電腦視覺演算法之人臉辨識實戰【本課程為線上課，報名後專員會提供上課資訊】
104學習
訊號壓縮技術
透過減少資料中的冗餘資訊，提升傳輸和儲存效率，節省頻寬與空間，同時保持訊號品質在可接受範圍內。這項技能廣泛應用於通訊、影音串流、影像處理等領域，能有效降低成本並加速資料傳輸速度，是現代數位媒體與網路技術不可或缺的核心能力。具備此技能，表示能優化系統效能，提升產品競爭力，對相關產業的工程師和研發人員來說非常有價值。
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
Linux Socket網路程式設計【本課程為線上課，報名後專員會提供上課資訊】
PMI-ACP 敏捷專案管理師認證暨實務課程
人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】
【講座回放影片】文組人一定要會的 Vibe Coding！非理工背景也能脫穎而出
軟體工程師就業培訓
商業簡報從0開始
ChatGPT 職場生產力 AI 應用-進階班【6/26】線上直播
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
精選證照
考取專業證照，讓能力被市場看見
進階軟體設計(107/8/1停考)
『ITE』是「Information Technology Expert」的簡稱，中文全名為『資訊專業人員鑑定』。在西元2000年亞太經濟合作（APEC）部長級會議中，與會各國決議共同致力推動亞太地區資訊系統開發、管理及應用之人才培育，同時透過共同檢定採認，提昇整體資訊水準。
近年來資訊技術蓬勃發展，各項功能與應用的突破，使得產業發展出新的競爭方式。不論是傳統的製造業、新興的服務業或是高科技產業等，皆無法置身事外。由於資訊技術的特性，使得競爭突破國界、資本、廠房等傳統的限制，只有掌握了技術，才能確保競爭上的優勢。
適逢89年11月亞太經濟合作發展會議部長級會議時，日本提出跨國合作構想，希望促進兩國在資訊人員檢定的合作，並於當月底再次確認雙方合作之意願，故經濟部決定舉辦資訊人才之跨國認證，並委託財團法人資訊工業策進會及財團法人電腦技能基金會，執行鑑定工作。
為使鑑定貼近企業界用才標準並切合實際需要，電腦技能基金會於90年起透過台北市電腦工會訪查業界需求人力項目，並自91年中起陸續開考各類別鑑定。期望藉由此鑑定之執行，一方面建立國內完整的訓、考、用合一的資訊專業人才能力認證體系，提供企業界優良之資訊專業人才，另一方面藉由本鑑定制度與世界各國資訊技術流通接軌，使資訊技術發展與國際同步，為我國產業奠定良好的競爭優勢。
本鑑定舉辦至今相關鑑定制度已臻成熟，深受學界與業界肯定，同時與日本亦完成交互採認MOU，階段性任務已完成。為延續合作之成果及提供產業界及考生更多服務，自99年1月1日起轉由民間擴大辦理發證。
財團法人中華民國電腦技能基金會
甲級視聽電子技術士
視聽電子技術士技能檢定規範於民國六十七年五月十二日公告，依其技能範圍及專精程度分為甲、乙、丙三級。為配合本行業之技術與社會工商發展之需求，並達到專業人員技能水準隨之提升目的，爰於九十年再予修訂。
因工商社會繁榮，國民生活品質提高，視聽電子器材已全面進入各家庭與各行業之中，成為普遍之娛樂與大眾傳播重要媒體。
甲級工作範圍：能從事音響器材、電視機、顯示器、影音光碟機之故障檢修與調整和CATV、衛星傳播接收之規劃、架設、測試與儀表使用及應用電路設計和裝配測試。
勞動部勞動力發展署技能檢定中心
基礎軟體設計(107/8/1停考)
『ITE』是「Information Technology Expert」的簡稱，中文全名為『資訊專業人員鑑定』。在西元2000年亞太經濟合作（APEC）部長級會議中，與會各國決議共同致力推動亞太地區資訊系統開發、管理及應用之人才培育，同時透過共同檢定採認，提昇整體資訊水準。
近年來資訊技術蓬勃發展，各項功能與應用的突破，使得產業發展出新的競爭方式。不論是傳統的製造業、新興的服務業或是高科技產業等，皆無法置身事外。由於資訊技術的特性，使得競爭突破國界、資本、廠房等傳統的限制，只有掌握了技術，才能確保競爭上的優勢。
適逢89年11月亞太經濟合作發展會議部長級會議時，日本提出跨國合作構想，希望促進兩國在資訊人員檢定的合作，並於當月底再次確認雙方合作之意願，故經濟部決定舉辦資訊人才之跨國認證，並委託財團法人資訊工業策進會及財團法人電腦技能基金會，執行鑑定工作。
為使鑑定貼近企業界用才標準並切合實際需要，電腦技能基金會於90年起透過台北市電腦工會訪查業界需求人力項目，並自91年中起陸續開考各類別鑑定。期望藉由此鑑定之執行，一方面建立國內完整的訓、考、用合一的資訊專業人才能力認證體系，提供企業界優良之資訊專業人才，另一方面藉由本鑑定制度與世界各國資訊技術流通接軌，使資訊技術發展與國際同步，為我國產業奠定良好的競爭優勢。
本鑑定舉辦至今相關鑑定制度已臻成熟，深受學界與業界肯定，同時與日本亦完成交互採認MOU，階段性任務已完成。為延續合作之成果及提供產業界及考生更多服務，自99年1月1日起轉由民間擴大辦理發證。
財團法人中華民國電腦技能基金會
程式設計語言(107/8/1停考)
『ITE』是「Information Technology Expert」的簡稱，中文全名為『資訊專業人員鑑定』。在西元2000年亞太經濟合作（APEC）部長級會議中，與會各國決議共同致力推動亞太地區資訊系統開發、管理及應用之人才培育，同時透過共同檢定採認，提昇整體資訊水準。
近年來資訊技術蓬勃發展，各項功能與應用的突破，使得產業發展出新的競爭方式。不論是傳統的製造業、新興的服務業或是高科技產業等，皆無法置身事外。由於資訊技術的特性，使得競爭突破國界、資本、廠房等傳統的限制，只有掌握了技術，才能確保競爭上的優勢。
適逢89年11月亞太經濟合作發展會議部長級會議時，日本提出跨國合作構想，希望促進兩國在資訊人員檢定的合作，並於當月底再次確認雙方合作之意願，故經濟部決定舉辦資訊人才之跨國認證，並委託財團法人資訊工業策進會及財團法人電腦技能基金會，執行鑑定工作。
為使鑑定貼近企業界用才標準並切合實際需要，電腦技能基金會於90年起透過台北市電腦工會訪查業界需求人力項目，並自91年中起陸續開考各類別鑑定。期望藉由此鑑定之執行，一方面建立國內完整的訓、考、用合一的資訊專業人才能力認證體系，提供企業界優良之資訊專業人才，另一方面藉由本鑑定制度與世界各國資訊技術流通接軌，使資訊技術發展與國際同步，為我國產業奠定良好的競爭優勢。
本鑑定舉辦至今相關鑑定制度已臻成熟，深受學界與業界肯定，同時與日本亦完成交互採認MOU，階段性任務已完成。為延續合作之成果及提供產業界及考生更多服務，自99年1月1日起轉由民間擴大辦理發證。
財團法人中華民國電腦技能基金會
基礎軟體開發(107/8/1停考)
『ITE』是「Information Technology Expert」的簡稱，中文全名為『資訊專業人員鑑定』。在西元2000年亞太經濟合作（APEC）部長級會議中，與會各國決議共同致力推動亞太地區資訊系統開發、管理及應用之人才培育，同時透過共同檢定採認，提昇整體資訊水準。
近年來資訊技術蓬勃發展，各項功能與應用的突破，使得產業發展出新的競爭方式。不論是傳統的製造業、新興的服務業或是高科技產業等，皆無法置身事外。由於資訊技術的特性，使得競爭突破國界、資本、廠房等傳統的限制，只有掌握了技術，才能確保競爭上的優勢。
適逢89年11月亞太經濟合作發展會議部長級會議時，日本提出跨國合作構想，希望促進兩國在資訊人員檢定的合作，並於當月底再次確認雙方合作之意願，故經濟部決定舉辦資訊人才之跨國認證，並委託財團法人資訊工業策進會及財團法人電腦技能基金會，執行鑑定工作。
為使鑑定貼近企業界用才標準並切合實際需要，電腦技能基金會於90年起透過台北市電腦工會訪查業界需求人力項目，並自91年中起陸續開考各類別鑑定。期望藉由此鑑定之執行，一方面建立國內完整的訓、考、用合一的資訊專業人才能力認證體系，提供企業界優良之資訊專業人才，另一方面藉由本鑑定制度與世界各國資訊技術流通接軌，使資訊技術發展與國際同步，為我國產業奠定良好的競爭優勢。
本鑑定舉辦至今相關鑑定制度已臻成熟，深受學界與業界肯定，同時與日本亦完成交互採認MOU，階段性任務已完成。為延續合作之成果及提供產業界及考生更多服務，自99年1月1日起轉由民間擴大辦理發證。
