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】
104學習
網路程式設計
指的是利用程式語言開發網站或網路應用程式的能力，涵蓋前端介面設計與後端伺服器架構。具備此技能能讓你設計出使用者友善且功能完整的網頁，提升企業線上服務效率和用戶體驗。在數位轉型浪潮下，相關需求持續增加，是科技產業及許多傳統產業極為重視的重要專業能力。擁有這項技能，能大幅提升職場競爭力與職涯發展空間。
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
軟體安全開發概論
C# .Net Framework系統基礎實作攻略
【2026/12/21開班】Architecting on AWS (AWS架構設計實務)
軟體工程師就業培訓
從實務出發－企業網路安全建置與技術展示| 資安線上課程
Architecting on AWS
AI工程師與企業開發必修！FastAPI後端精通：全面入門與進階實戰指南
.NET開發資料庫應用系統全方位－ADO.NET與Entity Framework(.NET Core)攻略
精選證照
考取專業證照，讓能力被市場看見
IT Expert-網路資訊+網路規劃設計專業人員
IT Expert-網路資訊+網路規劃設計專業人員證照專為具備網路架構設計、管理與維護能力的專業人才設計，涵蓋網路通訊協定、路由交換技術、防火牆設定及安全管理等核心技能，能有效規劃企業網路環境並確保系統穩定運作，適合從事資訊系統規劃、網路工程及資安防護等相關工作，提升職場競爭力。
經濟部ITE資訊人員鑑定
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
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
NETPAW專業級
NETPAW專業級證照專為資訊安全領域設計，涵蓋網路攻防技術、資安管理與漏洞分析等核心能力，強調實務操作與理論知識並重，提升持證者在資安防護、滲透測試及威脅偵測等工作的專業競爭力，適合資訊安全工程師及相關從業人員取得，助力職涯發展及企業資安防護實務需求。
中華民國多媒體英語文教學會
網頁設計規劃師
學習如何網站建置以及網頁設計等服務功能。所見即所得的網站管理後台、並做好維護更新。網路廣告行銷管理以及SEO知識應用層面，提供您在網路整合行銷上提供更好服務。
TIPCI臺灣國際專業認證學會
動態網頁程式設計 PHP5
動態網頁程式設計 PHP5證照驗證持有者具備使用PHP5語言進行網頁開發的專業能力，涵蓋資料庫連接、表單處理、會話管理及物件導向程式設計等技術，適合從事網站後端開發及系統整合工作，提升求職競爭力並符合企業對動態網頁設計人才的需求。
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
.NET 開發者必看！學會滲透測試思維，加速修補資安漏洞並提升系統穩定性
恆逸開課時間查詢：https://www.uuu.com.tw/Course/Show/1501/1
恆逸學員徐英智：
C# 全端開發兼顧穩定與資料安全
我目前在一家以軟體開發為主的科技公司擔任全端工程師,主要使用 C# 和 .NET 平台開發各類應用程式。工作上,我負責的範圍涵蓋後端系統架構設計到前端畫面的串接。我也會與美編人員、測試人員一起討論技術方案,並處理系統整合的問題。我們的客戶大多是公部門,因此系統在穩定性、擴充性及資料安全方面的要求都非常高。
🎯 藍紅軍攻防實務滿足工作所需
公司正在計畫投標更多不同領域的專案,在證照要求上需要有更多同事擁有 C# 相關證照。我覺得這門課最大的吸引力是內容非常完整,從防禦到攻擊的部分都有涵蓋,特別是針對藍軍防禦與紅軍攻擊等主題,都有搭配實務講解。這些正好是我目前工作上非常需要了解的內容。
🛡️ 從攻擊視角掌握資安防護精髓
講師的教學方式非常豐富,不只侷限於課本內容,而是從多個角度搭配實際案例來說明重點。印象最深的是在講解「程式撰寫的資安防護」時,講師不只是單純地說明理論與原則,而是透過實際的攻擊範例,來展示網站在有防護與沒防護時的差別。透過這樣的實作演示,我能夠更直觀地理解各種漏洞的成因與攻擊手法,也學會了如何在開發階段就建立正確的安全意識。這對我特別有幫助,因為我在工作中經常需要修補系統漏洞、分析滲透報告。課程讓我更清楚地了解滲透測試人員在檢測時的思維與方式,能更有效地從防禦角度思考問題,預先避免潛在風險。這樣的實務教學方式,讓我在資安防護上不再只是照著規範執行,而是真正了解背後的邏輯與意義。
🔍 Proxy 工具實戰應用發現潛在弱點
讓我印象深刻、甚至覺得意想不到的收穫,是學到了 Proxy 工具在滲透測試中的進階應用。以前我只知道這類工具能攔截封包做基本分析,但在課程中,講師深入示範了如何利用 Proxy 來模擬實際攻擊、測試網站的安全防護機制,這才讓我意識到這類工具的潛力。透過上課,我發現可以在專案系統上線前,先用這個工具自行進行測試,檢查是否存在漏洞或防護不足的地方,這不僅能提早發現問題,也能減少上線後修補的時間與成本。上完課的隔天,我立刻將這些方法運用到工作中,重新檢查過去負責的專案系統,找出一些過去未注意到的潛在弱點。實務操作的經驗,也幫助我在考證過程中,能更快速地判斷並找到問題的答案。
🚀 資安課程助學員快速理解攻擊手法強化防護爭取升遷
這門課對我工作的幫助可說是立竿見影。回到公司後,我剛好收到幾份滲透測試報告需要修補漏洞,便立刻回想課堂上學到的觀念與技巧。以前看到這類報告時,常需要花時間去理解攻擊手法與漏洞成因,但現在我能更快掌握滲透人員的思維角度,也能準確判斷問題所在,迅速找到程式中需要修補的部分並完成防護強化。更重要的是,這次的學習讓我對資料防護與網路架構的整體概念有了更深入的理解,能夠以更全面的視角來思考系統安全。我現在也能更直觀地提出自己的建議與想法,並主動分享課程中學到的資安觀念與防護技巧。最後,我希望自己能順利在下個月取得 CASE .NET 的證照,爭取公司提供的額外獎勵與升遷機會。
索取課程優惠：https://www.uuu.com.tw/Forms/CourseInfoRequest?courseId=CASENet&mediaSrc=104
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']
軟體工程師內推管道及注意事項？工程師社群、LinkedIn等求職網以外的找工作管道
軟體工程師「內部推薦」有哪些管道和注意事項？本文作者ExplainThis團隊，曾協助多名軟體工程師成功進入外商科技大廠、海外新創，解析除了求職網以外的找工作管道，包括內推、學徒計畫、工程師網路社群、經營LinkedIn等。
文／ExplainThis（王鵬傑、李俊廷、林品均）
本文目錄：求職網以外的找工作管道（點擊可快速前往）
一、內部推薦內推（Referral）比較容易獲得面試機會內推管道內推該注意的4個事項最好的內推是強內推二、學徒計畫三、工程師的網路社群四、經營LinkedIn
當提到找工作，多數人第一直覺想到的，可能會是求職網。以台灣來說，像是傳統的求職網104、1111，或者新興平台CakeResume與Yourator。而找海外工作，可能第一直覺會想到老牌的Indeed、Glassdoor，或者是新興的LinkedIn。
然而，除了這些求職網，事實上還有許多其他的找工作管道。我們在這個小節將會詳細談幾個不同的找工作管道，讓讀者們能透過不同的管道，增加獲得面試的機會。
一、內部推薦
在找工作上，業界公認比透過求職網站或公司官網申請更有效的方式，是透過內部推薦（referral）。當你上求職網站申請，往往需要先經過前面提到的ATS系統，跟上百位申請者一同競爭，脫穎而出後才可能被真人招募員看到你的履歷。
