成為 AI 科學家｜機器學習好簡單，輕鬆讓你一手掌握資料科學實作 10 大技巧
104學習
機械產品設計
這項技能主要指能夠運用工程原理與設計軟體，將概念轉化為具體且可製造的產品結構。具備此能力的人能有效整合材料特性、力學分析及製造工藝，確保產品功能與品質符合需求。熟悉3D建模、繪圖及模擬測試，提升設計準確度與效率。同時也需考慮成本與環境因素，確保設計具備市場競爭力。此技能對於推動產品創新與提升企業競爭力相當關鍵。
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
SolidWorks零組件機構設計
最強企業 AI 工作流進階：n8n 打造企業專屬內部Chat Hub、MCP協議與多模態專題實戰
線上課程快製力｜教學簡報術！9 招學會編架構 X 排設計
人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】
ChatGPT 職場生產力 AI 應用-進階班【原9/18，調整至11/6】
【免費課程報名】技術開發技能1-3 提示工程最佳實務 : 有效利用 Claude 3 | 完課紀錄回傳履歷表
從零打造企業級 AI 自動化：n8n + AI Agent 實戰全攻略 | 成為企業無可取代的人才！
【2026/11/9開班】國際網路資安認證課程 CompTIA Security+
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－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
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
丙級重機械修護技術士
重機械修護技術士技能檢定規範於民國七十二年五月三十一日公告，依其技能範圍及專精程度分為甲、乙、丙三級，為提昇本職類從業人員技能水準及符合社會之需要，爰於八十七年度再予修訂。重機械為現代化建設的必備機具，對施工技術及工程品質的提昇皆有密切的關係；而重機械修護專業人才的培育，可經由技能檢定而有效提昇專業素養。
丙級重機械修護技術士細分為引擎、底盤兩組。
1. 丙級引擎組工作範圍：重機械的引擎拆裝、檢查、測量、簡易調整及保養維護。
2. 丙級底盤組工作範圍：重機械除引擎系以外的各項機件的拆裝、檢查、測量、簡易調整及保養維護。
勞動部勞動力發展署技能檢定中心
工具機機械設計工程師-初級能力鑑定
經濟部為充裕產業升級轉型所需人才，於105年起專案推動產業人才能力鑑定業務， 整合產官學研共同能量，建立能力鑑定體制及擴大辦理考試項目，由經濟部核發能力鑑 定證書，並促進企業優先面試/聘用及加薪獲證者。
特色：
1.能力鑑定制度以職能基準為基礎，由產學研專業委員會規劃發展。
2.能力鑑定業務由專業法人辦理，能力鑑定證書由經濟部核發
iPAS經濟部產業人才能力鑑定
乙級重機械修護技術士
重機械修護技術士技能檢定規範於民國七十二年五月三十一日公告，依其技能範圍及專精程度分為甲、乙、丙三級，為提昇本職類從業人員技能水準及符合社會之需要，爰於八十七年度再予修訂。重機械為現代化建設的必備機具，對施工技術及工程品質的提昇皆有密切的關係；而重機械修護專業人才的培育，可經由技能檢定而有效提昇專業素養。
乙級重機械修護技術士細分為引擎、底盤兩組。
1. 乙級引擎組工作範圍：重機械引擎的拆裝、分解、組合、檢查、測量、調整、保養維護、故障排除及機件鑑定。
2. 乙級底盤組工作範圍：重機械除引擎以外之各項機件的拆裝、分解、組合、檢查、測量、調整、保養維護、故障排除及機件鑑定。
勞動部勞動力發展署技能檢定中心
甲級儀表電子技術士
民國七十二年為配合工業電子精密化分工再予修正時，將工業電子職類分為數位電子、儀表電子、與電力電子等三組。為配合本行業技術之發展，並達到專業技術（從業）人員技術之提升，因此於八十一年再予修正。
本職類技能檢定規範修正係以工業電子技術（從業）人員養成訓練課程規範與設備規範及各級學校電子相關類科課程標準為依據，擇其重點修正本技能檢定規定之工作項目、技能種類、技能標準與相關知識。
甲級工作範圍：儀表電子裝置之組裝、測試、檢修、改善及撰寫報告。
勞動部勞動力發展署技能檢定中心
精選貼文，掌握第一手知識
驅動未來移動科技與重裝設備的跨域職人──北科附工動力機械科
在現代城市建設與工業發展過程中，大型重型機械與工程機具是不可或缺的基石。北科附工「動力機械科」是全台唯一科別。有別於傳統的汽車修護，這裡的學生不僅要懂機械原理，還要學習跨領域的電控，甚至親自操作龐大的挖掘機。本次訪談邀請到在教育界深耕二十多年的動力機械科胡國紘主任，帶我們一窺這門科系如何打造出具備高度競爭力的「機械醫師」。
從黑手到「機械醫師」：打破傳統的跨域職人培育
「以前的人常說，不讀書的人去做黑手；但現在時代不同了，現在的維修技師就像是『醫生』的等級。」本身為汽車科背景的胡國紘主任，一語道破了產業的轉變。
胡國紘主任說明，動力機械科的前身是「重機科」，隨著時代演進，前輩們認為「重機」二字過於狹隘，因而更名為涵蓋所有「會動的機械」的動力機械科。許多人容易將動力機械科、機械科與汽車科混淆，胡主任對此進行了明確的比較：
科系名稱核心領域、操作及維修對象動力機械科大型工程用機械（如挖掘機、起重機、堆高機）、重型柴油引擎機械科基礎機械加工與零組件製造生產（如車床、銑床、鉗工）汽車科一般交通工具（如家用汽車、機車）
面對日益複雜的機具設備，胡國紘主任強調，現在的維修已經不是單純憑勞力拆裝，而是高度仰賴專業知識與邏輯思維。「當機具出現故障時，它不會像病人一樣開口告訴你哪裡痛，技師必須透過故障現象，做出正確邏輯判斷，一步步找出問題根源。」從業人員也需要具備閱讀英文維修手冊的能力，因此解決問題的能力與學科基礎缺一不可。
三年淬鍊硬實力，累積專業證照與成就感
為了讓學生在畢業前具備扎實的即戰力，胡國紘主任表示，動力機械科的課程規劃是將「考取證照」融入各階段的課程目標中，讓學生從中獲得成就感。
高一的重點在於基礎摸索。學生會先從車床、銑床等傳統機械加工學起，並要求考取「機械加工丙級」證照。此外，因應機件維修需求，還有一門「手工電焊」課程，讓學生親身體驗焊接的操作，並輔導考取「一般手工電焊」證照。
升上高二後，課程導入自動化與電動控制，「機械有了骨架，還需要賦予它生命來控制。」學生除了考取「電腦輔助機械製圖丙級」與「氣壓丙級」外，科內也打造了專屬的「室內配線丙級」檢定考場，讓學生實地摸索電路配線的控制邏輯。此外，還需考取「重機械修護引擎丙級」證照，學習大型工業用引擎的拆卸維修。
到了高三，學生將面臨進階挑戰，準備「重機械修護引擎乙級」、「CNC銑床乙級」等高難度證照。更特別的是，年滿18歲的學生能在校內選修工程機具操作實習，親自坐上駕駛座操作挖掘機（怪手）、堆高機、鏟裝機並考取操作證，這是全台灣極少數擁有此類實作課程的學校。
在面對龐大機具時，胡國紘主任強調「安全」始終是第一鐵律。所以實習操作前，必定會安排三小時的職業安全衛生教育訓練課程並簽署安全說明。尤其在學生逐漸熟練的「老鳥階段」，老師們的督導反而會更加嚴格，以確保訓練過程絕對安全。
圖：學生操作大型機械
從做中學的成就感：高三學生分享實戰經驗
受到工程師父親影響的游同學，從小喜歡動手拆裝零件。她目前已考取高達九張證照，包含機械加工、鏟裝機操作，甚至拿下難度極高的重機修護引擎乙級、CNC銑床乙級以及飛機修護乙級證照。游同學回憶，實際在實習課開鏟裝機鏟土、整平地面的過程十分療癒，考取操作證更是讓她充滿自信。
另一位羅同學，則因父母從事重機具考照協會訓練相關工作而就讀本科。擁有七張證照的她坦言，準備「室內配線乙級」學科測驗時因內容偏向電機科而感到吃力，但她靠著反覆刷題成功克服挑戰。對羅同學而言，學習本科最實用的是「能看懂以前不懂的東西」，無論是重型機具維修或操作重型機具。