財團法人中華民國電腦技能基金會
通訊網路概論
『ITE』是「Information Technology Expert」的簡稱，中文全名為『資訊專業人員鑑定』。在西元2000年亞太經濟合作（APEC）部長級會議中，與會各國決議共同致力推動亞太地區資訊系統開發、管理及應用之人才培育，同時透過共同檢定採認，提昇整體資訊水準。
近年來資訊技術蓬勃發展，各項功能與應用的突破，使得產業發展出新的競爭方式。不論是傳統的製造業、新興的服務業或是高科技產業等，皆無法置身事外。由於資訊技術的特性，使得競爭突破國界、資本、廠房等傳統的限制，只有掌握了技術，才能確保競爭上的優勢。
適逢89年11月亞太經濟合作發展會議部長級會議時，日本提出跨國合作構想，希望促進兩國在資訊人員檢定的合作，並於當月底再次確認雙方合作之意願，故經濟部決定舉辦資訊人才之跨國認證，並委託財團法人資訊工業策進會及財團法人電腦技能基金會，執行鑑定工作。
為使鑑定貼近企業界用才標準並切合實際需要，電腦技能基金會於90年起透過台北市電腦工會訪查業界需求人力項目，並自91年中起陸續開考各類別鑑定。期望藉由此鑑定之執行，一方面建立國內完整的訓、考、用合一的資訊專業人才能力認證體系，提供企業界優良之資訊專業人才，另一方面藉由本鑑定制度與世界各國資訊技術流通接軌，使資訊技術發展與國際同步，為我國產業奠定良好的競爭優勢。
本鑑定舉辦至今相關鑑定制度已臻成熟，深受學界與業界肯定，同時與日本亦完成交互採認MOU，階段性任務已完成。為延續合作之成果及提供產業界及考生更多服務，自99年1月1日起轉由民間擴大辦理發證。
財團法人中華民國電腦技能基金會
精選貼文，掌握第一手知識
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」
前端工程師是什麼？薪水怎破100萬？完整攻略，附：台積電前端工程師工作心得
前端(Frontend)： 給人看的（介面、使用者體驗），網頁的畫面、按鈕、圖片、排版。
前端 (Frontend)是什麼？
這是使用者直接與之互動的部分，包括網頁的設計、佈局和內容。前端開發使用的技術包括HTML、CSS和JavaScript。
舉例來說：當你打開 104人力銀行，看到的畫面就是前端工程師控制的，包含不同裝置的畫面呈現～從電腦、平板或手機觀看，都是前端工程師需要留意的。
重要元素舉例
搜尋欄：讓你輸入「軟體工程師」並按下搜尋
職缺列表：顯示各種公司和薪資範圍
登入按鈕：點擊後彈出登入視窗
應徵按鈕：點了之後，系統會幫你送出履歷
前端工程師的薪水與薪水天花板
台灣整體而言前端工程師薪水中位數落在66.8萬~81萬間，天花板推估是91.3~101.6萬。
工作年資年薪中位數推估薪水天花板職缺1年以下66.8萬94.1萬1~3年71萬91.3萬3~5年78.1萬96.7萬5~10年81萬101.6萬資料來源 104薪資情報 有效樣本：575 資料更新：2025年02月10日
如何突破前端工程師的薪水天花板
選擇對的公司/產業
選擇薪水中位數高的公司：上市櫃公司年薪中位數、外商公司，公司獲利能力好，自然同樣的時間成本，能有更好的薪水保障。
選台灣重點產業：半導體業、科技業、金融業
台積電前端工程師工作心得
以下為講座精華節錄
薪水區間？年薪約30個月，新鮮人月薪約6萬。
加班很兇嗎？加班時數看跟的專案，配合專案前進。去年自己未超過100小時
公司內用的語言較多，不同的系統專案或對接的單位不同，要學習不同的語言
怎麼進台積電？平常就有寫技術部落格、每年參加IT鐵人賽、在104經營個人品牌(SEO權重優)
同事都是哪些人？（免費領取台積電工作心得與QA精華）
看懂遊戲規則：深耕5大能力，擁有更多選擇權
1.技術能力（Technical Skills），能否寫出高品質、可維護、效能優化的前端程式，並快速學習新技術應用在工作上，也能夠帶領內部技術前進（內部 Tech Talk 或自建部落格）
程式品質：乾淨、結構清晰、DRY、KISS、SOLID
效能最佳化：頁面載入時間、CDN快取、前端壓縮技術、降低不必要的 re-render
技術廣度與深度：獨立處理 CSS、JavaScript、框架（React, Vue, Angular）等核心技術、熟悉 TypeScript、State Management（Redux, Vuex）、處理前端安全問題（如 XSS, CSRF, CORS）
2.產品與專案影響力（Project & Product Impact），能有效率地完成任務，並確保產品的品質，過程中主動優化現有系統，提出新的技術方案，提升開發效率。
專案完成度：照時程交付、主動發現並解決問題、處理緊急問題
產品價值：功能是否真的提升了使用者體驗、A/B 測試或數據分析、減少技術債，提高長期維護性
3.開發效率（Development Efficiency），高效產出高品質的程式，主動提出更有效率的開發工具或流程，寫出自動化測試（如 Jest、Cypress），減少回歸測試時間。
時間管理：需求評估準確度、根據需求合理拆分任務，安排優先順序
程式碼管理：Pull Request（PR）清楚易讀、Code Review 積極參與給出建設性回饋
Debug 能力：利用 Log、DevTools、Profiler 進行高效率的問題解決
４.團隊合作與溝通（Collaboration & Communication），與其他工程師、PM、設計師、QA、數據分析師等合作單位順暢合作。指導新人、撰寫開發文件，幫助團隊快速上手。
跨部門溝通與 PM 討論需求，提供技術可行性建議與設計師合作，確保 UI/UX 最佳化與後端工程師協作，確保 API 串接順暢Code Review幫助同事提升程式碼品質接受別人的建議，改進自己的程式碼主動性主動提出問題或改善建議在團隊會議中有效表達技術方案前端工程師 團隊合作與溝通的重要性
5.創新與影響力（Innovation & Leadership），完成自己的工作外，帶來更大的影響。有能力也主動推動團隊技術決策，如選擇新框架、優化開發流程。
技術創新：引入新技術來提升開發效率、開發內部工具，幫助團隊節省時間
技術影響力：技術社群內分享知識、開源專案或貢獻
技術領導：在團隊中擔任技術導師、帶領技術專案
關鍵重點：績效不只是寫多少行程式，而是對產品和團隊的影響
開發速度：平均完成一個 Story（使用者故事）的時間
Bug 數量：新功能上線後的 Bug 率
PR 參與度：Code Review 的次數與回饋價值
前端效能：Google Lighthouse 分數、First Contentful Paint（FCP）
使用者行為變化：某個 UI 改版後，點擊率是否提升？
能力方法技術能力深入學習前端框架、優化效能、提升可維護性產品影響力確保開發的功能有助於提升使用者體驗開發效率提高 Debug 能力、善用自動化工具團隊合作提高溝通能力、參與 Code Review、幫助同事創新影響力參與技術社群、提出技術改進方案前端工程師的5大能力
前端用的技術
HTML 負責畫出網頁結構（像骨架）
CSS 負責排版與設計（讓它變美）
JavaScript 負責互動（讓按鈕能點、內容會變）
框架和庫：如React、Vue.js和Angular，這些工具可以幫助你更高效地開發複雜的應用程式。
響應式設計：確保網站在各種裝置上都能良好顯示，通常使用CSS框架如Bootstrap。
版本控制：如Git，用於管理和協作開發
前端工程師主要合作的夥伴
1. 後端工程師（Backend Developer）
👉 負責提供 API，讓前端能夠拿資料，確保功能運作
合作範例：你要做一個「應徵按鈕」，但這個按鈕要能讓使用者點了後，系統能自動送出履歷，這時候前端需要跟後端拿 API。討論 API 的格式：你問：「我這邊需要傳哪些資料才能應徵？」後端說：「你傳 user_id、job_id 給我，我幫你送出履歷」你：「那回應結果是什麼？我要顯示成功或失敗」後端：「如果成功，我回 status: success，失敗的話會給錯誤碼」💡 前端 + 後端 = 讓網站不只是畫面，而是能「動」起來！