然而，如果能夠被內推，將有可能跳過這個環節，直接被招募員或用人主管等真人審履歷。這雖然不代表一定會通過招募員或用人主管的篩選，但最起碼能直接省去前面的系統審核。
內推（Referral）比較容易獲得面試機會
你可能會問，為什麼內推比較容易獲得面試機會？因為，通常來自公司內部員工的推薦，表示推薦者對應徵者有一定程度的認識和信任。
與此同時，內部員工對公司文化和工作環境有比較深入的了解，所以推薦的人通常會更適合公司的需求，因此，公司較傾向相信現有員工的判斷，這讓透過內推進來的申請者，比較可能在茫茫履歷海中受到青睞。
內推管道
如果你想要找人幫你內推，在台灣的軟體工程師社群中，有歹晚郎內推互助網絡（https://bit.ly/3FlItvp）與Nex Work（https://work.nexf.org/）等由海外軟體業前輩發起的內推網絡。此外，也可以在LinkedIn或是Blind（https://www.teamblind.com/）上，搜尋「#referral」的標籤，或是找有在該公司任職的人，然後禮貌地發個私訊請對方幫忙內推。
當然，很多時候可能不會立即得到回應，又或者可能對方太忙沒回應，也不要感到氣餒，可以多詢問同一家公司中不同的人幫忙內推。
（圖／博碩文化提供）
內推該注意的4個事項
在找人內推時，如果能依循某些注意事項，會比較容易讓人想幫你忙。以下我們分享幾個建議大家要遵循的原則。
1. 履歷好好寫
在各大海外公司工作的人，也知道自己公司的標準，所以不會來者不拒、盲目內推。你想提高別人內推你的意願，務必要好好寫履歷。好好寫代表著格式上要正確，以及內容描述上要讓人覺得你有達到對方公司想要找的人才水準。假如不知道怎麼寫好履歷，可以參考Chapter 2的履歷撰寫相關內容。
2. 附上想被內推的職位
在多數大公司，光是一個大組可能就幾百人，比一間新創公司還大，因此除非是專職招募的招募員或者是工程經理，不然多數人其實不知道其他組現在有什麼職位開缺。所以不要找人內推時，還說什麼「你有沒有建議我申請哪些職位」，這只會讓人覺得你沒做功課。
大家平常工作已經夠忙了，沒空幫你去看你適合申請的職位，所以務必自己附上。通常大公司的職缺都會有Job ID，可以附上你想申請的。附上你為何適合這個職位：內推的人也不會想自己在公司內的名聲臭掉，所以多半會先判斷你是不是真的適合被內推。如果你想提高別人內推你的意願，就要做到讓別人認為你適合被內推。
要做到這點，務必附上你為何適合這個你想被內推的職位。理想上也要附上為何你適合該公司（建議多做一些功課來研究該公司，進而能闡述你為何跟該公司文化契合）。花時間幫你的這件事本身就很佛心，千萬不要把別人的善意視為理所當然。
可以用的句型是在簡短自我介紹後，提及「我目前在找XX領域的工作，對這個職位很感興趣。過去我在XX領域有OO經歷，我相信我能對這個職位有所貢獻」。
3. 記得表達感謝
假如一個原本跟你不相識的人願意內推你，務必要表達感謝。因為大家平時工作很忙，可能還有家庭事務要兼顧，額外抽時間幫你，這件事本身就很佛心，千萬不要把別人的善意視為理所當然。
即使內推沒有讓你拿到面試機會，也要記得感謝對方。畢竟很多公司冷凍期半年，你之後還可以再嘗試，與對方維持良好關係，這次沒上之後要請對方幫忙也會讓對方更有意願。
最好的內推是強內推
雖然上一段有提到可以找人幫忙內推的管道，但如果要獲得比較有幫助的內推，或俗稱的「強內推」，建議平時就要建立起能幫自己內推的人脈。
所謂的強內推，是指對方在內推時，有註明是「強力內推」。一般來說，多數公司的內推系統，都會詢問「你跟被推薦者的熟悉程度」以及「你有多推薦這位被推薦人」。不同公司具體問的問題可能會不同，但大多不脫離這兩類問題。
而唯有這兩個問題都回答「很熟悉」、「強烈推薦」，並且推薦理由寫得很詳細，才會被認定為是強內推。
當然，一般內推已經比直接在公司網站或人力銀行網站申請來得好，只是如果能的話，獲得強內推會是更好。
至於如何獲得強內推？一個是平時有好的工作表現，可能你現在的同事，未來會去不同公司，如果跟他們合作時，做到對方發自內心會想推薦你，這時要獲得強內推就容易得多。
又或者假如你還是學生，在平常的小組作業中，盡可能地貢獻，在同組的同學心中留下好的印象，未來同學們進到不同的公司，你要找他們內推，也會容易獲得強內推。
另一個則是多參與不同的社群活動，例如貢獻到開源社群，或者是參與技術會議等，這些也是一個你能夠曝光、與他人協作的機會，在這些場合貢獻價值，也相對容易獲得強內推。
上面提到這些要獲得強內推的方式，都是需要時間去耕耘而非速成的。因此，如果你現在還沒辦法獲得任何強內推，建議從現在開始行動，而不是等到要求職時才發現沒有人能為你強內推。
二、學徒計畫
學徒計畫（Apprenticeship Program）是近期各大公司越來越盛行的一個專案，包括：LinkedIn、Microsoft和Google等，都曾推出類似的計畫。
這些專案旨在招募更多元的人到科技公司，其中常見符合此計畫的人條件包含以下：
自學程式
參加過程式戰鬥營（coding bootcamp）
非傳統電腦科學背景
暫時離開工作，並嘗試重回職場
學徒計畫在經歷上的審核以及面試上，技術層面比起正職的初階工程師更簡單一點。多數的學徒計畫也都有轉正職的機制。
部落客「半路出家軟體工程師在矽谷」有一篇專門彙整各大公司學徒計畫的文章（https://brianhsublog.blogspot.com/2019/08/TechApprenticeship.html），並且時常更新，非常推薦有興趣、有需求的讀者可以去看看。
（圖／博碩文化提供）
三、工程師的網路社群
除了上述提到的3點，網路社群是軟體工程師不可錯過的資源。這些社群不僅提供了工作機會，也能幫助你與同業交流、了解產業趨勢，以及許多面試經驗的分享。以下是幾個會張貼工程師工作機會的熱門或相關網路社群：
PTT Tech_Job版：https://www.ptt.cc/bbs/Tech_Job/index.html
PTT Soft_Job版：https://www.ptt.cc/bbs/Soft_Job/index.html
PTT Oversea_Job版：https://www.ptt.cc/bbs/Oversea_Job/index.html
Facebook Front-End Developers Taiwan：https://www.facebook.com/groups/ f2e.tw/
Backend台灣（Backend Tw）： https://www.facebook.com/groups/backendtw/
四、經營LinkedIn
對比傳統的求職網，目前新興的人脈社交媒體LinkedIn已經逐漸成為找工作的首選，特別是對於外商與海外求職，LinkedIn基本上比一般專注於本土市場的求職網有更多的職缺機會。比起求職網投遞履歷，經營Linkedin能夠讓獵人頭或招募員，看到你更多元、更深入的一面，以及看到你更長期的累積。現在已經有許多獵人頭與人資，會直接在LinkedIn上找人選，所以花心思經營LinkedIn將有可能讓自己獲得更多機會。
節錄自：博碩文化《軟體工程師求職策略大全／ExplainThis、王鵬傑、李俊廷、林品均 著 》
[joblist_plugin title='104【外商軟體工程師】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E8%BB%9F%E9%AB%94%E5%B7%A5%E7%A8%8B%E5%B8%AB&order=15&page=3&zone=4,5' amount='3']