產學接軌與未來藍圖：實作專題與多元出路
在專題製作與競賽中，胡國紘主任分享，學生的專題多半以「實務應用與安全」為出發點。例如，曾有學生為克服初學者對大型挖掘機的恐懼，利用3D列印結合電子控制，製作出迷你「挖掘機教育訓練模型」以熟悉手感，榮獲全國專業群科專題競賽佳作。科內也會鼓勵學生參與綠能相關的「小水力發電競賽」，培養解決問題與創新能力。
圖片：學生專題作品成果
面對未來的升學與就業，胡國紘主任指出多數畢業生會選擇繼續升學，常見目標包含虎尾科技大學、勤益科技大學、高雄科技大學及屏東科技大學的機械、車輛或輪機工程系。
邏輯與實務兼備的未來工程師
「多操作幾次就會有手感，我們也都是從零開始學，現在都克服了！」游同學用自身經歷，鼓勵有興趣就讀的學弟妹。
胡國紘主任表示，在本科專業教師團隊的帶領、北科附工動力機械科提供的完善實作環境與嚴格的安全要求下，學生不僅具備操作大型工程機具的硬實力，更培養了跨領域的電控知識與解決問題的邏輯思維。這群年輕的「機械醫師」，正帶著高度的專業自信，準備在未來移動科技與重裝設備的產業中大展身手。
開箱動力機械科學習日常！更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
「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＞
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']
轉職前端工程師│工作內容、技能、薪水與職涯發展指南
你是否想過轉職前端工程師，或是想提升技術實力，而能在競爭激烈的職場脫穎而出？無論你是零基礎的學習者，還是正在尋找更明確學習路徑的開發者，這篇文章將幫助你理解前端工程師的核心技能、職涯發展方向，並提供高效的學習策略。透過系統化的學習與實踐，你將能夠更順利地進入前端開發領域，甚至進一步拓展你的職業選擇！
文 /【104學習精靈】
本文目錄（點擊可快速前往）
什麼是前端工程師？與後端、全端差別是什麼？前端工程師無經驗者可入門嗎？掌握前端工程師的核心能力：必備工具技能 x 學習路徑 x 軟技能轉職前端工程師的學習策略前端工程師薪資行情與職涯發展前端工程師的挑戰與機會
什麼是前端工程師？與後端、全端差別是什麼？前端工程師無經驗者可入門嗎？
前端工程師工作內容
前端工程師（Frontend Developer）負責網站或應用程式的「前端」部分，也就是使用者直接看到並與之互動的使用者界面（UI）。前端工程師的工作涵蓋範圍廣泛，從網頁的版面設計、動態效果，到與後端 API 的串接，確保使用者有良好的互動體驗，且需要結合設計思維與程式邏輯。
他們的主要工作內容包括：
HTML、CSS、JavaScript 來構建網頁結構、樣式與行為。
與設計師合作，將 UI/UX 設計轉化為可用的前端介面。
與後端工程師協作，透過 API 取得數據並呈現在頁面上。
🎯相近職類比較：前端 vs. 後端 vs. 全端
類別主要技術主要負責範圍前端工程師HTML, CSS, JavaScript, React/VueUI/UX 介面開發，確保網頁互動與使用體驗後端工程師Node.js, Python, Java, Databases處理伺服器邏輯、數據庫與 API全端工程師前端 + 後端技術負責整體開發，能獨立完成前後端架構
🎯 為什麼前端工程師職缺變多？
近年來前端技術的發展迅速，市場對前端工程師的需求持續增加，讓許多轉職者與求職者開始關注這個領域，並發現它具有以下優勢：
市場需求大：企業對於使用者體驗的重視，使得前端工程師的價值不斷提升。
入門門檻適中：相比於後端開發或全端開發，前端技術較容易上手，適合作為進入 IT 產業的第一步。
創造力與技術並重：前端工程師不僅需要技術實力，還能發揮設計與創意，讓開發的產品更具吸引力。
遠端與自由工作機會多：前端開發適合自由接案與遠端工作，為職涯發展提供更多彈性。
🎯 誰適合轉職前端工程師？
✅ 無技術背景者：對網頁開發有興趣，願意學習技術。
✅ 人文社科背景者：如行銷、設計、心理學等，能結合設計與技術。
✅ 理工科背景者：資訊、數學、電機，具邏輯思維優勢。
✅ 現職工程師：希望提升技術，拓展職場競爭力。
掌握前端工程師的核心能力：必備工具技能 x 學習路徑 x 軟技能
前端工程師技能與工具能力分析
基礎技能 HTML、CSS、JavaScript 基礎、Git / GitHub、RWD、Bootstrap、jQuery 核心技能 JavaScript 進階、API 與非同步處理、前端框架（React / Vue）、CSS 進階 進階技能狀態管理（Redux / Pinia）、前端測試（Jest / Cypress）、SSR / SSG（Next.js / Nuxt.js）、效能優化 專業技能TypeScript、Web 安全性、PWA / 桌面應用開發、後端基礎（Node.js / ASP.NET） AI 技能ChatGPT、GitHub Copilot、Figma AI 插件、Lighthouse（效能分析）、Codeium（智能補全）、Tabnine（代碼建議）認證AWS Developer、Azure Developer、Google Cloud Developer職涯全端工程師、前端架構師、技術產品經理、UI/UX 工程師▲ 前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。
成為前端工程師的學習路徑（搭配AI工具）
🔹 第一階段：基礎入門（建議學習時長：1-3 個月）
📌 學習內容：
HTML & CSS：學習網頁的基本結構與樣式設計。
JavaScript 基礎：學習變數、函式、條件判斷、迴圈等基本概念。
Git / GitHub：學會版本控制，方便管理與共享程式碼。
RWD（響應式設計）：學習如何讓網頁適應不同裝置（手機、平板、電腦）。
Bootstrap：使用現成的 CSS 框架，加速開發美觀的網頁。
基礎專案：製作個人靜態網頁，實踐所學內容。
📌 AI 工具應用：
ChatGPT / Claude：語法解釋與錯誤排查。
Webflow / Framer AI：低程式碼網站設計。
📌 備選學習：
jQuery：雖有逐漸被原生 JavaScript 與前端框架取代之趨勢，但仍在許多重要專案中使用。
[course_plugin title='前端工程師入門課程' keyword='前端' amount=2]
[course_plugin api_type='course_id' title='前端工程師入門課程' id='6e43b10e-45e7-40e2-92c0-1b4d6aeb955c, 9e6b7b79-2849-4f24-80ef-a620b94471a5']
🔹 第二階段：前端開發進階（建議學習時長：1-3 個月）
📌 學習內容：
JavaScript 深入：學習 DOM 操作、ES6+ 語法，增強互動效果。
CSS 進階：掌握 Flexbox、Grid、SCSS，提升排版與樣式管理能力。
API 與非同步處理：學習 Fetch API / Axios，讓網頁與伺服器互動。
前端框架（React / Vue 擇一）：學習現代前端框架，提高開發效率。
小型專案（如 To-Do List）：實作互動型應用，提升技能。
📌 AI 工具應用：
GitHub Copilot：代碼補全與最佳化。
Figma AI 插件：設計 UI 組件。
📌 備選學習：
與後端整合（Node.js / ASP.NET）：可視職涯發展需求學習適合的後端技術。
[course_plugin title='前端工程師JavaScript課程' keyword='JavaScript 入門' amount=1]