3. 產品經理（PM, Product Manager）👉 負責規劃產品功能，確保開發方向符合商業目標合作範例：你做完了「應徵按鈕」，但 PM 突然跟你說：「我們希望這個按鈕能讓用戶自訂求職信」這時候你得確認：「這功能會影響到後端嗎？需要修改 API 嗎？」「這會不會影響現在的 UI 設計？」「會不會讓使用者體驗變得更複雜？」💡 前端 + PM = 確保開發出來的功能，真的是「使用者需要的」！
4. 測試工程師（QA, Quality Assurance）👉 負責測試系統，確保功能正常、不出 Bug合作範例：你開發完「應徵按鈕」，但 QA 測試時發現：BUG 1： 在 iPhone 上點擊按鈕沒反應？BUG 2： 送出履歷後沒有顯示成功提示？BUG 3： 按太快的話會連送兩次履歷？💡 前端 + QA = 確保使用者「真的能順利使用」功能！
5. 數據分析師（Data Analyst）👉 負責分析使用者行為，讓前端能做出更好的優化合作範例：你做了一個「首頁推薦職缺」功能，但數據分析師告訴你：「這個區塊的點擊率只有 5%！」 → 代表 UI 可能需要調整「使用者停留時間太短」 → 可能要加上動畫或更清楚的標題「A/B 測試顯示紅色按鈕比藍色好」 → 你需要調整設計💡 前端 + 數據分析師 = 讓 UI/UX 變得更直覺、更有效！
6. 運維/系統工程師（DevOps / SRE）👉 負責網站伺服器的運行與最佳化合作範例：你的前端代碼已經寫好了，現在要部署到正式環境可能遇到的問題：網頁載入速度太慢？ → DevOps 可能會幫你設定 CDN 加速按鈕點擊後沒反應？ → 可能是伺服器資源不足，需擴充某些用戶看不到最新版本？ → DevOps 需要清理快取💡 前端 + DevOps = 確保你的程式能「穩定、安全」地運行！
夥伴主要合作內容影響前端的地方後端工程師提供 API，讓前端可以拿到資料決定資料怎麼傳遞UI/UX 設計師設計畫面，確保用戶體驗影響網頁排版、按鈕設計產品經理（PM）決定功能需求與優先順序決定要做什麼、怎麼做測試工程師（QA）測試功能，找出 Bug確保程式正常運行數據分析師提供使用者數據，幫助優化 UI影響 UI 設計與功能調整運維/系統工程師（DevOps）負責部署、效能優化確保網站運行順暢前端工程師的合作夥伴
Gartner公布2026年十大戰略技術趨勢 AI帶動創新新成果將大量湧現
2025-10-27 經濟日報記者彭慧明 由聯合新聞網授權轉載
全球科技研調機構Gartner 27日發布對2026年重點關注的十大戰略技術趨勢。Gartner研究副總裁高挺（Arnold Gao）表示，2026年各項戰略層面重要技術動向密切交織，反映了一個由人工智慧（AI）技術驅動的高度互連世界現實圖景，技術領域創新速度湧現的新成果將大量出現、遠超從前。
Gartner提出的2026年重要戰略技術趨勢如下：
一、AI超級運算平台
AI超級運算平台整合CPU、GPU、AI ASIC、神經形態運算與替代性運算範式，使企業統籌複雜工作負載，同時釋放更強性能、更高效率與更多創新潛力。該系統融合強力處理器、海量存儲、專用硬體與編排軟體，可處理機器學習、模擬與分析等領域資料密集型工作負載。
Gartner預測，到2028年，應用混合計算範式架構於關鍵業務流程的領先企業合計超過40%，較當前8%水準大幅增長。
二、多智慧體系統
多智慧體系統（MAS）是多個AI智慧體構成、利用交互作用實現複雜個體或共同目標的集合，既可在單一環境中交付，亦可於分散式環境中獨立開發部署。
高挺表示，通過使用多智慧體系統，企業可實現複雜業務流程自動化、提升團隊技能、開創人類與AI智慧體新協作方式。採用模組化設計的專業智慧體通過在各工作流中重複使用成熟解決方案提升效率、加速交付與降低風險。此方案便於擴展運營規模與快速適應需求變化。
三、特定領域語言模型（DSLM）
資訊長（CIO）暨執行長（CEO）要求AI帶來更多商業價值，但一般大語言模型（LLM）難以勝任專業任務。特定領域語言模型（DSLM）憑藉更高精度、更低成本與更高合規性填補這一空白，是針對特定行業、功能或流程專用資料上訓練或微調的語言模型，DSLM能更精準、可靠且合規地滿足特定業務需求。
Gartner預測，到2028年，企業使用的生成式AI（GenAI）模型超半數屬於特定領域模型。情境 (Context) 成為決定代理部署成功與否的關鍵因素之一。基於DSLM的AI代理可解讀特定行業情境，即使在陌生情境中也能做出合理決策，因而具備超卓準確性、可解釋性與決策合理性。
四、AI安全平台
AI安全平台為協力廠商暨客製化AI應用提供統一防護機制，進行集中監測、強制執行使用策略，有效防範AI特定風險，如提示注入攻擊、資料外洩、惡意代理行為等，幫助CIO執行使用政策、監控AI活動、在全AI系統中建立統一防護邊界。Gartner預測，到2028年，使用AI安全平台保護AI投資的企業比率超過50%。
五、AI原生開發平台
AI原生開發平台使用GenAI實現空前快速、便捷的軟體發展。軟體工程師作為「前端部署工程師」進入業務部門，使用該平臺協同領域專家開發應用。企業只需維持現有開發人員規模，組建微型團隊配合AI即可開發更多應用。目前，領先企業組建微型平臺團隊，在安全與治理框架範圍內讓非技術領域專家能自主開發軟體。
Gartner預測，到2030年，80%的企業通過AI原生開發平臺使大型軟體工程團隊轉為更靈活的小團隊並通過AI賦權。
六、機密運算
機密運算重塑企業敏感性資料處理方式。由於工作負載被隔離在基於硬體的受信任執行環境（TEE），即使面對基礎結構所有人、雲端提供商或任一擁有硬體物理存取權限之實體，機密運算也能確保內容與工作負載隱形能力，對受監管行業、面臨地緣政治與合規風險的跨國公司與競爭對手的合作尤為重要。
Gartner預測，到2029年，在非可信基礎結構中處理的業務當中有超過75%將依託機密運算機制保障使用安全。
七、實體AI
實體AI是因人為賦權而具有感測、決策與執行能力的機器與設備（例如機器人、無人飛行器暨智慧型設備），將智慧型演化演算帶入到現實世界，為看重自動化、適應性與安全性的行業帶來可觀收益。但同時可能引發人們對就業的擔憂，因此要採取謹慎的變革管理。
八、前置主動式網路防禦
企業面臨網路、資料與聯網系統威脅倍增，前置主動式網路防禦正成為趨勢，以運用AI驅動的安全運營、程式化阻斷與欺騙技術在攻擊者行動前就實施干預，以預測手段實現防護。Gartner預測，到2030年，CIO從被動防禦轉向主動防護，前置主動式網路防禦解決方案將占企業安全支出總額一半。
九、數位溯源
企業日益依賴協力廠商軟體、開放原始程式碼與AI產生內容，數位溯源驗證已成為一項重要需求。數位溯源指對軟體、資料、媒體暨流程來源、所有權與完整性進行驗證的能力。企業可使用軟體物料清單（SBoM）、認證資料庫、數位浮水印等新工具驗證與追蹤供應鏈中的數位資產。
Gartner預測，到2029年，在數位溯源方面投入不足的企業會面臨高達數十億美元的制裁風險。
十、地緣式遷移
地緣式遷移指企業因考慮到地緣政治風險而將資料與應用從全球公有雲遷出至主權雲端環境、區域雲端服務商或自有資料中心等本地平台。主權雲端這一概念曾僅限銀行與政府機構，如今因全球局勢動盪加劇而影響各類企業。
Gartner預測，到2030年，歐洲暨中東地區將有超過75%的企業把虛擬工作負載遷移至降低地緣政治風險的解決方案，2025年還不足5%。
[joblist_plugin title='更多104【AI工程師】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&jobcat=2007001020&page=1' amount='3']
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']
「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＞
超逼真對話時代來臨…OpenAI代理出擊 鴻海、廣達等喜迎商機
2025-09-01 經濟日報記者林薏茹 由聯合新聞網授權轉載
輝達執行長黃仁勳唱旺AI代理（AI Agent），引爆大商機，OpenAI強勢出擊，推出全新語音AI模型GPT-Realtime，主打以單一模型直接處理並產生音訊，宣告AI代理進入「超逼真對話時代」，企業能打造具獨特個性與聲音的AI代理人，可望加速AI數位分身與虛擬助手普及。