[joblist_plugin title='更多104【軟體工程師】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E8%BB%9F%E9%AB%94%E5%B7%A5%E7%A8%8B%E5%B8%AB' amount='3']
推薦閱讀：
軟體工程師談薪水8重點：不掀薪資職級底牌、靠「最後一招」多談一點
軟體工程師履歷範本｜5大地雷別踩：形容詞太多、技術名詞太少
外商軟體工程 | 履歷面試精華，知名外商人資教你
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]
行為改變設計策略與實施流程 行為改變技術 大葉大學國企系
第 3 章 行為改變設計策略與實施流程 行為改變技術 大葉大學國企系
一、章節導言
在前兩章中，我們了解了行為改變的核心概念、理論基礎及各類技術與工具。行為改變不僅依賴單一技術，而需要系統化設計策略與流程，確保干預能有效促進目標行為，並在實務中可操作與評估。本章將介紹完整的行為改變設計流程，包含需求分析、策略選擇、實施計畫、監測與評估，並結合亞洲文化與學生群體案例。
二、行為改變策略設計原則
設計行為改變策略需遵循以下原則：
1. 目標明確
o 行為改變的目標需具體、可衡量、可實行。
o 例：將學生每日蔬菜攝取量從 150 克提升至 250 克，而非「吃得更健康」。
2. 理論支撐
o 所有策略需依據行為改變理論（SCT、TPB、SDT、TTM）設計，確保干預具科學依據。
o 例：針對自我效能低的學生，設計榜樣示範與技能訓練活動。
3. 多技術整合
o 單一技術效果有限，建議結合教育、激勵、社會支持、環境重設等多種技術。
o 例：健康飲食計畫可結合日誌監控、積分獎勵、社群互動與餐點位置調整。
4. 文化與環境適配
o 考量目標族群的文化背景、社會規範與環境條件。
o 亞洲文化中，集體互動與社會期望對行為改變有顯著影響。
5. 可評估性與持續性
o 策略需易於追蹤、測量效果，並能長期維持行為。
o 例：透過數位追蹤 App 持續收集行為數據，調整策略。
三、行為改變設計流程
完整的行為改變設計可分為五個主要步驟：
（一）需求分析與問題界定
1. 收集資料：調查目標群體的行為現況、環境因素、文化脈絡。
2. 界定問題：明確行為改變目標，定義可量化指標。
3. 案例應用：
o 校園運動習慣干預前，調查學生每週運動次數、運動偏好及障礙因素。
（二）目標設定與行為分析
1. SMART 原則設定行為目標（Specific, Measurable, Achievable, Relevant, Time-bound）。
2. 行為分析：運用理論模型，如 TTM 或 TPB，分析行為動機、意圖與阻礙因素。
3. 案例應用：
o 目標：四週內，學生平均每週運動 3 次，每次至少 30 分鐘。
o 阻礙分析：缺乏時間、社群支持不足、缺乏自我監控。
（三）策略設計與技術選擇
1. 策略選擇：依需求分析結果選擇合適技術。
2. 整合多種技術：教育資訊 + 自我監控 + 激勵 + 社會支持 + 環境重設。
3. 案例應用：
o 提供運動影片教學（教育資訊）
o 設置運動打卡 App（自我監控）
o 小組競賽與徽章激勵（激勵 + 社會支持）
o 體育館器材預約優先權（環境重設）
（四）實施計畫
1. 時間安排：明確設定策略實施周期與里程碑。
2. 角色分工：確定負責單位、執行人員與協作群體。
3. 資源配置：場地、工具、數位平台、獎勵資源等。
4. 案例應用：
o 實施周期：八週
o 負責單位：校園運動中心 + 學生社團
o 資源：運動教學影片、App 開發、徽章與積分獎勵
（五）監測與評估
1. 行為追蹤：定期收集行為數據（如運動次數、步數、攝取蔬果量）。
2. 效果評估：分析策略對目標行為的影響，使用前後比較或對照組方法。
3. 策略調整：根據評估結果，修改策略以提高成效。
4. 案例應用：
o 八週後，統計學生運動次數及滿意度，發現部分學生未達標，調整社群激勵方式與提醒頻率。
四、章末重點整理
1. 行為改變策略設計需依據明確目標、理論支撐、多技術整合、文化適配及可評估性原則。
2. 五大設計流程：需求分析 → 目標設定與行為分析 → 策略設計 → 實施計畫 → 監測與評估。
3. 亞洲文化背景需特別考量集體互動、社會規範與環境因素對策略的影響。
4. 策略應靈活調整，確保行為改變可持續並具實務效果。
五、討論題
1. 選擇一個你希望改變的日常行為，依照五步驟流程設計完整的行為改變策略。
2. 討論如何在亞洲大學生文化中，利用社會支持與環境重設策略提高行為改變成功率。
3. 比較不同策略組合（如教育 + 激勵 vs. 社會支持 + 自我監控）的優缺點，並提出實務建議。
六、案例分析
案例 3-1：大學生運動習慣提升計畫
• 背景：某亞洲大學學生運動不足，平均每週僅 1 次。
• 設計流程：
1. 需求分析：調查運動頻率、阻礙因素（時間不足、缺乏動力）。
2. 目標設定：四週內，平均每週運動 3 次，每次至少 30 分鐘。
3. 策略設計：教育影片 + 打卡 App + 小組競賽 + 徽章激勵 + 體育館預約優先權。
4. 實施計畫：八週，學生社團協助管理社群互動，校運動中心提供設備與場地。
5. 監測評估：統計運動次數及自我報告滿意度，根據結果調整激勵與提醒頻率。
• 結果：八週後，學生平均運動次數提升至 3.2 次，參與度與滿意度均顯著提高。
• 分析重點：完整流程設計、策略整合、多技術運用，以及文化與環境適配，是行為改變成功的關鍵。
2025資訊長前瞻報告：平衡資安威脅與AI創新是企業成長關鍵
各國企業領導者為了從競爭激烈、變化快速的商業環境中脫穎而出，都竭盡全力尋找方法應對及解決。為深入了解全球科技業高層─特別是資訊長（CIO）在當前職場中的職責、挑戰和優先事項，《Experis 2025 CIO Outlook Study》針對全球1,393位科技領導者進行調查，結果顯示：企業必須在日益嚴峻的網路安全威脅和持續升起的AI創新浪潮之間找到微妙平衡，才能在未來的商業競爭中穩住腳步。
文／《104職場力》
本文導覽
網路安全是最大隱憂AI創新是驅動企業成長的雙面刃成功轉型的關鍵要素：人才與協作建立防護體系、培養人才是成功之道
網路安全是最大隱憂
隨著2024年網路犯罪的總成本將達到9.5兆美元，報告指出，網路安全成為全球科技領導者最關心的議題，有高達41%的CIO表示這是他們最大的焦慮源。因為企業面臨的挑戰不再僅是技術問題，而是牽涉到聲譽、營運乃至於生存。
調查還顯示，77%的企業計畫在2025年增加網路安全預算，這充分顯現企業對網路風險的重視。不過僅提高相關預算還不夠，報告強調，企業在面對網路威脅時缺乏統一的應對協議，員工對新安全技術的接受度也不高。
這代表企業不僅需要投入更多資源在安全技術上，還必須加強全員的資安意識、培養具備足夠技能的人才，並確保風險管理策略與網路安全防護之間的協調與平衡。
AI創新是驅動企業成長的雙面刃
在持續關注網路安全的同時，人工智慧的浪潮也正席捲各行各業。該報告也指出，AI將成為2025年技術投資的3大重點之一，其中67%的企業計畫增強對AI的投入，因為科技領導者普遍認為AI有助於提高日常生產力。
雖然策略上選擇增強投入，但CIO們對AI的態度逐漸趨向務實，從數據來看，僅有13%的參與者認為「提供AI解決方案是CIO最重要的任務」；多數受訪者認為AI仍處於初步階段，需進一步完善；另有33%的人表示，AI對企業的實際影響仍不清晰。
這樣的謹慎態度說明企業在接受AI創新時，除了重視其潛在價值，也同樣認知到限制。報告後續更提到，企業的關注應放在「如何將整體技術基礎建設與AI相結合，以便更好支持業務需求並實現快速的投資回報」。
延伸閱讀：AI時代主管四大考驗：「AI員工」效率高但有時不受控，如何管理人機協作？