🔹 第三階段：前端專業化（建議學習時長：3-6 個月）
📌 學習內容：
狀態管理（Redux / Pinia）：管理大型應用的資料狀態。
前端測試（Jest / Cypress）：確保應用程式的穩定性與可靠性。
SSR / SSG（Next.js / Nuxt.js）：提升網站的 SEO 與效能。
效能優化（Lighthouse、RAIL 模型）：讓網站載入更快、使用者體驗更好。
開發完整 SPA 專案：整合所學技術，完成一個獨立的應用程式。
📌 AI 工具應用：
Codeium / Tabnine：自動化程式碼建議。
Lighthouse + DevTools：網站效能分析。
📌 備選學習：
GraphQL：較新穎的 API 查詢方式，可視專案需求學習。
[course_plugin title='前端工程師專業課程' keyword='前端工程師專業技術養成班' amount=1]
🔹 第四階段：專業與進階（建議學習時長：6個月+）
📌 學習內容：
TypeScript：強化 JavaScript 的類型安全性，提高開發效率。
Web 安全性（CORS、OAuth）：學習網站安全機制，避免資安漏洞。
後端基礎（Node.js / ASP.NET）：學習如何建立簡單的後端 API。
PWA / 桌面應用開發：學習如何開發離線可用的 Web 應用。
參與開源項目或企業級專案：提升實戰經驗，增加履歷亮點。
📌 AI 工具應用：
自動生成測試案例。
智能除錯與最佳化建議。
📌 專業證照（可選）：
AWS Certified Developer – Associate（雲端應用開發）
Microsoft Certified: Azure Developer Associate（微軟雲端應用開發）
Google Professional Cloud Developer（Google Cloud 平台開發）
成為前端工程師應具備的7個特質 (軟技能)
除了技術能力外，優秀的前端工程師還需要具備以下軟技能，在職場上更具競爭力：
溝通能力 💬
需與 UI/UX 設計師、後端工程師、PM、行銷團隊協作，確保產品需求清楚且可落實。
能解釋技術限制，提出可行的解決方案。
【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
細心與耐心 🔍
HTML、CSS、JavaScript 有許多細節，例如語法錯誤、CSS 權重、事件冒泡等，都可能導致 bug。
需耐心測試各種邊界案例，確保產品品質。
美感與使用者體驗意識 🎨
前端開發不只是把 UI 轉成程式碼，還需要理解基本設計原則，如色彩搭配、排版、可讀性、可用性等。
瞭解 WCAG 無障礙設計標準，確保網站對所有用戶友好。
團隊合作與開源精神 🤝
需與團隊協作開發、使用 Git 進行版本控制，並撰寫良好的 commit message 讓團隊易於理解。
參與開源社群或分享技術文章，提升個人影響力並獲取更多學習機會。
問題解決與邏輯思維能力 🧠
前端開發經常遇到跨瀏覽器相容性、效能最佳化等問題，需要有條理地分析並解決。
具備 debug 能力，能有效利用 DevTools、Lighthouse、瀏覽器 Console 等工具排查問題。
【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
自主學習與適應能力 📚
前端技術發展快速（如 React、Vue、Svelte 等框架的變遷），需具備持續學習與適應新技術如 Web3、AI 應用於前端（如 Chatbot UI）等的能力，保持競爭力。
熟悉不同開發模式（如 CSR、SSR、ISR），能因應不同需求選擇適合技術方案。
時間管理能力 ⏳
前端開發通常需要處理多個功能或專案，具備良好時間管理能力能提升工作效率。
推薦課程 👉 成為前端工程師｜透過 HTML 與 CSS 認識網頁設計，從 0 到 1 打造實用介面 (上集)👉 成為前端工程師｜透過 HTML 與 CSS 認識網頁設計，從 0 到 1 打造實用介面 (下集)👉 Git 速成攻略：2.5 小時變身版本控制達人👉成為前端工程師｜jQuery 入門密技，愉快打造互動式網頁不求人
轉職前端工程師的學習策略
🎯 初學者或轉職者的學習策略：
建立系統化學習計畫
規劃每日或每週的學習時間，確保穩定進步。
先掌握 HTML、CSS、JavaScript，然後再學習框架與工具。
實作專案，提高實戰經驗
透過小型專案練習，如個人履歷頁面、簡單的 To-Do List 應用。
參與開源專案，提升協作能力。
持續關注業界動態
追蹤技術社群（如 Dev.to、Medium）。
觀看 YouTube 教學或參加線上課程。
打造個人作品集與 GitHub
將學習過程中的專案上傳至 GitHub，展示技術能力。
部署個人網站，建立個人品牌形象。
🎯 不同領域的客製化學習策略
學歷背景優勢可能挑戰調整建議理工科（資訊、數學）強邏輯、程式基礎佳設計美感較弱快速進入框架學習，額外學習 UI/UX人文社科（行銷、語言）擅長內容與設計需強化邏輯與程式概念先學 UI/UX，搭配 AI 減少語法負擔無技術背景無前端基礎需學習從 0 到 1先用 Webflow 製作網站，再逐步學習代碼
前端工程師薪資行情與職涯發展
📌台灣前端工程師薪資
初階（3年以下經驗）：月均薪約5.5萬。
中階（3- 5年經驗）：月均薪約 6.1萬。
高階（5-10年經驗）：月均薪約6.3萬。（以上資料來源：104薪資情報）
📌影響薪資的因素
技術能力與熟悉的技術棧
精通 JavaScript / TypeScript、React、Vue、Next.js、Node.js 等熱門技術，薪資相對較高。
具備 Full-Stack 能力（如後端 Node.js、雲端技術 AWS/GCP），薪資更有競爭力。
專案經驗與解決問題能力
曾參與大型系統開發，或有獨立解決技術難題的經驗，加分。
具備效能最佳化經驗（如 Web Performance、Lighthouse 分數優化），市場價值更高。
業界與產業別
AI、Fintech、區塊鏈 相關公司，通常薪資較高。
新創公司 vs. 大型企業：大公司（如 Google、Meta、Apple）薪資較高，但競爭激烈；新創可能提供股票期權作為額外報酬。
地區與遠端工作機會
台灣近年開放遠端前端工程師職位增加，若能找到國外遠端機會（如美國、新加坡公司），薪資可能大幅提升。
英語能力與國際市場競爭力
能用英語與國際團隊溝通、參與開源專案，或申請海外遠端工作，薪資通常較高。
英文能力 - 線上免費檢測
前端工程師的職涯發展路徑
📌 全端工程師：
學習後端技術（Node.js、MongoDB）與其他核心程式語言提升競爭力。
課程推薦：
微軟智慧應用C#全端開發工程師養成班
全端工程師必修-Python迅速開發網站實戰
📌 前端架構師：
專注於大型專案的架構設計與效能優化。
課程推薦：
資安與雲端架構工程師養成班
📌 技術產品經理：
結合技術與產品管理，創造更大價值。
課程推薦：
PM產品經理｜入門致勝攻略：打造最強怪物新人的實戰課｜
📌 UI/UX 工程師：
結合前端與使用者體驗設計，打造更直覺的介面。
課程推薦：
【安卓最新版】Android 9開發首部曲-UI與多頁面設計
哪些產業需要前端工程師
前端工程師的需求不僅限於軟體或網路公司，幾乎所有有數位產品的產業都需要前端開發人員。以下是幾個主要的產業：
📌 科技與軟體開發業（SaaS、雲端服務） 🌐
企業內部管理系統（ERP、CRM）
SaaS 產品（如 Notion、Figma、Slack）
API 服務平台、開發者工具
📌 電子商務（E-commerce） 🛒
電商平台（如 Shopee、Amazon）
直播購物、行動支付系統