隨著OpenAI推出全新語音模型GPT-Realtime，以及提供開發者串接的Realtime API，兩者相輔相成，可望刺激語音AI代理人商業應用升溫，運算需求將同步上升，催動AI伺服器需求引擎，法人看好，鴻海（2317）、廣達（2382）、緯創（3231）、緯穎（6669）及英業達（2356）等OpenAI伺服器供應鏈將喜迎商機。
延伸閱讀：微軟、Meta加碼AI帶旺台鏈 鴻海、廣達、緯穎等受惠
GPT-Realtime與過去需分開語音辨識、語音合成的架構不同，以往語音AI必須經歷語音轉錄、語義理解與語音生成等多重處理流程，GPT-Realtime最大突破在於顯著縮短回應延遲，提升對話自然度，並在穩定性上符合企業導入需求。
與傳統純語音模型不同，GPT-Realtime也具備智力、推理和理解能力，能敏銳捕捉笑聲等非語言訊號，在句子中間自如地切換語言，並根據場景需求靈活調整語調，完美模仿人類豐富多樣的語調、情感及語速，支援圖像理解，並將其與語音或文字對話相結合使用。
根據OpenAI公布的數據，GPT-Realtime在語音理解與語言轉換的準確率達82.8%，較上一代提升約17%。業界人士認為，GPT-Realtime問世，象徵語音AI技術邁入新里程碑，未來相關應用可望在客服、教育、金融及遠端醫療等領域遍地開花，進一步推動語音AI全面普及。
黃仁勳看好AI代理，強調「目前市場最大成長驅動力來自AI代理的演進」，AI已進階成會研究、思考與制訂計畫，AI代理所需運算量將大幅成長，建議夥伴與客戶，依照每年節奏去建置資料中心，輝達每一代產品都會讓AI能力改善，幫助客戶帶來更多營收。
法人預期，隨著OpenAI應用規模擴大，對AI伺服器的需求仍將顯著增加，帶旺AI伺服器協力廠營運動能。
[joblist_plugin title='104【輝達】工作機會' https://www.104.com.tw/company/1a2x6bm42t' amount='5']
「接案作品集」怎麼準備？6大要素及不同客戶應對技巧
對自由接案工作者來說，「作品集」往往比履歷更能展現你的專業度與價值。一份好的接案作品集該怎麼準備？作者為軟體工作者，分享好作品集的6大必備要素，並用自身經驗解析技術型、設計導向、非技術型與綜合型客戶的關心重點，幫你打造更有說服力的作品集。本文節錄自《不想上班的勇氣：軟體工作者的第一本接案指南》。
文／陳泰銘（Taiming）
本文目錄（點擊可快速前往）
為什麼需要準備接案作品集？接案作品集準備方向：依照不同接案類型、客戶來調整好的作品集應該具備的6大要素沒有作品集怎麼辦？最好平時就累積Side Project
為什麼需要準備接案作品集？
作品集是接案者的「敲門磚」，能夠幫助潛在客戶快速了解你的能力、風格和經驗。有時候，你的作品集甚至比你的履歷還重要，因為它是最直觀的證明，展示你的專業度和價值。
客戶沒有時間細聊，先看作品決定是否聯繫你
比起履歷，作品集更能說明你的實力
客戶更信任有實際案例的接案者
降低溝通成本，幫助客戶確定風格與需求
讓你在競爭者中脫穎而出
當你在社群平台或論壇上看到有人發問：「有人可以幫我做插畫設計嗎？」如果你只是留言「我可以做」，很容易淹沒在眾多回覆中，客戶也不會特別關注你。但如果你直接附上作品集連結，讓對方點進去就能看到你的實力，成功機率就會大幅提升。這樣的方式不僅能讓你在競爭中脫穎而出，也能迅速抓住客戶的注意力。
接案作品集準備方向：依照不同接案類型、客戶來調整
一開始瞄準方向很重要，因為不同類型的客戶關心的重點不同，你的作品集應該根據你的目標市場來調整。例如：
技術型客戶：展示程式碼品質與技術細節
當你的目標客戶是開發公司或技術團隊時，他們更關心你的技術能力，而不只是表面的作品展示。例如，當一間軟體公司正在尋找後端開發者時，他們不會單純看UI設計，而是會評估你的程式碼品質、架構設計與API文檔。如果你的作品集包含GitHub專案連結、技術架構解析、程式碼片段或效能優化案例，將更能說服這類客戶，讓他們相信你具備專業的開發能力。
非技術型客戶：強調成果與商業價值
當你的客戶是中小企業或個人創業者時，他們通常不懂技術細節，而是關心你的工作能否為他們帶來實際價值。例如，一位餐飲業老闆希望建立線上訂餐系統，但他不懂技術，對「技術堆疊」也沒有興趣。他想知道的是這個系統能否提升業績、減少人工成本、讓顧客更方便。因此，針對這類客戶，你的作品集應該側重於案例說明，包含專案背景、解決的問題、最終成果與數據，例如「這個網站讓客戶下單率提升30%」，而不是單純列出技術細節。
設計導向的客戶：重視視覺呈現與品牌一致性
當你的客戶是品牌商、電商品牌或行銷團隊時，他們關心的是視覺美感與風格統一性，而不是技術實作的細節。例如，一位服飾品牌老闆希望找人設計一組社群貼文模板，他不會關心這些設計是用Photoshop還是Figma製作的，而是想知道你的設計是否符合品牌形象，能否吸引目標受眾。因此，你的作品集應該著重展示設計風格，提供高品質的圖片、完整的設計概念，並附Behance、Dribbble或Figma連結，讓客戶能夠直觀地評估你的視覺風格是否符合需求。
綜合型客戶：需要靈活調整作品集內容
有些客戶的需求涉及多個面向，例如，一家新創公司希望開發一款APP，他們既關心UI設計，也重視技術架構與開發能力。在這種情況下，若你的作品集過於單一，可能無法完整展現你的能力。最佳做法是針對不同領域準備不同版本的作品集，例如一份專注於UI/UX設計，另一份則強調技術架構與開發過程，這樣才能根據不同客戶的需求靈活調整，確保你的作品集能夠精準打動對方。
因此，一開始要明確你的目標客戶，這樣作品集才能精準打動對方，而不會顯得雜亂或無法吸引適合的機會。
好的作品集應該具備的6大要素
一份優秀的作品集，不只是展示你的能力，更應該幫助潛在客戶快速理解你的價值，並建立信任感。以下是作品集應該具備的關鍵要素：
1. 清楚的自我介紹與專業定位
你的作品集應該開門見山地說明你的專業領域，例如「專注於SaaS產品開發的全端工程師」或「專精品牌識別與UI設計的視覺設計師」，讓客戶一眼就能理解你的核心技能與市場定位。
2. 精選案例，而非堆砌大量作品
作品集不應該只是單純堆放所有作品，而是要精選最具代表性的案例，並確保這些案例與你的目標市場匹配。例如，如果你主要服務科技新創，那麼展示SaaS產品設計或開發案例會比一般電商網站更具說服力。
3. 案例背景與解決方案
單純的圖片或程式碼展示不足以吸引客戶，你應該為每個案例補充背景資訊，例如：「這是為某家新創公司開發的會員系統，目標是提升用戶留存率」，然後說明你的解決方案與貢獻，例如：「透過重新設計UI/UX，讓註冊轉換率提升20%。」這樣的敘述能讓客戶更容易理解你的價值。
4. 數據與成果驗證
如果可以的話，加入量化數據來證明你的工作成效，例如「重新設計後的網站，跳出率降低25%」、「API優化後，請求速度提升40%」，這樣的數據能讓你的作品更具說服力，提升客戶的信任度。
5. 直覺且專業的視覺呈現
作品集的排版應該簡潔清晰，避免雜亂無章的內容堆砌。如果你是設計師，這本身就是對你美感能力的考驗；如果你是工程師，也應該讓專案展示清晰易讀，像是使用卡片式設計來分類案例，或提供 GitHub 連結搭配摘要說明。
6. 聯絡方式與行動呼籲（CTA）
無論作品集是網站、PDF還是簡單的Notion頁面，都應該明確提供聯絡方式，例如Email、LinkedIn、或接案平台連結。此外，可以加上一些行動呼籲，例如「有興趣合作嗎？歡迎來信討論！」，讓客戶知道下一步該怎麼與你聯繫。
透過以上這些要素，你的作品集不僅能夠有效展示你的專業能力，也能提升轉換率，讓潛在客戶更容易做出決策，進而提高你的接案成功機會。
沒有作品集怎麼辦？最好平時就累積Side Project
其實，比起事到臨頭才急著找作品集，最有效的方法是平時就主動累積Side Project。不論是為了解決某個小問題、實現自己的點子，還是純粹為了學習新技術，只要能完成、有成果可展示，就能成為你的實戰證明。
Side Project不需要商業化，也不必太龐大，關鍵是能展現你的能力與風格。這些專案可以放在你的個人網站、GitHub、Behance、Notion或Medium等平台，讓潛在客戶在搜尋你的名字時就能看到。
以下是一些常見的發想與執行管道：