成功轉型的關鍵要素：人才與協作
在面對網路安全威脅和AI創新的雙重挑戰時，人才短缺的問題就越發凸顯。調查發現，全球76%的IT雇主表示「難以找到所需的技術人才」，傳統大學教育也很難跟上瞬息萬變的技術需求；更糟的是，只有28%的企業會定期為IT人員提供最新技術的培訓。
為了解決人才問題，企業需要採取創新的策略，例如與人力資源部門緊密合作、開發多樣的招募管道，並考慮廣納那些有潛力且願意學習的非傳統IT人才。此外，企業還應重新設計IT職位，在其中融入AI相關技能，並提供硬技能和軟技能等全方面的培訓。
報告強調，許多CIO面臨的挑戰並非單一技術難題，還涉及跨部門合作。CIO普遍認為，與運營長（COO）的關係是企業未來成功的重要關鍵，但超過一半的IT領導者卻認為，高層管理團隊對CIO的角色缺乏足夠了解。因此，CIO需要更積極地與其他部門建立信任和合作，明確傳達IT的價值，並爭取重要利益相關者的支持。
延伸閱讀：企業人才培訓重點：把人才當作「人財」訓練專業能力
建立防護體系、培養人才是成功之道
《Experis 2025 CIO Outlook Study》結論點出：在日益複雜的網路安全環境和迅速發展的AI技術面前，企業不能再孤軍奮戰，要取得成功，關鍵在於建立高度韌性的安全防護體系，以務實的態度擁抱AI創新，並積極投資於人才培養與跨部門合作。只有那些能夠在網路安全和AI創新之間找到最佳平衡，並有效整合技術、人才和合作的企業，才能在2025年及未來的商業競爭中持續成長，贏得未來。報告中提出的行動建議，例如將網路安全視為全公司的議題、對AI保持實際期待，以及加強與人力資源部門的合作等，都指引著企業未來的方向，眼下正是企業重審技術戰略、積極應對挑戰、掌握機遇的關鍵時刻。
若企業希望在強化資安的同時優化人資管理流程，避免人事資料被盜取，選擇資安有保障的數位人資系統是企業提升資安韌性與管理效率的關鍵！104 HR Max人資系統通過 ISO 27001、BS 10012、ISO 29100及行動應用APP MAS標章等多重資安管理認證，並設有多層級權限控管、資料加密機制，以及定期弱點掃描等，協助企業安心進行人事、薪資等機密資料管理，讓內部系統風險與營運效率都能兼顧。👉了解更多【104 HR Max】介紹：https://104ha.com/1VReQ
延伸閱讀：
「生成式AI」將成新寵兒？公司導入前請先想好3件事：你是真的需要，還是跟風？
企業如何吸引與招募不同世代人才
企業轉型，為何7成都失敗？管理名師李吉仁：人才出問題，最大元凶是績效評估
問卷設計用AI怎麼做？Gemini輔助6步驟完成Google表單、自動分析結果
市場調查是很專業的工作，不過如果只是小規模的市調，也可以用AI工具幫忙設計，好處是可以快速獲得方向跟靈感，節省憑空構思問題的時間！作者以Gemini示範如何快速完成Google表單問卷，以及運用AI統計問卷結果並加以分析。本文節錄自《最強！Google AI 工作術》。
文／蔡宜坦、施威銘研究室
本文目錄（點擊可快速前往）
問卷設計快速生成！請AI幫忙設計問卷內容如何把準備好的問卷題目製作成Google表單？Google問卷表單回覆怎麼看？讓AI幫你深入分析問卷結果
企業若能掌握消費者的消費意向，便能推出更符合需求的產品或服務。想要了解消費者的需求與意願，最常見的方法就是做「市場調查」，例如新品試用調查、滿意度調查等，這些方式都能獲取消費者最真實的意見回饋。
然而，市場調查是很專業的工作，涉及問題分析、抽樣方法、樣本規模、問卷設計、問卷發放、問卷回收與結果分析等，每個環節都要謹慎處理，以免誤差影響分析結果。市面上有許多公司提供線上市調服務，但是大部分都需要付費。其實如果只是小規模的市調，也可以用AI工具幫忙設計，不僅如此，AI還能統計問卷結果並加以分析，會成為你的市調好幫手！這一節我們就要實做用AI協助做線上市調問卷的過程。
使用AI：
Gemini：https://gemini.google.com/
問卷設計快速生成！請AI幫忙設計問卷內容
假設你已經想好問卷的目標，例如想要問消費者對新產品的購買意願、想要調查某活動的滿意度等，在設計問卷時，就可以透過提示詞告訴AI你想做什麼，讓AI協助生成相關的問題。
下面就以「市集活動滿意度調查」為例，我們要請AI擬出10個問題，詢問消費者對活動中每個環節的滿意度，作為下次辦活動的參考：
【提示詞】幫忙設計〔問卷主題〕問卷要收集〔填入收集資料〕，可以參與問卷填寫後的〔填寫後提供獎勵或進一步互動方式〕我想知道〔描述目標使用者〕的顧客對於〔可輸入更多想提問的項目〕的滿意度和印象好（或不好）的地方請設計〔指定生成數量〕個題目
圖／旗標科技《最強！Google AI 工作術》
輸入提示詞後，AI馬上就做出一份問卷，包含問卷標題、問卷前言、還有10個題目的問答項目。像這樣請AI製作問卷，好處是可以快速獲得方向跟靈感，而且AI整理的問題有明確的架構，例如它先問活動體驗，再問回饋建議，最後才是填寫抽獎資料，這已經具備基本的問卷架構，可以節省憑空構思問題的時間。你也可以再請AI調整或是自行增減項目，製作出更符合需求的問卷。
【問卷設計】GEMINI生成結果：
包括：問卷標題、問卷前言（簡介問卷內容和說明獎勵機制），可提升受訪者的參與意願
圖／旗標科技《最強！Google AI 工作術》
擬出十個問題（節錄）
圖／旗標科技《最強！Google AI 工作術》
如何把準備好的問卷題目製作成Google表單？
假設AI產生的問卷題目大致符合需求，接著就要將題目製作成可正式發布的問卷。目前大多數線上市調都是以Google表單製作的，如果你從來沒有製作問卷的經驗，也可以請AI教你製作步驟，下面就為你示範（如果你對Google表單已經很熟悉，即可略過此部份的說明）。
1. 直接請AI教我們做：AI馬上列出操作步驟，跟著步驟即可將問卷內容建立成Google表單。由於前面已經請AI準備好題目，可以在設定題目時派上用場。
【提示詞】可以教我如何將問卷內容轉換成Google表單嗎？
圖／旗標科技《最強！Google AI 工作術》
2. 登入並新建Google表單：試著按照AI第1個步驟的說明，進入Google表單網頁：https://docs. google.com/forms/。進入Google表單後，會看到一個「+」鈕，按下此鈕就可以建立新表單，要在登入狀態才能使用這功能。
圖／旗標科技《最強！Google AI 工作術》
3. 輸入表單標題及說明：接著會進入「未命名表單」的填寫畫面，請依序輸入表單標題與問題/答案。只要將剛剛AI寫的內容依序複製過來即可。
選取並複製問卷標題，貼到表單標題欄位（可再自行修改）
選取並複製問卷前言，貼到表單說明欄位（可再自行修改）
圖／旗標科技《最強！Google AI 工作術》
4. 輸入表單問題及答案：接著開始輸入問卷中的問題／答案。之前AI已經幫我們把問題列好，直接複製到Google表單中即可，你當然也可以繼續視狀況調整。
複製AI寫好的問卷問題，將問卷的問題貼到表單中
選擇「評分」，就會自動出現五個星等的選項
按此「+」按鈕可以繼續新增下一個問題
圖／旗標科技《最強！Google AI 工作術》
5. 完成後選擇發布：請繼續依照相同的操作，陸續以AI生成的問卷內容為基礎，複製到Google表單，並視需求修改文字內容，表單內容會自動儲存在Google的雲端硬碟裡。最後，按下右上角的發布鈕，即可完成問卷的製作。
按下「發布」按鈕
目前設定是只有知道連結的使用者才能進入問卷頁面，再次按下「發布」鈕即可
圖／旗標科技《最強！Google AI 工作術》
6. 取得問卷連結：問卷發布後，我們只要取得這份問卷的連結，即可分享出去，比如將問卷網址置入社群網站或是電子報，邀請別人來填寫這份問卷。