會員系統、推薦系統的 UI 設計與優化
📌 金融科技（Fintech） 💳
銀行、線上支付系統（如 PayPal、Stripe）
投資交易平台（如 Robinhood、幣安）
區塊鏈 / Web3 項目（去中心化金融 DeFi、NFT 交易平台）
📌 遊戲產業（Gaming） 🎮
遊戲 UI 設計與開發（如 Unity WebGL、Web3 遊戲）
遊戲社群平台、直播互動功能
📌 醫療與健康科技（HealthTech） 🏥
線上醫療預約系統
遠端醫療應用（如 Telemedicine）
健康數據儀表板、可穿戴設備 UI
📌 教育科技（EdTech） 📚
線上學習平台（如 Coursera、Udemy）
互動學習工具、AI 自適應學習系統
📌 媒體與娛樂（Streaming & Social Media） 🎥
影音串流平台（如 YouTube、Netflix）
社群媒體（如 Twitter、TikTok）
內容管理系統（CMS）
📌 智慧製造與物聯網（IoT） 🏭
智能家居控制面板（如 Home Assistant）
工業自動化數據儀表板
📌 政府與非營利組織（GovTech） 🏛️
公家機關網站、數位政務服務
開放數據可視化應用
延伸推薦課程👉 RWD響應式網頁設計入門👉 （最新版.NET 6）ASP.NET Core MVC 無痛快速上手👉 工程師救星-用Bootstrap速成響應式網頁開發👉 Let’s Vue! 前端開發入門到實戰
前端工程師的挑戰與機會
🚀 成為前端工程師的挑戰
技術變化快，需持續學習
前端框架（React、Vue、Svelte）與技術棧更新快，需定期學習新技術。
前端生態系龐雜（Webpack、Vite、Bun 等工具），選擇適合的技術不容易。
效能與跨平台相容性
須考慮不同裝置、瀏覽器（Chrome、Safari、Edge）兼容性，避免出現顯示問題。
需優化效能，確保頁面載入速度快，提升使用者體驗。
與設計、後端的協作挑戰
需與 UI/UX 設計師合作，確保設計可行性。
與後端 API 串接時，可能遇到資料格式、CORS 限制等問題。
安全性風險
需防範 XSS、CSRF 等前端攻擊，確保網站安全。
🌟 成為前端工程師有哪些機會？
遠端工作機會多，薪資提升潛力大
許多國際公司提供遠端前端工程師職位，可爭取更高薪資（如美國、新加坡市場）。
跨領域發展機會
可向 Full-Stack 方向發展（學習後端 Node.js、雲端技術）。
若具備 UI/UX 設計能力，可轉型為前端設計師或產品開＝發相關角色。
AI & Web3 趨勢帶來新機會
AI 生成 UI（如 ChatGPT Plugin、Copilot）可能改變前端開發方式。
Web3 項目（如去中心化應用 dApp）對前端工程師需求增加。
開源貢獻與技術影響力
參與開源專案（如 Vue、React），可增加個人影響力，甚至吸引企業挖角。
延伸推薦課程👉 前端工程師專業技術養成班
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
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【前端工程師】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=%E5%89%8D%E7%AB%AF%E5%B7%A5%E7%A8%8B%E5%B8%AB&mode=s&page=1' amount='3']
Claude Design怎麼用？AI工具生成原型、簡報怎麼做和修改？Anthropic設計師建議使用技巧
Claude Design是什麼？Anthropic新推出的「Claude Design」，只需用自然語言描述需求，就能生成互動原型、簡報、行銷素材、甚至可點擊的網頁雛型。《104職場力》小編整理Claude Design使用方式、費用、操作步驟實測，包括Claude Design生成的原型和簡報修改方式，以及Anthropic設計師分享的使用心得，看看設計工具如何翻轉工作流程！
※更新時間：2026/06/29
文／《104職場力》小編
本文目錄（點擊可快速前往）
「Claude Design」是什麼？免費版能用嗎？Claude Design怎麼操作和修改？5步驟快速上手Claude Design怎麼用更好？Anthropic設計師分享7個心得官方Claude Design指南：獲得最佳結果的提示
Claude Design
網址：claude.ai/design
費用：使用Claude Design功能，需先確認已升級到Claude Pro以上方案（需付費訂閱）。
「Claude Design」是什麼？免費版能用嗎？
2026年6月更新：Claude Design於6月中更新，包括支援畫布直接編輯、匯出目的地擴充，以及Claude Design與Claude Code的雙向同步。使用「/design-sync」指令，可將設計系統引入Claude Design，也能將設計交到Claude Code接續開發，取代原本的單向交接流程。
圖／Claude Design
Claude Design是Anthropic推出的全新產品，由Claude Opus 4.7所驅動，這是Anthropic目前最強的視覺模型。Claude Design讓使用者可以創建原型、投影片、單頁說明文件等各種視覺素材，只需要用自然語言描述需求，Claude就會建立初版視覺稿，接著你可以透過對話、內嵌評論、直接編輯或自訂調整滑桿（由Claude即時生成）來反覆修改。
不論你是專業設計師，或是「腦中有想法、但不知道怎麼做出視覺成品」的工作者，都可以運用Claude Design快速生成視覺設計，大大顛覆傳統工作流程。
Claude Design能做什麼？主要應用場景整理
根據Anthropic官方公告，Claude Design目前主要應用場景包括：互動原型（設計師可將靜態稿轉為可分享的可點擊原型，無需走程式碼審查流程）、產品線框圖與視覺稿（PM可快速畫出功能流程，再交給Claude Code實作或給設計師精修）、設計探索、簡報與提案deck（創業者或業務人員可將粗略大綱在幾分鐘內生成完整的品牌風格投影片，並匯出為PPTX或傳送至Canva），以及行銷素材與前沿原型設計（包含語音、影片、3D效果與內建AI功能的互動原型）。
Claude Design誰能使用？免費版能用嗎？
Claude Design目前以研究預覽版本（Research Preview）形式，提供給Claude Pro、Max、Team及Enterprise方案的訂閱用戶，免費版目前無法使用。另外，企業版（Enterprise）預設關閉，需由管理員在組織設定中手動開啟。
額度方面，Claude Design原先有獨立的每週使用限額，不過自2026年5月底起，Claude Design的用量已改為與Claude.ai及Claude Code共用每週額度，不再單獨計算。仍建議精準下達指令以節省用量。
Claude Design怎麼操作和修改？5步驟快速上手
根據Anthropic官方說明文件，完整的操作流程如下：
Step 1：進入claude.ai/design，建立專案
前往claude.ai/design，點選建立新專案，新建專案時可選擇Prototype、Slide deck、From template、Other。如果你的組織已由設計師事先設定好品牌設計系統，專案會自動套用團隊的色彩、字型與元件，不需要額外設定。
從Claude左欄選擇「Design」或直接前往「claude.ai/design」
輸入專案需求，新建專案時可選擇Prototype、Slides等類別
Step 2：上傳品牌素材（首次使用建議做）
