地進行。
該怎麼準備電商行銷工作的面試？
1.認識目標公司
面試前先去認識該公司的電商業務模式、產品類型以及目前可能的行銷策略，結合自己經歷，從中去分析公司目前的市場定位與潛在的行銷挑戰。
2.準備過去經驗的分享
提出具體的案例，例如成功提升網站流量或銷售額的數據。分享你如何解決工作中的挑戰，以及學到的經驗。如果是新鮮人，可以結合實習的經驗、或是在購物平台自售商品的經驗，分享在執行過程中遇到的問題與解決方式。
3.展現數據分析的能力
電商是個非常重視數據分析去引領決策的工作，所以分享過去曾經通過分析數據來做出行銷決策的經驗，在不影響商業機密的狀態下，試著呈現報表或視覺化圖表，融入在面試之中，展現個人數據分析能力，都能有很大的加分。
4.實務操作經驗分享
在面試中分享過去熟悉、常用的數位工具，如 Google Ads、Facebook Ads Manager 和 Shopify，並能在面試中舉例說明過往的操作經驗、遭遇的困難，以及解決方式，或是日常是如何增進自己的數位工具技能。
成為電商行銷人可能需要具備的特質
結果導向：能設置清晰的行銷目標，並積極追求結果。
數據敏感度：對數字和趨勢具有敏銳洞察力，能發現問題並迅速調整策略。
創造力：擅於設計新穎的行銷活動，以吸引顧客的眼球。
適應力與學習能力：面對快速變化的市場趨勢，能持續學習並快速調整行動。
細心與執行力：注重細節，確保每個行銷環節都能無縫銜接。
客戶導向：理解顧客需求，提供個性化的行銷解決方案。
進入電商行銷領域
電商行銷是一個結合數據分析、創造力與執行力的專業領域，對於推動品牌的數位化發展至關重要。想要進入這個行業，需要掌握多樣化的行銷技能，擁有結果導向的心態，並持續追求創新。只要準備充分，並不斷提升自己的專業能力，相信一定能在電商行銷這個充滿機遇的領域中大放異彩。
[joblist_plugin title='更多104【電商行銷】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%9B%BB%E5%95%86%E8%A1%8C%E9%8A%B7' amount='4']
有任何收穫或想分享的，都來和大家一起聊聊吧！