已經發布的表單，這裡的發布鈕會變成「已發布」鈕，請按一下
圖／旗標科技《最強！Google AI 工作術》
按「複製作答者連結」按鈕。你可以勾選縮短網址項目，讓網址更簡短好記。按複製即可複製此問卷的連結，接下來就可以把這個連結分享給目標消費者了。最後按「儲存」鈕。
圖／旗標科技《最強！Google AI 工作術》
Google問卷表單回覆怎麼看？讓AI幫你深入分析問卷結果
延續前一節的內容，當顧客填完問卷後，可以等累積到一定的量（樣本數），再開始統計資料，以便從數據中統整出有價值的資訊。本節我們要先從Google問卷表單中取出顧客的回覆資料，接著就可以請AI來統計和分析問卷的結果了。
瀏覽Google問卷結果並另存新檔
問卷調查進行一段時間後，當你登入Google表單，切換到回覆頁次，即可瀏覽顧客的回覆。為了方便後續用AI分析結果，我們要將問卷結果匯出成Excel試算表檔案。
切換到「回覆」頁次可查看顧客的回覆。按下「在試算表中查看」即可自動將問卷結果匯出成試算表，點擊「建立」。
接著會自動開啟Google試算表，請執行「檔案 / 下載 / Microsoft Excel（.xlsx）」命令，將檔案儲存成Excel格式，並下載到電腦裡
圖／旗標科技《最強！Google AI 工作術》
提醒：如果下載的是逗號分隔值檔案（.csv），表單中有些中文字會變成亂碼，因此建議儲存為Excel檔。
請AI分析問卷結果
前面我們已經準備好問卷回覆的統計表（Excel 格式 /.xlsx），接下來只要把檔案丟給AI，就可以請AI幫我們分析了，非常方便！
【提示詞】協助分析活動的優缺點
直接把檔案丟給AI，請AI分析活動的優缺點。AI馬上做出優缺點分析報告，你可以看到整體評分、優缺點、改進建議等細節，也可以繼續發問，和AI討論怎麼做會更好
圖／旗標科技《最強！Google AI 工作術》
從這一章就可以知道，以前需要想破頭的文案，還有費時費力的問卷調查與分析工作，現在已經可以靠AI節省大把時間囉！就連研究報告也可以讓AI助你一臂之力喔！
節錄自：旗標科技《最強！Google AI 工作術：以 Gemini 3 為核心，串聯 NotebookLM 與滿滿 AI 工具, 搞定資料分析、簡報製作、 教育訓練等日常工作》／蔡宜坦、施威銘研究室 著
推薦閱讀：
搞定會議紀錄！AI語音轉逐字稿怎麼做？NotebookLM、Gemini操作解析
AI生成簡報工具怎麼選？Gamma、Felo、NotebookLM等6大AI工具推薦
如何用AI準備證照考試？NotebookLM學習備考超實用5步驟完整解析
Vibe Coding時代催生新職缺！「程式清潔」在做什麼？
AI寫程式的「Vibe Coding」掀起熱潮，開發者得以快速生成程式碼，但也意外催生出新興職缺「程式清潔師」。一份調查顯示，95%的工程師仍需手動修復錯誤、額外調整AI生成的程式碼，確保專案安全與穩定。究竟Vibe Coding是革命還是混亂？而「程式清潔」這份新工作，又在做什麼？
文／田孟心編譯 由天下雜誌授權轉載
人們期待，未來大量寫程式工作可能都交由AI氛圍編碼（Vibe Coding）完成，但事實上，高達95%的工程師發現他們還是要手動修復程式碼。負責把混亂程式碼清理好的新角色，正在LinkedIn等求職平台大受歡迎。
氛圍編碼（Vibe Coding）正大行其道。
這個從今年初開始盛行的「自動化寫程式」概念，由電腦科學家卡帕西（Andrej Karpathy）提出。卡帕西表示，有了AI工具後，寫程式將「完全跟隨當下情境氛圍，擁抱指數級成長，甚至忘記程式碼的存在」。
市場研究和IT顧問公司Gartner預測，未來三年內，40%的企業新軟體將由AI機器人創建。
然而，內容平台fastly最近的一份調查顯示，95%的工程師表示，他們還是要花額外的時間來調整AI生成的程式碼。
工程師們發現，AI生成的程式碼存在許多問題，從產生幻覺，到刪除重要的資訊，甚至可能造成專案的安全風險。若不花時間修復，最終的成品可能會漏洞百出。
「使用氛圍編碼，就像請一名聰明的六歲孩子把咖啡壺帶到餐桌，為家人倒杯咖啡，」資深工程師羅芙（Carla Rover）說明，它們有可能做得到，但也極有可能失敗，「而且失敗了，他們很可能不告訴你。」
另一位資深工程師梅勒扎丹（Feridoon Malekzadeh）也將氛圍編碼形容成孩子，不過是「青少年」，「你得請它做15次才能做成一件事，」「最終，他們可能會做出來，外加一些你沒要求的事，並可能把很多東西弄壞。」
梅勒扎丹計算過，她大約花費50%的時間編寫需求，10%的時間進行氛圍編碼，再用40%的時間進行修復。
程式清潔工，愈來愈受歡迎
這一切使AI生成的程式碼，已經成為一個難題，也因此催生了一種新的工程師崗位，稱為「氛圍程式碼清理專家」（Vibe Coding Cleanup Specialist）。
在求職平台LinkedIn上，已經有愈來愈多相關關鍵字的職缺——代表清理、修復程式碼，正在成為一項獨立的工作。
通常，這類職缺更歡迎資深工程師，因為他們才有相應的能力從一團乍看可行的程式碼中找到問題。
資深解決方案架構師哈克（AS Md. Ferdousul Haque）統整，常見的錯誤有：語法錯誤、邏輯錯誤、幻覺資料庫或API（引用不存在的套件、方法或參數）、虛擬資料等狀況，有時候很考驗技術人員的細心與經驗。
哈克舉例，AI工具Gemini幫忙改了一份GitHub個人資料，整體效果不錯，卻在某個網址後面加了一個句號，使得圖片無法顯示。此時，就需要他這名人類手動介入。
科技公司Solution Architecture的工程師麥利（Viored Mirea）指出，雇用一名氛圍編碼清理師非常重要，尤其是AI寫出來的程式碼可能給企業帶來安全風險，「氛圍編碼可能會讓機密資訊外洩，或是對個人資料進行錯誤處理，」他強調，「始終應該有人類要對結果負責。」
然而，也有專家對市場出現這樣的現象感到唏噓。
雲端與通用人工智慧企業負責人愛彼哈納（Abhinav）認為，雇用這樣的「清潔工」簡直荒謬，「企業試圖讓每個人都會氛圍編碼，在專案上省錢，然後卻要花雙倍的錢再去找一個能把混亂局面整理好的人。」
Squad資深技術總監波古斯拉斯基（Oleg Boguslavsky）同意，企業要引進氛圍編碼，必須確保每個人都能掌握驗證、修復的技能，否則，花錢請這些額外的專家，在經濟上將比預期更低效。
（資料來源：TechCrunch, Gizmodo, LinkedIn）
（原文標題：Vibe Coding催生大量新職缺，「程式清潔工」在做什麼？）
推薦閱讀：
【AI工作指南】數發部《AI產業人才認定指引》！盤點AI認證資源、熱門職缺
「Vibe Coding」是什麼？以後還需要程式設計師嗎？
AI世代最夯新職位》為什麼他們零經驗，年收20萬美元起跳？
助你當老闆！瑞典AI獨角獸Lovable如何靠「氛圍編碼」年賺30億？
[joblist_plugin title='更多104【AI工程師】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E5%B7%A5%E7%A8%8B%E5%B8%AB&order=15&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＞
軟體工程師技能找工作
點擊技能可到對應的職缺工作區
PHPJavaPythonJavaScriptNode.jsHTMLCSSSassLinuxGitMySQLCC++SQLAngularRXcodeReactJSVueGolang程式語言找工作
PHP工作機會