可上傳的素材包括：程式碼庫（如React元件庫）、現有的簡報或PDF、品牌Logo與色票，甚至一份設計精良的PowerPoint就夠。提供愈多素材，Claude對你品牌風格的掌握就愈準確，生成結果就愈好。
Step 3：用自然語言描述你要的設計
一個好的提示詞包含4個要素：目標（你要做什麼）、版面（如何排列）、內容（呈現什麼資訊）、受眾（誰會使用）。例如：「設計一個行動App的4頁引導流程，帶使用者了解我們的核心功能。」
以下為《104職場力》小編實測內容，選擇「Prototype」從生成wireframe到建立High fidelity網頁，實測時也提供品牌系統風格及吉祥物圖片，讓生成網站與品牌風格統一：
圖／104職場力小編實測
圖／104職場力小編實測
接著實測選擇「Slides」生成簡報，Claude Design生成的簡報投影片可以包括演講者備註，同時簡報元素均能直接編輯，或利用「對話」或「內嵌註解」修改：
圖／104職場力小編實測
Step 4：用對話、評論工具或直接編輯來迭代修改
初稿完成後若想調整設計，有3種方式可以搭配使用：大範圍的結構調整用「對話」（例如「把配色改得更深沉、更簡約」）；針對特定元件的細節微調則直接在畫布上點擊留言「內嵌註解」（例如「把這個按鈕的padding加大」），或者直接在畫布上選擇「編輯」調整，例如直接拖曳、調整大小、對齊元素。
初稿完成後若想調整設計，小範圍或針對特定元件的細節微調，直接在畫布上點擊留言「內嵌註解」或直接編輯都可以
Step 5：匯出專案或交接給Claude Code
設計確認完成後，點選右上角「Share」，選擇輸出格式：ZIP、PDF、PPTX、獨立HTML，或直接給Claude Code進行程式碼實作。目前更新後也支援匯出至包括Adobe、Base44、Canva、Gamma、Lovable、Miro、Replit、Vercel和Wix等平台。另外，6月更新後，Claude Design與Claude Code的整合也更進一步雙向同步，新增/design-sync指令，不再只是單向打包交接。
點選右上角「Share」，選擇輸出格式或交給Claude Code
Claude Design怎麼用更好？Anthropic設計師分享7個心得
如何讓Claude Design生成結果更專業？Anthropic設計師Ryan Mather，在公司內負責7個產品線，他在Claude Design推出後於社群平台分享了他的使用心得，截至本文發布為止，已累積143萬次查看、1.8萬書籤紀錄：
1. 先花一小時設定你的設計系統與核心畫面
這是最值得的前期投資。把程式碼庫、設計稿與品牌素材一次餵給AI，之後的每一次生成都會自動套用規範，省去反覆調整風格的麻煩。
2. 與你的工程師即時迭代
Ryan的建議是，設計師與工程師可以在會議中一起運用Claude Design設計新功能。因為Claude Design製作原型速度極快，邊討論邊產出原型，當場驗證概念的技術可行性，讓設計決策與工程限制的碰撞即時發生。
3. 善用「評論工具」進行精準編輯
Claude Design完成初稿後，可能有很多細節需要調整，避免在對話框用一大段文字描述修改位置，這樣既困難又容易出錯。建議直接在畫面上點擊你想改的元素並留下評論，讓Claude識別修改。
4. 讓Claude為你的想法製作影片簡報
Claude Design幾乎能做到你能想到的任何事。老實說，它更像是Claude Code，而不是一個基於畫布的設計工具。
5. 善用連接器，特別是Docs與Slack
設定完成後，您可以發送類似「請閱讀產品研討會的會議記錄，並針對所有提出的問題建立一個演示文稿，探討不同的設計方案」這樣的提示。然後出去走走、感受新鮮事物，回來後會覺得耳目一新！
6. 讓Claude隨時為你打造專屬輔助工具
別再用操作傳統「畫布型」設計工具的思維來限制Claude Design。它是完全不同的事物，具備不同的超能力。去實驗並大膽玩點新花樣吧！你會發現自己的設計效率與表現，將遠遠超越你過去的做事方式。
7. 學會在對的地方放慢腳步、親手打磨細節
AI設計速度極快，但在某些高影響力的細節方面，例如全新的Icon圖示、情境插圖或產品命名，這些看似微小的細節，往往能對整體體驗產生超乎預期的巨大影響力。仍然值得放慢速度，親自手工打磨。因此，知道何時該放慢腳步，本身就是一種藝術形式。
🧵 My tips for getting the best results out of Claude Design! I’m on the verticals team at Anthropic which means I serve 7 different products. Claude Design makes it possible!1. Set up your design system and your core screens. An hour of setup and refinement here is worth it https://t.co/uDA5tOjJmf— Ryan Mather (@Flomerboy) April 17, 2026
官方Claude Design指南：獲得最佳結果的提示
Anthropic官方也釋出使用Claude Design獲得最佳結果的6個提示，提供用戶參考：
從簡單開始，然後逐層增加複雜性：從核心版面配置和內容開始，然後新增互動、邊界情況和潤飾。Claude 對增量請求反應良好。
給Claude的回饋要具體：「這看起來不對」很難採取行動。「將表單欄位之間的間距緊縮至8px」給Claude提供了它所需的確切內容。
參考您的設計系統：如果您知道您品牌系統中存在某個元件，請按名稱提及它：「使用主要按鈕元件」或「套用卡片版面配置模式。」
盡早考慮回應式設計：提及您的設計是否需要在行動、平板電腦和桌面上運作，或僅在其中之一上運作。
要求變化：如果您不確定某個方向，請要求Claude向您展示2~3個選項。比較替代方案比猜測快得多。
要求Claude提供回饋：Claude可以檢視您的設計是否具有無障礙性、對比率、資訊層級和一般可用性。將其視為設計協作者，而不僅僅是產生器。
以上就是本次Claude Design使用方式及技巧分享，Claude Design的出現，與其說是「取代」設計師，不如說是解放了產品團隊的生產力。Anthropic本次瞄準的是Figma與Canva的核心工作流，原型在對話中生成，確認後打包交給Claude Code實作程式碼（更新後Claude Design與Claude Code可雙向同步），若要繼續打磨也可以匯出到Canva等多個平台。
對PM來說，不需要等設計排期就能端出功能流程草稿；對工程師來說，拿到的是已迭代確認的元件而非模糊規格；對設計師來說，靜態產出的門檻降低了，專業判斷力與設計系統的品質反而成了更難被取代的核心。Claude Design目前開放給Pro、Max、Team與Enterprise付費訂閱用戶，如果你本來就重度依賴Claude，不妨現在就試試看！
【ChatGPT當機】除了ChatGPT還有哪些生成式AI？16種AI工具應用解析，4步驟學會關鍵能力
生成式AI除了ChatGPT，你還用過哪些？本文解析4大領域、16種AI工具特性，包括：Copilot、Perplexity、Claude等等，專家也提醒千萬別完全依賴AI、失去自主思考能力，4步驟帶你了解如何正確運用AI工具，建立解決問題的思考框架！
編按：ChatGPT在台灣時間7月16日上午再傳大當機，網頁、APP版都出現異常，用戶除分享當機災情，也尋找替代工具，本文分享除了ChatGPT，還有哪些生成式AI工具！
文／ 張可佳（Claire Chang）
本文目錄（點擊可快速前往）