解決自己的痛點：把日常遇到的問題變成產品，例如排程工具、記帳App、小型自動化腳本等。
模仿與改造：挑一個你喜歡的網站或應用，試著重製、優化或加入新功能。
開源貢獻：參與GitHub上的開源專案，累積實戰經驗與人脈。
挑戰題目平台：參加如Frontend Mentor、Dribbble Weekly Warm-up、Kaggle等主題挑戰。
幫朋友或社群做東西：主動幫朋友設計海報、開發活動報名網站、製作社群 BOT 等。
紀錄學習歷程：把你學會的新技術或解法整理成部落格、教學影片或Notion範本。Side Project的價值，不只是讓你練功，更是你與客戶溝通時最有說服力的「非商業作品集」。尤其在你還沒太多實戰經驗時，它們能說明你的主動性、邏輯思維、執行力與品味。
節錄自：博碩《不想上班的勇氣：軟體工作者的第一本接案指南》／陳泰銘（Taiming） 著
獨家課程推薦：【設計師接案必修課】從作品集到報價，系統化讓專業變現
[joblist_plugin title='更多104【軟體工程類 接案】工作機會' url='https://www.104.com.tw/jobs/search/?jobcat=2007001000&mode=s&page=1&ro=2&keyword=%E6%8E%A5%E6%A1%88&order=15' amount='4']
更多【自由接案】分享：
上班族也掀「斜槓兼職」熱潮！高薪兼職時薪破千，兼職工作機會懶人包
接案族該如何報稅？一文搞懂「接案外包」的報稅技巧，趕快收藏！
設計接案合約必備5大要素！保護權益必知，終結客戶鬼打牆
接案報價不是憑感覺！給新手的基礎報價公式參考
2025 最完整免費接案平台、接案社群總整理（附設計、行銷外包接案工作機會）
擠進IT業不看學歷！「IT支援」超缺人才，遠距工作年收300萬
全球IT支援人才的需求持續攀升！相較於其他科技業職缺，IT支援所需技術門檻較低，很多企業甚至不要求大學文憑，更提供吸引人的遠距高薪機會。全球勞動市場分析公司Lightcast指出，製造業、醫療照護、教育、科技業和商業領域更是對IT支援求才若渴。
編譯／張詠晴 由天下雜誌授權轉載
當全球企業紛紛建置人工智慧和雲端等新技術，預估未來十年，IT支援人力需求將增加至少15%。相對其他科技業職缺，IT支援所需技術門檻較低，很多企業甚至不要求大學文憑。薪資級距頗大，但不乏一些可遠距工作又給出325萬至488萬台幣年薪的好職缺。
技術支援（IT support）也許不是科技界最光鮮亮麗的頭銜，但如果你想要擠進高薪圈，這或許是條聰明的職涯路徑。
Google副總裁格維爾伯（Lisa Gevelber）同時也是Grow with Google 成長計畫負責人，致力與所有人分享成長契機。
格維爾伯告訴CNBC Make It，IT支援經常被認為是幕後工作，但其實薪水非常有競爭力，職缺機會多，且工作有彈性。
隨著愈來愈多企業數位化，採用人工智慧和雲端運算等新技術，IT支援人力需求大增且急切。
美國勞工統計局預測，未來十年，IT支援需求將增加至少15%，成長速度是所有職業平均值的三倍以上。
格維爾伯說，美國目前有30萬IT支援職缺待補。她說，在Google搜尋上，IT支援和IT支援技能搜尋字串在2024年衝上20年新高。
如何錄取IT支援工作，並找到最佳就業機會？
首先，IT支援工作無須特定文憑。
為了因應IT支援人力短缺問題，許多企業已經不要求大學相關系所文憑。大部分職缺要求的是高中同等學歷文憑，以及必須完成線上的認證或培訓。
像是Grow with Google就提供IT支援技術證書。Google職業專業證書計畫（Google Career Certificate Program）就提供相關技術課程，除了IT支援之外，也有網路安全和數據分析等。其他像是亞馬遜網路服務公司（AWS）和非營利組織CompTIA也提供類似的課程和認證機制。
在IT支援領域當中，還有包含幾個項目，資訊科技支援專員／技術員、服務台技術員／分析師，以及服務台分析師等。
資訊科技支援專員／技術員（IT support specialist/technician）：負責為電腦使用者提供協助，包括回答問題、解決技術問題，以及維護公司的網路、軟體和電腦設備。
服務台技術員／分析師（Help desk technician/analyst）：服務台技術員為終端用戶提供技術支援和故障排除服務，協助解決他們的電腦硬體或軟體問題，比方說重設密碼、軟體安裝等。
服務台分析師（Service desk analyst）：服務台分析師透過電話、網站或電子郵件為需要協助解決技術問題的電腦使用者提供建議。除了處理基本問題外，還負責更複雜的技術支援和長期IT策略規劃。
格維爾伯說明，雖然例行的工作任務有些許差異，但所需具備的核心技能大致相同。像是，必須診斷和解決技術問題，如排除電腦的帳號，或是軟體使用上的問題。
總之，就是為任何不嫻熟電腦知識的客戶或同事，排除使用軟、硬體上遭遇的疑難雜症。
如果能夠具備良好的溝通能力和客戶服務技巧兩項軟技能，就更加分了。
格維爾伯解釋，「你需要懂技術，又善於與人相處。IT支援是一個解決問題的角色，需要聆聽和理解問題。因為服務對象的技術能力各不相同，有時候更需要花時間溝通」。
如果願意花心思，記錄下個別服務對象的需求和服務經驗，也可以快速累積實力。
格維爾伯說，如果你同時具備上述軟、硬實力，那基本上就能在這個領域如魚得水了。
遠距工作，年薪破325萬的機會
根據全球勞動市場分析公司Lightcast，所有產業都需要IT支援，其中製造業、醫療照護、教育、科技業和商業領域更是對IT支援求才若渴。
IT支援領域薪資中位數為5萬7890美元，相當於188萬台幣。薪資前25%族群，年薪相當239萬台幣。
少數一些產業，甚至同意求職者遠距工作，並開出10萬至15萬美元年薪，相當於325萬至488萬台幣。
格維爾伯說，IT支援是企業組織迫切需要的角色，並且人力需求大增，而且相信這樣的需求不是曇花一現。
[joblist_plugin title='104【IT support】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=it+support' amount='3']
資料來源：CNBC, US News, CIO.com
（原文標題：超缺人！擠進IT業不看學歷，遠距工作年收300萬）
推薦閱讀：
IT人才必看！「最佳IT雇主獎」30間公司上榜
前進IT產業！非本科系的前端工程師之路怎麼走？
「安靜離職」再進化 2025職場趨勢：「報復性辭職」
擺脫窮人思維 怎麼用3000元，決定你跟有錢人的差距
員工在考慮「報復性離職」的4個跡象
AI生成簡報工具怎麼選？Gamma、Felo、Gemini Notebook等6大AI簡報工具推薦
用AI簡報工具製作PPT、Google Slides，哪個工具適合我？本文一次比較包括Gamma、Manus、Canva AI、Gemini Canvas、Felo、Gemini Notebook（原NotebookLM）等6大AI簡報工具，包括特色、優缺點與適用情境，幫你快速選對工作效率神器！本文節錄自《超有料！職場第一實用的AI簡報術》。
文／廖韋評
本文目錄（點擊可快速前往）
目前市面上有哪些常見的AI簡報工具？Gamma：AI簡報的先驅者Manus：自動化程度最高的簡報工具Canva AI：追求設計感的高手專用Gemini Canvas簡報模式：一鍵連動Google SlidesFelo簡報模式：搜尋到簡報一氣呵成NotebookLM簡報生成：把大量資訊轉為精緻簡報
（編按：NotebookLM於2026年7月更名為Gemini Notebook。以下為原始文章：）
以往我們要製作一份投影片，需要先挑選範本、打上文字、放入圖片，然後新增一張投影片、重複以上動作十幾次。而且資料放完之後，還需要注意資訊會不會太多、版面好不好看，然後大量的調整……，現在有了AI簡報工具之後，這些都不再是問題！
編按：為了確保AI能夠做出精準符合需求的簡報內容，作者建議先定義簡報需求，做資料蒐集及資料彙整之後，透過投影片大綱規劃模組，生成完整投影片大綱，接下來就可以正式進入以AI簡報工具生成投影片的環節。延伸閱讀：用AI做簡報，建議先「生成大綱」！簡報大綱規劃模組Prompt分享