[joblist_plugin title='【PHP】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=blog_skill&mode=s&page=1&keyword=PHP&order=15' amount='4']
Java工作機會
[joblist_plugin title='【Java】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=blog_skill&mode=s&page=1&keyword=Java&order=15' amount='4']
軟體工程師薪水找工作
月薪5萬月薪6萬月薪7萬月薪8萬年薪100萬待遇面議
台灣網頁設計公司有哪些？10間用心經營頂尖網頁設計公司推薦
撰文作者：Angel｜數位行銷百科行銷總監, 最後更新時間：2026-08-04
我幫大家精選了 2026 年台灣十大網頁設計公司推薦排名，整理架設費用、服務項目、挑選重點與適合對象，幫助企業快速找到專業可靠的網站設計團隊。
一、挑選網頁設計公司，一定要看這 5 大關鍵！
身為長期替企業規劃數位行銷與網路版面策略的從業多年網頁設顧問，這幾年看過太多業主在挑網頁設計公司時踩雷。從「只看價格」結果網站做出來完全沒成效，到「網站做完卻無法修改、遇到問題找不到人」的惱人案例，幾乎每週都有人在問我怎麼選、該注意什麼。老實說，挑網頁設計公司最怕的不是貴，而是花了錢卻養出一個「沒成果」的網站。
講白一點，現在企業做網站早就不是做一張漂亮名片而已，而是要能帶來使用者線上詢問、電商轉單、業務名單收集、品牌可信度提升的「營收工具」。
所以我會把「挑網頁設計公司」最重要的 5 大關鍵先說在前頭：
1. 設計品質與UI/UX能不能提升使用者操作體感？
2. SEO 架構是否專業？網站打開速度、網路結構、內容規劃是否到位？
3. 是否理解你的商業模式，而不是只把版面拼湊起來？
4. 後台是否簡單好管理？之後你能不能自己改內容？
5. 維護、更新、修改是否透明？會不會做完就消失？
你只要把這 5 點牢記，基本上就能避開 80% 的踩雷機率。
篩選標準 1：作品集與網站風格能不能撐起你的品牌？
判斷一間網頁設計公司的實力，作品集永遠是最具可信度的依據。檢視過往案例時，不只要看視覺是否精緻，也要留意色彩運用、排版一致性、資訊層級是否清晰，以及是否具備完整的品牌觀點。成熟的設計公司會依照產業與定位調整風格，而不是套用千篇一律的模板。若作品集中能找到與你產業類似的案例，代表對產業需求有更多理解，也更能減少溝通成本並提高成品品質。
篩選標準 2：SEO 觀念是否到位？不是只有美觀而已！
許多網站看起來精緻，但背後缺乏 SEO 架構，例如錯誤的標題階層、未優化的圖片、缺少內部連結策略、無法被搜尋引擎順利抓取等。優秀的網頁設計公司會在企劃階段就規劃網站架構、關鍵字佈局、內容層級，並確保前端程式具備速度優化與結構化標記。網站不只是視覺呈現，而是品牌曝光與業務開發的入口，因此 SEO 觀念是否成熟，會直接決定網站上線後的成效。
篩選標準 3：報價內容透明嗎？便宜通常藏在細節裡
網站報價應具備清楚項目，例如頁面數、設計範圍、修改次數、功能模組、後台可管理項目、RWD 支援程度與後續維護費用等。若報價單條列模糊，通常代表後期可能以「額外費用」形式收取。專業公司會主動說明費用邏輯，並提供完整工作流程與時程，使企業能清楚掌握整體預算。越透明的報價，越能避免開發過程中因資訊落差造成爭議。
篩選標準 4：溝通流程是否順暢？這會影響整個網站成果
網站製作涉及企劃、視覺、程式與測試多個環節，因此需要一套明確的溝通流程。包含需求訪談、風格確認、Wireframe 規劃、UI 設計、前端切版、後端串接與最終上線驗收，每個階段都需要確認點與回饋機制。若設計公司能提供專案負責人、定期進度會議與協作平台，開發品質將更可控，也能減少反覆修改的成本。溝通越順暢，網站完成度就越高。
篩選標準 5：上線後的維護、資安、更新是否完善？
優質的網站並不是上線當下最好，而是能長期穩定運作。設計公司是否提供例行備份、主機監控、資安更新、程式修補與 CMS 版本更新，會直接影響網站安全與效能。
許多企業網站因未被維護，導致速度變慢、外掛失效、遭入侵甚至被竄改內容，造成品牌形象嚴重受損。因此必須確認維護契約內容、服務頻率、資安方案，並確保網站未來能持續更新與擴充。
二、主流網站設計架構推薦：從企業官網到電商都適用的建議
1. WordPress：最靈活、擴充性強、SEO 友善的開源架構
WordPress 在台灣的使用率非常高，尤其是中小企業的企業官網、品牌故事型網站與需要大量內容更新的部落格，幾乎都以 WordPress 為主流。
它最大的優勢在於：
1. 擴充性非常強：外掛資源多，幾乎任何功能都能做出來。
2. SEO 表現好：架構乾淨、可設定標題層級、網址結構，可說是搜尋引擎友善度最高的開源架構之一。
3. 成本彈性大：你可以做簡單套版網站，也能做高客製化品牌官網。
4. 後台操作容易上手：就算非工程背景，只要稍微熟悉一下也能自行更新內容。
適合誰？
想打造品牌官網、內容型網站、SEO 佈局型網站、設計＋功能兼顧的企業。
2. WooCommerce：內容＋購物兼具的最佳組合
WooCommerce 是 WordPress 的電商外掛，最大的亮點是能「同時把內容與購物整合在同一個網站」。
優勢包括：
1. 內容量大也不怕：文章、商品、分類都能緊密結合，有利 SEO。
2. 完全不用放棄 WordPress 優勢：同時擁有文章管理與購物功能。
3. 客製能力高：對於電商功能、會員系統可以更自由調整。
適合誰？
重視整體行銷、同時需要購物車功能的品牌。
3. Wix／Squarespace：快速、便宜、漂亮，但自由度較低
這類 SaaS 架站工具在設計師、攝影師、工作室很常見，因為：
1. 美感模板多、操作直覺
2. 不需要工程背景就能自己做網站
3 .上線速度快
但它們的弱點也很明顯：
1. SEO 自由度較低
2. 客製化彈性不足
3 .如果後續要擴充功能，往往會受限於平台規格
適合誰？
預算有限、想快速做到品牌形象網站的 freelancer、創作者、小型工作室。
4. Shopline／Cyberbiz／91APP：台灣本土電商品牌的常見選擇
如果你主要做台灣市場，Shopline、Cyberbiz與91APP算是很方便的選擇。
1. 後台中文、操作直觀
2. 串金流、物流方便
3. 對中小電商友善
但同樣會遇到 SaaS 平台會遇到的限制：
1. 客製化受限於平台模組
2. SEO 與前端速度可調整幅度有限
適合誰？
剛起步的小型電商、台灣在地品牌、預算有限但需要完整購物功能的新創商家。
三、網頁設計公司推薦哪幾間？我會依需求類型來看
如果你正在搜尋「網頁設計公司推薦」，我會建議不要只看哪一間名氣最大，而是先判斷自己的網站目標：你是想做品牌形象、提高詢問量、強化 SEO 排名、建立購物網站，還是需要高度客製化功能？不同網頁設計公司的強項不一樣，適合的合作對象也會不同。
以我觀察台灣網頁設計市場與企業選案經驗來看，以下幾間公司在網路討論、品牌曝光與服務定位上較常被提到，可作為初步比較名單。
MTMG SEO：適合想做「網站＋SEO 整合」的企業
MTMG SEO 比較適合希望網站不只是形象門面，而是能長期帶來自然流量與業務機會的企業。它的特色在於把網站架構、關鍵字布局、SEO 內容規劃與轉換路徑一起思考，對 B2B、顧問型服務、在地服務與高單價產業來說，會比單純追求視覺設計更有實質幫助。
如果你的目標是讓網站成為獲客工具，而不是只做一個漂亮的企業官網，這類具備 SEO 整合能力的團隊會更建議你優先評估。
艾斯伊歐行銷公司：適合重視詢問量與行銷策略的品牌
艾斯伊歐行銷公司適合希望網站能結合 SEO 架構、互動設計與行銷策略的企業。它的優勢不只是做頁面設計，而是會從使用者動線、內容層級、CTA 設計與搜尋曝光角度思考網站如何幫助品牌提升詢問量與轉換率。