16種生成式AI工具4大領域應用文本生成（LLM）工具影像／影片生成（Text-to-Image）工具音樂／聲音生成工具程式碼生成工具生成式AI的正確／不正確使用範例正確使用AI的例子：輔助學習不正確使用AI的例子：完全依賴翻譯工具4步驟用ChatGPT訓練解決問題的思考框架1. 明確定義問題與期待結果2. 重視問答過程並在過程中做思考3. 根據反饋一步一步探索你要的目標4. 快速測試及驗證回應
16種生成式AI工具4大領域應用
在生成式AI的世界裡，許多人可能首先想到的是OpenAI的ChatGPT。然而，生成式AI的應用範圍遠不止於此，涵蓋了從文本生成到圖片、影像、音樂、語音生成，甚至程式碼生成的多個領域。以下是一些主要的生成式AI工具，介紹它們在不同領域的應用。
文本生成（LLM）工具
1. OpenAI的ChatGPT
網址：https://chatgpt.com/
最受歡迎的文本生成模型之一，能夠回答問題、撰寫文章、生成對話等。
2. Google的Gemini
網址：https://gemini.google.com/app
能夠同時理解文本、影像、音訊和影片，這使其能夠更全面地處理和生成資訊，適用於各種複雜任務。
3. 微軟的Copilot
網址：https://copilot.microsoft.com/
整合Microsoft 365應用程式，幫助用戶自動化任務、生成內容和分析資料，提升工作效率。
4. Anthropic的Claude
網址：https://claude.ai/
超大的上下文窗口，可處理長的文本資料。
5. Perplexity
網址：https://www.perplexity.ai
與傳統搜尋引擎不同，Perplexity AI提供單一的、全面的答案，概括了所有需要知道的資訊。
6. Felo Search
網址：https://felo.ai/search
支持多語言搜尋，能夠自動翻譯搜尋結果，消除語言障礙，使用戶能夠訪問全球資料。搜尋結果是從網際網路上即時獲取的，確保資訊的最新性和準確性。
影像／影片生成（Text-to-Image）工具
1. Meshy
網址：https://www.meshy.ai/
從文本或影像創建3D建模檔案，從而加速3D建模的流程
2. Midjourney
網址：https://www.midjourney.com/
以創作高品質影像而著稱，適合藝術家和設計師使用。
3. Stable diffusion
網址：https://stability.ai/stable-diffusion
開源社群網址：https://civitai.com/
開源的影像生成模型，提供靈活且可自定義的生成過程。並有著豐富的開源模型社群，有豐富的免費模型與外掛可供嘗試使用。
4. Kling
網址：https://klingai.com/
影片及圖片生成的大模型，能更輕鬆地完成藝術影片創作。
音樂／聲音生成工具
1. Suno
網址：https://suno.com/
音樂生成AI工具。使用者只需要輸入歌詞，就可以在短時間內自動完成作曲、編曲及演唱。
2. Steve AI
網址：https://www.steve.ai/
專門用於生成音樂和聲音效果，適合影片和遊戲設計。
3. AudioCraft
網址：https://audiocraft.metademolab.com/
Meta開發的音樂生成工具，能創作高品質的音樂片段。
程式碼生成工具
1. Github的Copilot
網址：https://github.com/features/copilot
與Visual Studio Code整合的程式碼輔助工具，能夠即時補全程式碼。
2. Cursor
網址：https://www.cursor.com/
使用GPT-4，在一種新型編輯器中撰寫、編輯的程式碼。
3. Cosine AI
網址：https://cosine.sh/genie
推出了Genie，自稱全球最優秀的AI軟體工程師。
生成式AI的正確／不正確使用範例
筆者在撰寫此書籍時，為了更深入了解各行各業中人們使用生成式AI的情況，訪談了20餘位不同行業和角色的職場菁英。
其中，來自5IN實驗教育機構的李有誠博士，身處教育界，對生成式AI的影響有深刻見解。他認為生成式AI是一種革命性的技術，不僅改變了知識的傳遞方式，更可能重塑人類社會的結構。
李博士強調，生成式AI的強大之處在於其能在短時間內處理和生成海量數據與資料，超越人類能接受、理解和消化的能力。這種能力有可能引發許多職位、人類角色、認知和信念的興起與消失，導致社會結構的快速變動，也因此導致現代人們容易自我定位錯亂，迷失自我。
為了應對這種變動，他認為教育的核心任務應該是幫助學生進行自我探索與定位，探索自我價值觀，建立自我人格。人的想法和人格並非純粹內生，而是受到外部環境和參考資料的影響而形成。只有當學生能夠更快地了解自己與環境時，才能更有效地適應這些變化。
因此，社會對教育的觀念也需要隨之改變，應更加重視思考能力和人文素養的培養，而非僅僅追求分數或知識的學習。建立解決問題的思考框架，而非僅依賴AI提供的知識，將成為未來AI時代最重要的軟實力。
他也提及我們應謹慎使用AI功能，以確保能從中受益而不是依賴。
正確使用AI的例子：輔助學習
在完成英文創意寫作後，可以使用AI工具（如Grammarly、ChatGPT）來檢查文法錯誤。這種使用方式能夠幫助學生識別和理解自己在語言使用上的錯誤，進一步辨認出自己需要調整的地方，提高語言能力。學生完成寫作後，將其提交給AI 檢查，然後將AI指出的錯誤列出並理解這些錯誤的原因，再進一步請教師解釋和指導。接下來，學生按照對自己現況能力的新了解而更有針對性的進行下一步的成長，方能達到提高能力的目標。
正確使用AI－輔助學習指令：
請檢查這篇英文文章的文法錯誤，並列出有哪些錯誤及其原因。我想學習並了解我的寫作問題，從而改進我的英文能力。以下是我的文章內容：[ 在此貼上文章內容]
不正確使用AI的例子：完全依賴翻譯工具
在創意寫作時，直接使用Google翻譯將中文文本轉換為英文，然後將這些翻譯結果提交作為作業。這種做法完全沒有涉及到發自於學生本身的任何自主思考，錯失了練習英文的機會，沒有達到學習的目的，反而浪費了時間和資源，變成老師根本就是批改電腦生成內容的滑稽景象，也可能誤創造出學生有在學習的假象。
不正確使用AI－完全依賴工具：
我有一篇中文文章，請你將其翻譯成英文，並確保翻譯後的結果看起來像是創意寫作，能直接提交作為作業。以下是文章內容：[ 在此貼上文章內容]
4步驟用ChatGPT訓練解決問題的思考框架
從上面的範例我們可以知道，我們並不是要完全依賴AI替我們工作，而是將其視為一個強大的輔助工具，在我們的指導下，共同完成目標。我們可以將AI視為自己的下屬，而自己則是主管，負責引導、審視並做出最終決策。
1. 明確定義問題與期待結果
首先，我們需要清晰地定義問題，了解自己想獲得的結果，並附上相關參考資訊，為AI提供明確的指示。就像一位主管在下達任務時，需要讓下屬明確理解工作要求和目標。這樣，AI才能根據我們的指引生成符合預期的結果。
【市場分析報告】指令範例：
我需要生成一份有關市場分析的報告，目標是瞭解我們的新產品在台灣不同市場中的潛力。產品資訊：辣木籽（維持健康 促進新陳代謝 調節生理機能），印度稱其為【奇蹟之樹】，來自印度的超級食物，風靡全球 營養價值高
2. 重視問答過程並在過程中做思考
在這個過程中，我們扮演的角色不僅僅是提出問題，更重要的是評估AI的回應。當AI生成回應後，我們需要像主管審閱報告一樣，仔細檢查其中的邏輯和合理性。對於發現的任何不合理之處，我們要進一步探詢或查證，確保最終的結果是準確可靠的。
【客群分析】指令範例：
以這三種不同客群來說，在行銷包裝上分別要注意什麼？中老年人、關注健康的年輕專業人士、重視養生的族群