目前市面上有哪些常見的AI簡報工具？
本書挑選了Gamma、Manus、Canva AI、Gemini Canvas、Felo、NotebookLM這六種AI簡報工具作為代表，可能有些讀者會很困惑該怎麼選擇，這邊簡單提供一個簡單的比較表格：
工具比較GammaManusFeloCanva AIGemini CanvasNotebookLM指定文字內容VVXXVV生成頁數上限10/20/7512/2420-3030-4030-4015-20版面平衡最佳尚可最佳普通尚可最佳素材設計感尚可普通普通最佳普通最佳使用上傳背景VVXVXXAI圖片生成VVVVXV自訂視覺風格VVVVXX批次調整VVXXVX手動編輯板塊式介面僅能微調僅能微調自由調整XX進階投影VVXVXX匯出格式PDF/PPTX/PNG/Google slidePDF/PPTX/Google slidePDF/PPTXPDF/PPTX/MP4/JPG/PNG/GIFGoogle SlidePDF
圖／旗標《超有料！職場第一實用的AI簡報術》
電腦版大圖：請開啟瀏覽器輸入網址：deck.tw/decktool
接下來我們將一一評比分析每個投影片工具的優點、缺點，讓大家可以根據需求挑選出最適合自己的工具！
Gamma：AI簡報的先驅者
Gamma擁有穩定的簡報生成品質、多樣化的視覺範本與豐富的設計功能，生成速度極快、但在文字量較多、邏輯複雜的情況下容易表現不佳。
優點缺點● 模組式設計介面對新手友善● 多種視覺邏輯模組可套用● 支援輕鬆更換主題配色● 可透過Agent以自然語言修改投影片● 投影片生成速度極快● 免費額度不補充（付費版則不受限制）● 免費版單次生成頁數僅10張● 無法整合搜尋，大綱規劃能力較差● 除了上傳模式外，無法整合圖片素材● 太多人使用，容易看得很膩
網址：https://gamma.app
使用方法：
「生成模式」讓AI根據提示詞生成主題大綱
「匯入模式」用現有檔案內容產生簡報
「貼上文字模式」貼上指定簡報大綱，100%指定生成內容
圖／旗標《超有料！職場第一實用的AI簡報術》
Manus：自動化程度最高的簡報工具
Manus具備極高程度的自動化整合能力，可以完美遵守本書提供的指令模組來產出內容，但在細節版面、字體比例與邊界控制上仍顯得不夠穩定，編輯功能也相對陽春，適合製作專案導向的投影片。
優點缺點● 規劃、搜尋、整合文字一氣呵成● 可整合使用者上傳圖片素材● 投影片可整合訊息較多● 點數制度無法吃到飽使用● 字體常常出現過小情況● 設計容易超出16:9邊界導致文字被吃掉● 編輯功能較為薄弱，無法自由新增內容
網址：https://manus.im/
使用方法：點擊輸入框下方的「投影片模式」（製作簡報），再輸入想製作的簡報主題。可提供標題、上傳舊PPT，或直接提供完整簡報大綱與參考資料
圖／旗標《超有料！職場第一實用的AI簡報術》
Canva AI：追求設計感的高手專用
Canva AI擁有龐大的設計素材庫與完整編修工具，能在「素材美感」與「調整彈性」上提供最強大的支援，但在自動文字編排與資訊密度控制上有許多不足，常需依賴使用者自行調整平衡。
優點缺點● 模板素材的整體設計感較好● 強大Canva設計工具可做精細編修● 投影片張數不受限制● 無法100%自訂投影片內容● 僅協助套版、文字容易過小● 偶爾會出現英文內容，須付費功能才能批次翻譯
網址：https://www.canva.com/ai/
使用方法：點擊輸入框下方的「設計>簡報」，可輸入想製作的簡報主題，並選擇「分享對象」、「風格」、「長度」
圖／旗標《超有料！職場第一實用的AI簡報術》
Gemini Canvas簡報模式：一鍵連動Google Slides
Gemini Canvas設計的簡報版面一如Google的簡潔俐落，強大的資訊處理功能使其可以處理較多頁數的投影片設計，適合較龐大的商務任務。缺點是生成時間較久、以及需要發佈到Google Slides才能做細節編輯。
優點缺點● 設計風格簡約● 可發布至Google Slides以利後續編輯● 投影片張數不受限制● 指令複雜時無法穩定觸發簡報模式● 輸出到Google Slides時會些微跑版● 投影功能較薄弱● 多次編輯時容易有Bug● 預設從網路抓取圖片
網址：https://gemini.google.com/canvas
使用方法：選擇「Canvas」模式，在指令輸入「請幫我製作一份關於OO的簡報」，就會進入簡報製作模式。如果想匯出簡報，點擊Canvas區塊上方的「匯出成簡報」，即可至Google Slides更自由的做細節編輯。
圖／旗標《超有料！職場第一實用的AI簡報術》
Felo簡報模式：搜尋到簡報一氣呵成
Felo的投影片設計質感令人驚豔，可以把搜尋的內容轉變為大綱。但是不支援指定內容的大綱，同時投影片生成之後就不支援批次調整，匯出時跑版情況嚴重，比較偏向小型或輕量化的研究主題。
優點缺點● 自訂Agent模式可容納一萬字左右的Prompt● 可直接將搜尋結果轉為投影片● 產出前會產生三種TA的StoryLine供你選擇● 設計質感良好，整體風格穩定● 點數制度無法吃到飽使用● 產出之後無法批次調整或再製● 編輯功能較為薄弱，僅能微調介面元素項目
網址：https://felo.ai/
使用方法：在首頁點擊「AI簡報」，或在回答頁選擇「生成AI幻燈片」、「轉換至AI簡報」。
圖／旗標《超有料！職場第一實用的AI簡報術》
NotebookLM簡報生成：把大量資訊轉為精緻簡報
NotebookLM的簡報模式是目前整體簡報設計評價最高的工具，透過圖片生成的方式，能夠根據主題內容產生豐富的輔助設計。
優點缺點● 整體設計感最佳‧ 可在投影片中呈現大量訊息● 能根據簡報內容呈現視覺化邏輯● 可直接在NotebookLM中完成簡報● 使用圖片方式生成，後續調整不方便● 文字過小時，仍然會出現亂碼● 無法將來源圖片直接整合到簡報中
網址：https://notebooklm.google.com/
使用方法：於工作室區塊選擇「簡報」，或點編輯圖示選擇「自訂投影片」調整格式、語言、長度，以及輸入大綱、目標對象、樣式和重點。NotebookLM會自動整合來源內容產生投影片大綱，並根據大綱產生高度視覺化的投影片。
圖／旗標《超有料！職場第一實用的AI簡報術》
延伸閱讀：NotebookLM簡報怎麼編輯？5招修改法實測，轉PPTX、線上改都行
你可以看完這些工具的比較之後，選擇自己相對有興趣的工具開始體驗！
節錄自：旗標《超有料！職場第一實用的 AI 簡報術：用對工具讓生產力全面進化！》／廖韋評 著
★ 104學習推薦：建立「職場簡報力」標準，讓你的能力被看見 ★重量級講師王永福、謝文憲、葉丙成共同發起認證＋考前影片：▶ 台灣簡報認證 - 初級｜通過認證回傳104履歷
[course_plugin api_type='course_id' title='104學習推薦：' id='39d7b0fe-6384-450f-aee8-eaa8932b544d']
整理包／最熱門生成式 AI 大拚場 ChatGPT、Gemini、Grok、DeepSeek 各擅長什麼？
2025-06-24報導／經濟日報記者吳康瑋 由聯合新聞網授權轉載
生成式人工智慧（GenAI）技術迅猛發展，多款強大的AI工具幫助各行業提升工作效率。《經濟日報》為協助讀者了解各項AI工具，將「ChatGPT、Gemini、Grok、DeepSeek」等四大生成式AI列出，為讀者分析四款生成式AI的各自效能，就「開發者」、「訂閱費用」、「主要功能」及「擅長領域」等細項逐條分析。
AI工具確實快速提升效率，不過使用者也要注意，目前的AI工具不保證完全正確，甚至也會答非所問、提供錯誤資訊、或產生「AI幻覺」，使用者對生成的資料仍應有基本的辨識能力，避免AI工具謬誤。
各家生成式AI重點馬上看
ChatGPTGeminiGrokDeepSeek使用建議
ChatGPT
OpenAI的ChatGPT堪稱帶動GenAI風行的先驅，也有廣大用戶，付費企業客戶近期突破300萬戶，有免費與付費模式，每月20美元的ChatGPT Plus訂閱費每月20美元，用戶指出，付費版反應速度更快，用戶在使用ChatGPT時隨時擁有最佳的使用品質。