如果你目前的網站有流量但詢問不佳，或是想重新規劃官網內容與服務頁架構，這類偏行銷導向的行銷＋網頁設計團隊會比單純美術設計型公司更適合你。
MG 網頁設計：適合重視品牌感與 SEO 底層邏輯的企業
MG 網頁設計常被拿來比較的原因，在於它兼具視覺設計與 SEO 技術基礎。整體風格偏乾淨、穩定、有品牌感，也會重視網站架構、內頁邏輯、標題層級與後續內容經營的延展性。
如果你希望網站看起來專業，同時又不想犧牲 SEO 基礎，MG 會是可以列入評估的選項，特別適合需要長期經營內容、服務頁與自然搜尋流量的企業。
愛貝斯網路有限公司
愛貝斯網路有限公司屬於台灣較常被提到的老字號網頁設計團隊，服務經驗相對完整，對於企業形象網站來說，是穩定度蠻不錯的選擇。
但相對他價格也非常高昂，依據我實際詢問經驗，光設計一個形象網站就要價10萬以上，建議有預算就自行斟酌囉。
創造力互動媒體
創造力互動媒體比較適合中大型企業、科技業、B2B 品牌或預算較充足的專案。它的網站案例通常比較重視品牌質感、視覺表現與客製化體驗，整體風格偏高端。
鉅潞科技：適合南部企業與需要購物網站的品牌
如果你在南部，或是希望找一間溝通距離更近、熟悉在地產業需求的網頁設計公司，鉅潞科技會是可以列入名單的選項。它主打購物網站、RWD 手機版體驗與客製化功能開發，對地方企業與電商需求者來說相對實用。
我會怎麼建議你選？
如果你重視 SEO 與自然流量，我會優先比較 MTMG SEO、艾斯伊歐行銷公司與 MG 網頁設計；如果你重視品牌形象與高端客製化，可以評估創造力互動媒體；如果你需要穩定交付與後台好操作，愛貝斯網路有限公司會是不錯的參考；如果你在南部，且需要購物網站或客製功能，鉅潞科技則比較符合在地企業的實際需求。
真正適合你的網頁設計公司，不一定是最多人推薦的那一間，而是最能對應你的網站目標、預算規模、SEO 需求、維護能力與後續行銷規劃的團隊。
四、常見錯誤：挑網頁設計公司最容易踩到的 5 個雷
雷 1：只看「報價」不看「完整規劃」
很多公司便宜做，但後期加價、功能缺漏、網站速度超慢，最後比原本預算更高。
雷 2：作品集只看外觀，忽略 SEO＋效能
網站漂亮不代表能排名，有些案例開很慢、架構亂，流量完全衝不起來。
雷 3：沒確認「後台是否好用」
一開始看起來都能更新內容，但實際上後台難用到爆，導致之後完全不想維護。
雷 4：忽略「產業經驗」
沒有做過你這個產業的公司，規劃時常常抓不到重點，還可能做出不符真正需求的版型與內容。
雷 5：合約寫不清楚，結果權利義務都模糊
包含：版權歸屬、維護範圍、是否含 SSL、是否含 SEO 基礎設定…沒談好後續容易衍生糾紛。
作者介紹與觀點：
你好我是數位行銷百科行銷總監「Angel」具備超過10年以上的網路行銷、SEO 搜尋引擎優化、GEO 生成式引擎優化與網站架設的大量實戰經驗。參與超過300場以上的行銷專案，長期協助企業規劃網站架構、內容策略、關鍵字布局、技術 SEO 與 AI 搜尋可見度提升。
我撰寫這篇文章的目的，是希望協助正在尋找優質網頁設計公司的企業、品牌與行銷人員，用更清楚的標準去選擇合作對象，而不是只單看排行榜、廣告曝光或單一網友意見就做出決策。
文章參考資料來源：
1. https://mtmgseo.com/top-10-web-development-companies/
2. https://seomtmg.com/top-web-design-company/
3. https://aiseo.com.tw/top-10-taiwan-web-design-company/
4. https://mtmgwebdesign.com/
5. https://aiseo.com.tw/top-wordpress-web-design/
6. https://big-data-knowledge.com/web-design-agencies-recommended/
7. https://mtmgseo.com/top-3-wordpress-web-design-companies/
8. https://網頁設計.weebly.com/30693356722099820139/recommended-web-design-companies
9. https://mtmgwebdesign.com/best-web-design-companies/
前端面試問題如何反問？8個了解團隊的關鍵問題
面試是雙向選擇，前端工程師面試也要善用反問問題的機會，了解團隊與公司的工作模式，更深入了解工作細節。本文作者為前端工程師，網站前後端開發經驗逾9年，以自身經驗整理前端面試可以反問的8個問題，有助準備面試與掌握面試主導權。
文／林彥成｜前端三分鐘
本文目錄（點擊可快速前往）
面試前端，你還有什麼問題想問嗎？前端面試可以反問的8個問題前端面試反問1：是否有遇過常改規格的情境？ 工程師會需要如何應對？前端面試反問2：通常是怎麼處理樣式檔？像是BEM或依元件或頁面開檔案放置？前端面試反問3：目前公司有幾位設計，是怎麼合作的？前端面試反問4：請問會需要整合不同的後端嗎？前端面試反問5：專案中有用到哪些設計模式？前端面試反問6：專案的時程會很趕嗎？ 當工程師遇到困難時，會如何協助解決？前端面試反問7：如果有十幾個需求同時開發或是需要轉換框架函式庫，會怎麼進行？前端面試反問8：會在什麼時候決定將共用邏輯抽取出來成為function或是常數？4個問題了解面試官和團隊
在新鮮人階段時，通常不太確定面試可以問什麼或該問什麼，當面試到最後被問起：「你還有什麼問題想問嗎？」又該怎麼回答？
隨著職涯的發展，這個問題終究是回到自身想要成為什麼樣的大人？
對於個人來說，面試的目標是要找到不討厭、別人願意付錢請我們做、我們可能也做得不錯的事情。
面試前端，你還有什麼問題想問嗎？
在面試過程除了被面試其實也在面試團隊跟公司，而一個好的問題可以幫助我們從更多面向去了解這間公司工作樣貌，進而去看看公司有沒有符合想要的職涯目標、工作型態。
扣掉找新人免洗的狀況，大部分的公司都是遇到問題才會徵才，單純擴編的狀況可能並不多，而企業目前的問題很可能是造成前一位員工離職的原因之一。
在轉職時，要怎麼知道接下來是不是想要體驗這樣的職涯環境？或著說工作樣貌是不是自己喜歡的？
【作者檔案】林彥成，資深前端工程師，網站前後端開發經驗9年。珍貴線上Q&A機會，直擊台積電工程師的真實生活！限時報名>>
前端面試可以反問的8個問題
致那些年我踩過的坑，也預祝大家在新的一年填坑大吉。
小編是前端工程師，決定在工作一年左右轉換的原因可以參考小編談談選擇前端的理由這篇文章。
前端通常是在設計、後端都完成後才進行收尾，收尾的同時也在幫規格、設計、後端Debug，所以大家在大聊一波慶祝工作完成的同時，我們會發現只剩前端還在工作。
接下來會從小編當前端工程師過往遭遇的問題和解法反思未來職涯疑問，就讓我們一起看下去。
前端面試遇到的常見地雷
面試遲到讓面試者等
問很多跟工作無關的問題，有女朋友？結婚有小孩了沒？
請我們又多填一份跟104一樣的履歷表
面試沒問太多技術問題都在聊天
很急著壓報到時間，燙手山芋正在快速拋接中
試用期砍薪水，過了還不一定會調整
不過這邊想要特別說明一下，我朋友在面試的時候很誠實跟主管說接下來的目標是交女朋友工作什麼的都是浮雲，而老闆不管在面試時或是面試結束後也給了很多機會，這邊不得不感謝那個問了問題後有協助處理的老闆。
前端面試反問1：是否有遇過常改規格的情境？ 工程師會需要如何應對？
為什麼問這題：常改規格並沒有不好，要看的是有沒有體驗到好的軟體開發流程，目標是確認公司開發流程是不是下一份工作的目標，像是有分測試和正式環境嗎？上版本遇到bug會在什麼時候修？