3. 根據反饋一步一步探索你要的目標
此外，我們應該善用AI提供的反饋，逐步逼近我們的最終目標。這就像在管理一個專案時，我們根據進展情況進行調整和最佳化，最終達成預期的成果。這種持續的互動和調整，是確保AI能夠有效協助我們解決問題的關鍵。
【行銷策略】指令範例：
有沒有一種行銷可同時打中這三種族群？
4. 快速測試及驗證回應
在利用AI解決問題的過程中，我們需要對AI回應的內容進行驗證。透過一來一回的過程，我們能從中學習到我們原本不知道的東西，並產生最終品質更好的結果。這不僅能提高我們的工作效率，也能讓我們從過程中學習，增強我們處理跨領域問題的能力，讓我們透過AI來提升工作能力及效率。
【行銷管道】指令範例：
中老年使用部落客推薦會有用嗎？有推薦管道嗎？
這時我們就可以去Google搜尋其他保健食品與醫生或健康專家合作做推薦的案例（可以使用Perplexity或Felo Search去搜尋相關文章），並評估可行性和過往的成效。我們可以將搜尋到的資料再貼回ChatGPT，幫助ChatGPT有更多符合我們需求的相關知識，並提供更好的後續回應。
節錄自：博碩文化《AI職場超神助手：ChatGPT與生成式AI一鍵搞定工作難題／張可佳（Claire Chang） 著 》
更多【AI工具應用】推薦：
盤點20大職場必備AI工具！專家：未來9成工作者都須懂AI
ChatGPT整理Excel表格超快速！用AI輕鬆搞定複雜資料
ChatGPT一鍵生成簡報！Slides Maker讓AI幫你快速做完整簡報
《2025半導體業人才報告書》半導體每月徵才3.4萬人，生產製造/品管/環衛類、研發類每月缺才近1萬人最多
半導體為台灣經濟發展的命脈！104人力銀行與工研院合作發布《2025半導體業人才報告書》，2025年5月半導體人才缺口達3.4萬人，主要徵才職類：「生產製造/品管/環衛類」缺1萬人、「研發類」缺9,000人、「操作/技術/維修類」缺7,000人最多。半導體業期待職人具備的技能，「生產製造/品管/環衛類」與「操作/技術/維修類」重視設備運作與故障排除，「研發類」技能則與電子電路設計知識、電路布局技巧高度相關；科系方面，人才缺口最大的三大職類，限定科系普遍期待是電機電子或機械工程相關背景。
【立即領取】《2025半導體業人才報告書》
半導體技術職缺強勢成長 自2023下半年強彈逾6成
觀察半導體徵才趨勢，《2025半導體業人才報告書》數據發現，自2023年下半年起，主要徵才3大職類「生產製造／品管／環衛類」、「研發類」、「操作／技術／維修類」工作機會持續攀高，其中以技術職特別明顯，「生產製造／品管／環衛類」自2023年10月5,600個工作機會，攀升至2025年5月1萬個，增幅達77%，反映晶圓廠擴產、先進製程與先進封裝投資增加，對製造工程人力需求增多；「操作／技術／維修類」自2023年10月4,300個工作機會，增長至2025年5月7,000個工作機會，增幅67%，反映先進製程與先進封裝產線擴展，機台操作與維護人員需求上升。
半導體操作／技術／維修職類 每個工作機會僅能分到0.2名求職者
半導體缺才有多嚴重？根據《2025半導體業人才報告書》顯示，人才缺口前三大職類，「操作／技術／維修類」因需要輪班且工作當下需高度專注，人才招募不易2025年5月平均每個工作機會僅能分到0.2名求職者人力，極度緊張；「生產製造／品管／環衛類」因製程複雜，設備操作與維護需大量工程師，平均每個工作機會僅能分到0.4名求職者；「研發類」隨著AI應用全面擴散，消費性電子產品能力提升、通訊技術升級，平均每個工作機會僅能分到0.45名求職者，均出現人才短缺現象。
非理工職投入半導體 操作／技術／維修類58%不限科系最有機會
至於半導體想招募的人才，《2025半導體業人才報告書》指出，工作技能方面「生產製造／品管／環衛類」、「操作／技術／維修類」前三大技能均為機械產品故障排除檢修、改善設備問題及功能提昇、電機設備保養修護，確保維持設備正常、避免停機，支撐整體製程順利進行；「研發類」技能則為電子電路系統設計、類比IC電路設計、數位電路設計與驗證。
科系方面，根據《2025半導體業人才報告書》，「操作／技術／維修類」工作著重實作與現場技能，大多數企業都可提供訓練，58%職務科系不拘比例最高。「生產製造／品管／環衛類」雖具技術門檻，但多屬執行性質，部分工作也可透過內部訓練補足，38%職務科系不拘彈性中等。相較之下，「研發類」職務需具備電機、電子、材料等專業背景，要求高度理論與技術知識，因此對科系限制最嚴，職務科系不拘的比例僅23%。
【1分鐘填表單，立即下載】《2025半導體業人才報告書》
更多產業趨勢，你還會想看
104 × 工研院發表《2025 半導體人才趨勢報告》揭露五大警訊與因應之道
《2025科技業人才報告書》完整版，免費下載！4大關鍵發現，揭露科技業最新人才戰局
《2025科技業人才報告書》平均一個工作機會只有 0.36 個求職者！類比IC設計師為科技業薪資榜首
餐飲缺工怎解？ 八成求職者期待「一頭班」或彈性排班
《綠領人才就業趨勢報告》每月徵2.2萬名綠領人才！綠領AI人才缺口激增到4,300個
104公布最新10大職場趨勢！科技與金融年薪逾90萬元、「新時代高薪職務」出列
用FoxBrain學老師傅看家本領！鴻海打造的AI模型如何幫省8成基礎工？
鴻海自研語言模型FoxBrain，靠著自建算力與產線數據優勢，讓生成式AI走進工廠現場，不只學會老師傅的技術，更預告未來產品開發流程將全面加速，這背後藏著什麼關鍵技術和策略？一起來揭開鴻海智慧製造的秘密。
文／鄧凱元 由天下雜誌授權轉載
本文導覽
AI上工！鴻海FoxBrain讓人機對話成為工廠日常從租用到自建算力，鴻海砸近億成本訓練FoxBrain從DeepSeek缺陷學經驗：FoxBrain強化推理、聰明又節能老師傅「教」AI！「擷取增強生成」讓FoxBrain懂業內知識AI應用下一步，協助新品開發時間減半
地表最大代工廠鴻海，靠著自建算力，打造出繁體中文AI大型語言模型「FoxBrain」，把當今最具話題的AI代理人運用到工廠第一線，省下80%基礎工，它怎麼做到？
AI上工！鴻海FoxBrain讓人機對話成為工廠日常
今年5月的台北國際電腦展（Computex），鴻海董事長劉揚偉拋出一個驚人的數字：鴻海內部測試結果顯示，在生成式AI協助下，80%的基礎工作可以由AI代勞，剩下20%的困難工作，才是人類的天下。
劉揚偉口中，產線人員與AI代理人互動的實況長這樣：
AI代理：已完成熔膠階段參數推薦。
員工：確認並下一步。
AI代理：已完成射出階段參數推薦。如果沒有出現缺陷，請點擊「先保加壓」。如果當前出現缺陷，請選擇是先解決缺陷還是先保加壓。
員工：先解決缺陷。
AI代理：請告知缺陷類型。
員工：射紋。
靠AI代理推薦、優化機台參數，省下八成基礎的調機工作，這對擁有90萬名員工的鴻海來說，是個巨大的改變。源頭是鴻海自行開發的大型語言模型FoxBrain。
主導FoxBrain開發的鴻海研究院人工智慧研究所所長栗永徽，在接受《天下》專訪時信心滿滿地表示，「FoxBrain有潛力成為台灣推理能力最強的繁體中文大型語言模型。」
從租用到自建算力，鴻海砸近億成本訓練FoxBrain
但開發自家的大型語言模型，對硬體起家的鴻海，是一條崎嶇之路。
栗永徽回憶，3年前在鴻海科技日，董事長要他分析AI的未來，他講的主題是當時學界已經熱烈討論的AI訓練與生成式AI大突破，「我們已經看到大型語言模型就是未來的趨勢。」不過，當時熱潮還沒起，在鴻海內部尚未獲得太多迴響，之後ChatGPT很快橫空出世，AI在集團內開始獲得重視。
一開始，鴻海開發大型語言模型是以租用算力的方式進行，但計算後發現，自建算力還比較划算，成本算得很精的鴻海，開始花錢建構自家算力，建立訓練大型語言模型需要的彈藥。
▲鴻海積極用AI實現智慧工廠，圖為富士康深圳龍華廠。（攝／謝佩穎，由天下雜誌授權轉載）