「資料分析」方面，ChatGPT的優勢在於將資料壓縮、精簡化，適合急需快速獲取關鍵訊息的使用者。「文案生成」上，適合創作個人化內容。「圖表製作」方面，ChatGPT的圖表較為簡單，但圖片較無法把文字一起生成出來，繪圖時整體構圖比較簡單。
網址：https://chatgpt.com/
ChatGPT小檔案
開發者OpenAI付費版費用每月20美元（約新台幣610元）主功能提供文本生成、對話回應、內容創作、翻譯、問題解答等多種功能擅長領域自然語言處理、文本生成、教育輔助、創意寫作、客服支持等
Gemini
Google DeepMind開發的Gemini專注於多模態學習，能同時處理文本、圖像和音頻數據。版本包括2.0、2.5和最新的2.5 Pro，推理和數據處理能力進步快速。Gemini 2.5 Pro提供更強大的計算能力和更高準確性，讓用戶在處理複雜任務時能獲得更佳體驗。付費版額外提供用戶包括2TB儲存空間、Gemini Advanced和其他AI功能。
「資料分析」方面，Gemini提供的內容易於閱讀，文法經過重新梳理，適合需要清晰解釋的使用者。在「文案生成」上，Gemini能一次生成多達15個標題，提供選擇建議，對於需要多樣化提案的用戶非常方便。「圖表製作」方面，Gemini 的完整度高，使用者可選擇不同的圖表類型，並能下載圖片、Excel或JSON格式的數據。
網址：https://gemini.google.com/
Gemini小檔案
開發者Google DeepMind付費版費用每月19.99美元（約新台幣650元），可免付費試用一個月主功能強大的推理能力，擅長處理複雜的問題和情境，能同時處理文本、圖像和音頻數據等多模態文件擅長領域AI推理、圖像理解、科學研究和技術開發
Grok
Grok是由X（前稱 Twitter）開發的生成式AI，專注於社交媒體內容的生成。最新版本Grok3提供更強大的功能，能即時生成與當前熱點話題相關的內容，結合社交媒體數據分析趨勢，提升用戶互動的實時性，成為品牌營銷和社交媒體管理的理想工具。
「文案生成」方面，Grok風格簡潔有力，類似科技周刊的風格，適合快速傳達訊息。「圖表製作」方面，Grok可以較為輕鬆的運用文字組成圖表，並附上有關的資訊數據，對於需要快速理解數據的使用者來說很實用。
網址：https://grok.com/
Grok小檔案
開發者應用程式X（前身為Twitter）付費版費用每月30美元（約新台幣970元）主功能即時生成與當前熱點話題相關的內容擅長領域社交媒體互動、內容創作、即時訊息生成和品牌營銷
DeepSeek
DeepSeek專注於資料搜尋和訊息檢索，開發商為位於中國大陸的「杭州深度求索人工智慧基礎技術研究」，中資避險基金幻方量化創立的人工智慧公司，創始人暨執行長梁文鋒持續致力將大陸AI技術推向全球市場，提供R1和R2兩種不同的服務模式。
「資料分析」方面，DeepSeek提供前言和總結，讓懶人可以快速理解內容。在「文案生成」上，DeepSeek的口語化風格能夠生成10個標題，附上創作理念和選擇建議，適合需要親民語言的使用者。「圖表製作」方面，DeepSeek使用文字排列呈現，提供Python程式碼，對於技術使用者來說相當便利。
網址：https://www.deepseek.com/
DeepSeek小檔案
開發者中國大陸企業「深度求索」付費版費用每100萬（輸入）tokens收費人民幣16元（約新台幣66.68元）主功能資料搜尋和訊息檢索，利用生成式AI技術提升搜索引擎的智能化，提供相關建議和訊息過濾功能擅長領域資料搜尋、訊息檢索、知識管理和數據分析
使用建議
生成式AI工具已經落地商業化，從自然語言處理到多模態學習、社交媒體互動及訊息檢索等多種服務都能提供，競爭也更加激烈。用戶可根據自己的需求，選擇最合適的AI工具，以提升工作效率與創造力。
綜合比較四款生成式AI後，提供讀者幾點建議。若需要多樣化的文案提案，可考慮Gemini；若喜歡口語化一點的表達，可選擇DeepSeek。AI繪圖方面，生成多幅圖片建議可使用Grok，若希望作品有較高的品質，可選擇Gemini。在「資料分析」方面，若希望能獲取較「簡潔明瞭」的資料，建議選擇「ChatGPT」，讀者若希望能得到比較容易理解的內容，應該選擇Gemini。
針對「表格整理」方面，若要以更快的速度掌握大致上的資訊，建議選用ChatGPT；若讀者希望在表格中能得到較「詳細」的內容，可考慮DeepSeek。針對「生成圖片」功能上，若讀者追求圖表要具有充分「完整性」的類型，建議使用Gemini。
推薦閱讀：
AI聽話卻沒懂你？OpenAI揭露AI「裝乖」假象與職場真風險
AI強勢取代！企業寧僱AI也不找菜鳥，今年畢業生有多慘？
除了ChatGPT，還有哪些生成式AI？16種AI工具應用解析
打造ChatGPT行政小助理：專屬AI助理幫你處理瑣碎行政工作
[course_plugin title='推薦AI相關課程' keyword='AI' amount=2]
六大科技廠 唱旺矽光子…台積喊引領AI系統全面解鎖
2025-09-09 經濟日報記者鐘惠玲、黃晶琳、朱子呈 由聯合新聞網授權轉載
台積電（2330）、輝達、博通、Google、日月光投控、格羅方德等六大科技廠昨（8）日齊聲唱旺矽光子後市，台積電直言，在矽光子與共同封裝持續創新下，未來AI系統將被全面解鎖；Google更高喊「矽光子將成為AI算力競賽的祕密武器」。
台灣國際半導體展（SEMICON Taiwan 2025）將於10日至12日開跑，主辦單位國際半導體展業協會（SEMI）昨天先舉辦「矽光子國際論壇」。
六大科技廠唱旺矽光子
公司名稱內容工作機會台積電在矽光子與共同封裝持續創新下，未來AI系統將被全面解鎖看職缺輝達AI超級電腦的運作方式將取決於連接架構，矽光子扮演要角看職缺Google矽光子將成為AI算力競賽的秘密武器看職缺博通光學互連將走入機櫃內外的日常布建看職缺日月光投控封裝能提供最佳化元件的異質整合方案，也同時是電力傳遞的解方看職缺格羅方德重視矽光子發展，已在美國紐約廠區量產相關技術看職缺
「矽光子國際論壇」邀請台積電處長黃士芬、輝達網路部門資深副總裁Gilad Shainer、博通資深業務發展經理周子豪、Google Cloud全球晶片科技與製造副總裁Rehan Sheikh、日月光投控半導體製造處長林弘毅、格羅方德矽光子事業資深副總裁Kevin Soukup等大咖暢談矽光子應用趨勢，為今年大展暖身。
六大科技廠代表均認為，AI的極限已從算力轉向「頻寬×能效」，唯有把光學互連與先進封裝推到系統核心，才有下一個量級的AI。
黃士芬分享，台積電積極投入矽光子研究，發展出緊湊型通用光子引擎（COUPE）技術，結合系統整合晶片封裝（SoIC），讓電子積體電路（EIC）與光子積體電路（PIC）直接鍵合，縮短連結。他強調，矽光子將成為AI算力競賽的祕密武器，唯有封裝技術、光學互連與資料中心架構的持續創新，才能推動AI規模化發展。
Gilad Shainer說，輝達從「網路定義資料中心」出發，隨著資料中心從以CPU為核心轉變為伺服器驅動，網路已成為定義資料中心的關鍵，AI超級電腦的運作方式將取決於連接架構，矽光子扮演要角。
周子豪指出，博通積極協助客戶開發ASIC晶片，並發現CPO進一步把光引擎貼近ASIC後，可將單一晶粒（die）頻寬與密度推到新檔位。對伺服器廠與營運商而言，這代表光學互連將走入機櫃內外的日常布建。
Rehan Sheikh指出，AI算力正以每年十倍速度成長，推論處理符元（tokens）更飆升50倍。因應龐大需求，Google以自家Ironwood運算架構，整合9,216顆晶片與1.77PB 高頻寬記憶體（HBM），並導入光學電路交換（OCS）與光學互聯技術，強化資料中心效能，預期「矽光子將成為AI算力競賽的秘密武器」。
林弘毅則提出日月光內部研究結果，強調「封裝能提供最佳化元件的異質整合方案，也同時是電力傳遞的解方」，日月光也正積極投入CPO，部署相關技術。
Kevin Soukup提到，格羅方德在美國紐約廠區量產矽光子，並於同園區興建先進封裝與光子中心（APPC），以在地化能力支援從設計到封裝的串接。其技術重點落在 PIC／EIC 疊合、可拆式光纖與微光學等量產化路線，並以客製化PDK服務系統級需求，縮短產品化周期。