常依需求修改資料庫Schema或API，每次都要重寫邏輯以及資料庫互動的部分
需要常常顯示不同的統計，可考慮導入GraphQL從Client決定，減少開API的時間
使用Document-Oriented的資料庫，POC階段相對簡單
隕石式開發，主事者看到畫面後覺得還想改就又重來一次
出Mockup或是設計製作不須切版的假畫面流程
出一個Demo用的Prototype（處理關鍵流程，不須注重美觀）讓不熟網頁開發的主事者了解目前的狀況和方向，確認後才進行設計切圖、前端切版、後端開API
前端面試反問2：通常是怎麼處理樣式檔？像是BEM或依元件或頁面開檔案放置？
為什麼問這題：是不是可以在這樣的專案架構下學到東西。
CSS選擇器和規則們就像女孩化妝桌上的化妝品們，桌上總是放著各個種類，數也數不清大罐小罐擠的噴的擦的，在沒有預備知識和整理規劃的情況下，若要一個男孩子短時間搞清楚簡直是天方夜譚。
該怎麼透過CSS的架構來優化，可以參考之前小編寫的如何「透過BEM、SMACSS、OOCSS、Atomic CSS 簡化樣式開發流程、減少維護成本」。
撰寫地圖專用的圖層SLD樣式檔（類似XML）超過一萬行
官方有介紹使用CSS的寫法，運用Class共用的特性可讓行數減少
樣式檔沒有寫在元件中，也沒使用預（後）處理器，上千行的樣式檔搜尋「.user-photo」也許有十幾個結果
樣式需要有命名規則（BEM）
導入SCSS
前端面試反問3：目前公司有幾位設計，是怎麼合作的？
為什麼問這題：希望可以看出現在的專案是不是好維護，打聽一下工作流程或是有沒有Design Guideline或使用Zeplin或figma這類工具。
同樣功能的圖片大小長寬比不一
object-fit
background-size: cover
重新切圖
拿到檔名是123543.jpg大小超過10MB
請設計壓縮一下
小於5MB可使用TinyPNG
設計沒有考慮到字數過多的情境，導致上字詞之後與預期狀況不符
overflow: hidden
改設計
前端面試反問4：請問會需要整合不同的後端嗎？
為什麼問這題：評估自己的能力有沒有辦法處理。
會需要串接不同網域的後端
使用Nginx Proxy
改成在後端才打API
後端開放Domain解決CORS
不同API的配置大多不太一樣
Token都移到Cookie，這樣相關的Token會自動送回相關子網域的API
善用客製化後的Axios Instance
前端面試反問5：專案中有用到哪些設計模式？
為什麼問這題：看現在的老闆或是同事是怎麼看待問題或是歷史遺跡。
什麼是Pattern，Pattern就是改善如何去架構程式的方法，主要是讓程式碼能夠在元件間共用。
用Java的概念寫Javascript，有非常多的Prototype的寫法，文件不清楚的情況下，導致實作上每次都需要追本溯源的看，考驗搜尋或是編輯器的能力。
使用Component-Base的函式庫或框架，並建立故事書。
善用設計模式，React常見的Component Pattern就是HOC或是Render Props。
前端面試反問6：專案的時程會很趕嗎？ 當工程師遇到困難時，會如何協助解決？
為什麼問這題：如果老闆只剩下壓時程的功能，那是不是我們用個鬧鐘或是Google Calendar就好了？
主管可能不懂前端並無解決問題或協調資源的能力，只剩壓時程及提出需要限時解決。
提早尋求同事協助，並看價值觀是否願意加班解決。
時間給的不夠屬於管理上的問題，無法靠溝通解決就盡快重新找工作。
前端面試反問7：如果有十幾個需求同時開發或是需要轉換框架函式庫，會怎麼進行？
為什麼問這題：要看的是與歷史共業的生存法則與態度。
不同的產業別都會有歷史的包袱（Workaround），可能還是會用一些比較舊的東西。
除了東西較舊也可能遇到專案架構及程式混亂，這有點像是煉蠱的過程，看最後誰會生存下來。
專案在後期才考慮要加入i18n或伺服器渲染
React本身是一套過於單純的函式庫，容易且戰且走疊床架屋，建議可以參考 Next.js Repo中的Example
趕時程但又好又快又便宜無法共存，專案中可能滿滿的Workaround，像資料來源用Google Sheet
留下 // TODO: 及未來可改善方向
同樣一種功能有多種寫法或是Deprecated的寫法。
討論用哪種方法好，有時間就盡快合併，讓程式碼更好維護
尋找Deprecated寫法的替代方案
前端面試反問8：會在什麼時候決定將共用邏輯抽取出來成為function或是常數？
為什麼問這題：炫技跟過度結構化並不會讓專案變得更健康。
一層又一層的HOC封裝：HOC像是一個工廠，把原來的元件變身或加強，所以不建議包太多層。
過度或是過早的結構化，很簡單的功能卻太早預想會變成大專案
這裡有兩個觀念想要分享給大家，YAGNI和RUDT：
YAGNI（You Ain’t Gonna Need It.）
真的需要使用XX模式嗎？
真的需要拆分成小元件嗎？
真的需要切成一堆小介面和抽象類別嗎？
RUDT
Read：最短的時間、最少的檔案
Update：CRUD features時可以用最小成本去改
Debug：菜鳥工程師也可以很快找到根本問題
Test：問題、結果都可以容易被複製被測試（資料面像是抽獎時該怎麼辦？）
4個問題了解面試官和團隊
同場加映4個問題，來自Medium的what questions should you ask the interviewers。
問題1：您的工作一天大概是怎麼過的？
這題是開放式的問題，目標是希望可以聽到一些工作型態。
有些面試官可能會說公司通常是早上8點半上班到晚上6點，有些面試官可能會說我們公司跑Scrum每天早上會有站會，偶而晚上會跟其他國家同事開會。
藉由這個問題，你大概就能夠了解如果進入這間公司，你大概會過怎麼樣的生活。
延伸的問題可能會是趁機問一下加班、出差的頻率，或是任何你對工作型態的好奇。
問題2：最喜歡和最不喜歡這個團隊或公司的地方是什麼？
第一個部分通常是簡單的，但其實真正有趣的會是第二個部分。
面試官通常在有HR的場合會講不出來，甚至只會模糊的打官腔，可能會有面試官回答說，我不太喜歡頻率太高的會議或是一直在不同的產品中轉換。
最主要的目的是，透過這些回答，我們可以去延伸一些後面的問題，甚至我們可以只是單純再問說哇那到底是有多討厭多不喜歡，即便我們不會得到直接的答案或是他們真的不喜歡的地方，但我們仍舊能從這些回答中得到些蛛絲馬跡和感受，也許這些感受剛好也會是你在意的。
問題3：這個團隊接下來的目標是什麼？
這個問題很適合問團隊主管，至少在決定加入這間公司前，可以知道自己未來2到3年大概能有什麼樣的成長。
這個問題可以幫助我們了解這個團隊是否在成長中，若是正在成長是不是有一個規劃好的計畫藍圖？如果是的話，就可以評估我們的戰力是否可以協助公司推進。
那如果是一個穩定的團隊，只是做一些日常維護的工作，那該問自己的問題可能會是這是我們這個階段想要追求的嗎？
問題4：請問您通常都是怎麼帶領團隊？
主管的帶領風格會對你接下來工作的成就和快樂有非常大的影響，藉由這個問題，你也許可以知道主管的管理程度，也許有些會說他們做微管理，有些也許會說只需要你一周寫一次週報。
從回答中，你可以判斷這個主管的個性是不是適合你，提早了解這些層面會比進去之後後悔要來的更好。
（原文標題：面試前端，你還有什麼問題想問嗎）
[joblist_plugin title='更多104【前端工程】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E5%89%8D%E7%AB%AF%E5%B7%A5%E7%A8%8B%E5%B8%AB' amount='3']
有任何收穫或想分享的，都來和大家一起聊聊吧！