[joblist_plugin title='更多104【台積電】工作機會' url='https://www.104.com.tw/company/a5h92m0' amount='2']
[joblist_plugin title='更多104【輝達】工作機會' url='https://www.104.com.tw/company/1a2x6bm42t' amount='2']
[joblist_plugin title='更多104【Google】工作機會' url='https://www.104.com.tw/company/ctzow2g' amount='2']
TPM是什麼職位？成為「技術PM」需要具備的6大能力
如何成為優秀的技術產品經理（Technical Product Manager, TPM）？本文透過工程師視角，解析成為TPM所需的6大關鍵能力，無論是想轉職技術PM，或是希望提升職場競爭力的PM，都值得參考。
文／朱麒
本文目錄（點擊可快速前往）
印度資深後端工程師對TPM的6個建議1. 了解基本的電腦科學（Computer Science）2. 注重細節3. 了解組織產品的軟體架構4. 開發排序5. 高度文件化6. 掌握大事總結：3個建議培養「專業」
印度資深後端工程師對TPM的6個建議
Arihant Kumar Jain是一位印度資深後端工程師，這篇文章摘要他在《An Ideal Technical Product Manager, Extract from an Engineer’s Diary》對於技術PM（Technical Product Manager，簡稱TPM）的建議。
「我們往往不會珍惜好的人或產出，直到體會到賽的。」這句話是我出社會後幾年的心得。
遇到神隊友不但可以把事情做得又快又好、甚至還可以偷學幾招；遇到雷隊友不但把事情做的又慢又鳥，甚至還可能被拖下水。
神隊友不見得跟我們是同職位的人，也不見得是同年資的人。但只要這個人夠厲害，我們就應該試著觀察與分析、甚至聽聽他們的建議（如果他還願意給建議的話），我有過太多次「聽君一席話，勝讀十年書」的工作場景，因此只要遇到就會特別珍惜。
這篇文章討論的雖然是技術PM，但內容值得其他PM職位的人學習。包含：
了解基本的電腦科學
注重細節
了解組織產品的軟體架構
掌握排序
高度文件化
掌握大事
1. 了解基本的電腦科學（Computer Science）
Product Manager依據專精的項目不同，可以再分成：
Business product manager
Marketing product manager
Technical product manager（TPM）
從字面上就可以看出，3個職位在專業上分別著重於商業、行銷、技術。
以TPM來說，至少對於技術討論、解決方案的構想、資訊架構都要有基本了解，例如設計API 時要知道REST, CRUD, HTTP status code……的觀念。
這就像對於UI設計，PM要了解公司目前的UI Library大概有哪些Componet，才不會鬧出像是「PM想這樣設計，但因公司的UI Library不支援，而要花更多時間成本客製化」的窘境。
要了解軟體技術，最基礎的學科就是電腦科學（Computer Science）。除了在職場上邊做邊學，也要定期補充學科知識，才能了解軟體技術的基本原理。
2. 注重細節
對於一個已經工作2-3年的PM來說，寫Spec應該算是駕輕就熟的事情。但決定「好」跟「專業」的Spec， 差別就在於文件的細節。
例如寫UI的User Story時，除了User Story、Functional Map、UI Flow之外，記得要規劃錯誤訊息（Error Message） 這種反面案例。如果PM不規劃，就會麻煩到QA、Developer甚至 Designer幫忙規劃，反而讓其他人有「PM是不是都沒先想這塊」的念頭。
如果是API的User Story，則要先跟Senior工程師或是主管確認是否有API文件（例如 Swagger），仔細考慮每個資料節點的收集與傳送。
「好」跟「專業」的一線之隔，在於細節。
3. 了解組織產品的軟體架構
軟體開發除了注重 Coding 的技術細節，設計完善的軟體架構也非常重要。
許多公司開發求快的結果，就是在產品上線後要不斷地花時間進行重構（refactor）。這就像是蓋一棟危樓，草草成案就動土開工，後續必須花大量時間進行修補工程才能支撐不倒。
TPM在整個過程中，可以協助當紀錄與畫圖的角色。
透過和工程師一起討論架構、整理結論、用繪圖工具畫成流程圖、系統架構圖，都能夠幫助自己對於組織的產品軟體結構更加了解，在設計產品時能夠更有Sense。
共同參與技術討論，協助紀錄與整理資訊讓自己更理解產品。
4. 開發排序
排序（Prioritization）是PM最重要的工作之一，這項技能也決定了一個PM是否有好的產品管理Sense。
排序其實是由多項子技能組成，包含產品決策、利害關係人管理、責任感、邏輯推理、成本與效益衡量……。對於TPM來說，還加入了技術方面的考量，除了考量商業利益，也必須考慮到系統是否會產生過多的技術債（Technical Debt）。
對於TPM來說，必須多分析技術方面的效益與成本，與商業決策作權衡後再做開發排序。
5. 高度文件化
不論是軟體開發還是其他領域的工作，都一定會有「問題-討論-決策-行動」的步驟，且都會面臨到「到底當初這個決策是怎麼做出來的？」問題。
場景通常會像是：一群人開始翻箱倒櫃，找Email、找線上文件區、找桌子旁的紙張、找通訊軟體的對話……這個現象你在公司中一定不陌生。
一個好的PM要非常重視「寫文件」這件事情，因為有事情別人第一個就是找PM確認。
對於TPM來說，還要多紀錄「功能技術決策」的原因。例如：
這個功能最後決定不多開資料庫欄位是因為……
前後台將透過這3隻 API 進行溝通，因為……
事實上公司中的每位角色都要有「寫文件」的意識，否則發生上述問題的時候，就只會有一句：「我不知道，那是xxx叫我做的。」
6. 掌握大事
身為PM，組織中的利益關係人有事沒事都會第一個想到你，因此重要的事情都必須要能大致掌握。舉例來說：
工程師會質疑你的決定還有產品需求細節
主管會確認產品開發進度
老闆會詢問這個專案的成本與效益
這麼多的事情，PM要做的就是Get shit done。這仰賴於對大局的理解、對資訊的掌握。
當然人的大腦也沒辦法記那麼多事情，因此我們只要知道需要的時候去哪裡查就好，這件事的前提是有做好「文件化」這件事。
「我不需要知道所有的事情，只要知道在我需要的時候去哪裡找到它。」— 愛因斯坦
( I don’t need to know everything, I just need to know where to find it, when I need it — Albert Einstein）
總結：3個建議培養「專業」
最後我將Arihant Kumar Jain提的6個建議，總結成下方3點：
1. 多跟不同職位的人學習，聽聽從他們的角度是怎麼需要你的
我們以為自己做到的，可能跟別人實際感受到的不同。一個有效的策略是跟不同職位的人聊天，問問他們：你覺得一位PM應該要能夠做到什麼事情？
2. 親自參與討論，才能培養專業的Sense
身為一個TPM要參與重要的技術決策、身為一個Marketing Product Manager要參與市場行銷的討論、身為一個Business Product Manager要參與公司商業策略的制定。
只有實際參與才能獲得深入的洞察。
3.注重細節，多想一點
「好」跟「專業」的一線之隔在於細節，細節來自於規劃時的多方面考量，多方面考量來自於過往經驗的總結。
定期做工作成果盤點，將收穫應用在下一次的規劃上。更多文章分享，可至「朱騏部落格」閱讀。
（原文標題：如何當一個技術 PM？從工程師角度來看 PM 需要具備的能力）
[joblist_plugin title='更多104【技術PM】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=tpm+%E6%8A%80%E8%A1%93%E5%B0%88%E6%A1%88%E7%B6%93%E7%90%86&order=15&page=1' amount='3']
有任何收穫或想分享的，都來和大家一起聊聊吧！