「算力是所有的基礎，沒有算力談模型，也是空談，」他坦言。
算力也是財力，一張100多萬台幣的輝達H100 GPU，鴻海用了上百張，短短4個月，栗永徽帶團隊餵了大量的繁體中文資料，完成模型的先期訓練。
栗永徽當時就認為，鴻海來自台灣，當然希望FoxBrain不但要繁體中文、能理解在地知識與意識形態，同時還讓模型開源，幫助社會大眾。
另外，FoxBrain在接受一般性資料的先期訓練後，真正要落地，還要透過被稱為擷取增強生成（RAG）的方法，餵入企業的專業知識，「才能準確回到企業需要知道的答案，而不是不懂裝懂亂答，」栗永徽強調。
從DeepSeek缺陷學經驗：FoxBrain強化推理、聰明又節能
FoxBrain有個其他模型沒有的鴻海DNA：成本撙節能力強。內部實測中國年初火爆全球的DeepSeek時，栗永徽察覺到這個當紅模型竟然常過度思考，也就是在回答一個問題時，反覆使用不同的邏輯打斷推理過程，這會吃掉非常多「token」（語言模型的基礎單位）。
若把token想像成「字的積木」，AI模型就是用這些積木一個一個拼出回答，而不是一次就說出整句話。答案愈長、內容愈複雜，用掉的token就愈多，這意味著推理的時間變長，運算成本也更高。
「吐出每個token都要花錢，吐愈多花愈多，」栗永徽直言。
DeepSeek實測，啟發了栗永徽和團隊在發展FoxBrian時，設計出在推論前，先告知推論方法，以及要花多少運算資源，再由人為判斷要採取哪種模式展開，節省不必要的浪費。
另外，FoxBrain也加入了推理能力，能把複雜問題拆成多個小問題，分頭解決後再組成最終答案，透過這樣的方法讓AI變得更聰明。
一位與輝達合作開發模型應用的AI公司開發主管觀察，先前由台灣學界開發全球首創繁體中文專家模型的Project TAME，餵入的繁中資料廣度更多，但受限學界的資源，模型本身不容易持續疊加新發展。而FoxBrain有鴻海的企業資本奧援，模型才有本錢持續更新維護。
鴻海已對外揭露，FoxBrain推出後，將逐步用在智慧製造、智慧電動車、智慧城市三大關鍵應用場景。
實際怎麼用在三大平台？在一場由輝達主辦的論壇上，鴻海首度對外揭露，FoxBrain在製造產線落地的實況。
老師傅「教」AI！「擷取增強生成」讓FoxBrain懂業內知識
身為全球最大的代工製造廠，塑膠成型機擔綱重要角色，必須把塑膠粒子加熱後，射出至模具上定型，製作出筆電、手機、連接器、電視、遊戲機用到的塑膠件。
要把塑膠表面做得光滑、結構扎實又沒有毛邊，必須靠老師傅控制塑膠加熱的溫度與射速等關鍵參數。不過，新人上手時間長、缺工與經驗難傳承等，一直是問題。
所以，AI派上用場了。
鴻海董事長辦公室智能系統研發處長郭錦斌透露，鴻海把訪談現場老師傅的經驗、機台參數、研究等資料餵給FoxBrain，經過短短5個月的訓練，AI已經學會80%的基礎調機工作。
栗永徽解釋，這是透過擷取增強生成的方法，把企業擁有的行業知識傳授給AI，讓模型可以針對特定問題，從資料庫裡精確回答。
透過這樣的方法，AI把老師傅的經驗建構成「知識圖譜」，讓產線人員如同使用ChatGPT般，和AI對話。「這種協作方式以後會是我們產線上的標配，」郭錦斌表示。
▲「知識圖譜」讓老師傅經驗得以傳承。（攝／鄧凱元，由天下雜誌授權轉載）
這樣的應用，也代表大型語言模型搭配AI代理，已經從雲端落地到企業實戰。
相較剛開始反應冷淡，現在每天都有很多單位寫email或傳訊給栗永徽，「都是要來找我們討論FoxBrain怎麼開發、應用，」他笑著說。
AI應用下一步，協助新品開發時間減半
鴻海發展AI應用，有個難以複製的優勢：模型、現場數據、應用到算力的開發者生態圈，正逐步成形。
最快今年第三季，鴻海採用輝達的四櫃AI伺服器GB200 NVL72就有可能落地，屆時GPU數將增加一倍以上。劉揚偉更在Computex宣布，和輝達、台積要新建的AI工廠，GPU的張數有可能增加至萬張以上。
「這個建起來之後，算力絕對是台灣最大，」栗永徽說。
因此，AI除了用來調整機台參數，後續還有更多的工作要做。下一個應用，將是縮短從接單、模具開發到產線參數調整所需的時間。
「新產品開發要花不少時間，所以我們透過生成式AI，提供模具設計的建議，接著再讓AI調整參數，」郭錦斌估計，開發時間可省下將近一半。
未來，鴻海也將逐步把這樣的方法論，導入其他製程。
從塑膠射出產線，再落地到其他製程產線，甚至導入其他事業部的應用場域及平台，鴻海還需要更多時間。但AI這場競賽，已經從雲端高閣，漸漸落地到現場。一場比數據、比算力、比應用的競賽正式展開。
（原文標題：鴻海AI大腦FoxBrain，包下廠內八成基礎工作 如何連老師傅經驗也吸收？）
[joblist_plugin title='更多104【鴻海】精選職缺' url='https://www.104.com.tw/company/233rv1s' amount='5']
延伸閱讀：
AI時代的資工人何去何從？專家：向「文組」取經是條出路
AI會取代工程師嗎？寫程式不再是門檻，如何打造不可替代的能力？
文組生3個月轉職半導體工程師、年薪翻倍！陽明交大為何免費幫上千人轉職？
3張圖看懂AI工廠｜機械手臂從「滿笨的」變好同事，頂大畢業生不用再顧機台
獨家開箱鴻海深圳3大關燈現場 圖解：AI排程、機器人上工，一人能管全球6萬機台
直擊台達黃埔基地祕密武器 AI產線經理：要讓工程師在台灣，操作美國產線
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
科技業面試「上機考」成常態 整理5大刷題平台助攻求職者
AI工具快速普及，科技業招募工程人才的方式也正在改變。除了傳統面試，越來越多企業在招募流程中加入「線上機測」（Online Assessment），也就是俗稱的「上機考」，要求求職者在限定時間內寫程式、解題，從實際作答過程觀察技術能力。對求職者而言，上機考已成為科技業面試的重要關卡。104人力銀行整理5大熱門刷題平台，建議求職者依自身程度進行準備，並提前熟悉常見題型與測驗節奏，才能在正式應試時充分展現實力。
文／104人力銀行
本文目錄（點擊可快速前往）
寫程式只是基本功 AI時代更重視判斷與解決問題能力1. 邏輯思考：能不能把問題拆開來解2. 判斷與除錯能力：AI寫出的答案，自己看得懂嗎？3. 實戰應用能力：能不能把技術用來解決真實問題5大刷題平台一次看 先找到適合自己的練習方式完全沒接觸過演算法 → NeetCode程式基礎有缺口 → GeeksforGeeks鎖定外商軟體職缺 → LeetCode想先熟悉正式線上測驗 → Codility想練習多元技術題型 → HackerRank刷題黑話一次看懂 看到英文代碼別慌
寫程式只是基本功 AI時代更重視判斷與解決問題能力
AI讓寫程式變得更加容易，企業對工程人才的要求也逐漸改變，單純從零開始撰寫程式的重要性下降，取而代之的是系統設計與除錯調校等能力。104人力銀行產品暨價值經營總處資深協理王之璘觀察，企業透過上機考，看的不只是求職者能不能寫出正確答案，更重視以下3項能力：
1. 邏輯思考：能不能把問題拆開來解
企業不只看最後答案對不對，也會觀察求職者如何理解問題、拆解步驟，以及選擇什麼方式解題。
2. 判斷與除錯能力：AI寫出的答案，自己看得懂嗎？
AI可以協助產生程式碼，但不代表答案一定正確。工程師除了會使用AI，也必須具備判斷能力，能看懂AI產出的內容、找出可能的錯誤，並自行修改、測試與驗證。
3. 實戰應用能力：能不能把技術用來解決真實問題
上機考的題型也逐漸不再只是單純考演算法，而是加入更貼近實際工作的情境，觀察求職者能否將技術應用在真實問題上。
5大刷題平台一次看 先找到適合自己的練習方式
104人力銀行產品暨價值經營總處資深協理王之璘指出，準備上機考不一定是題目做得越多越好，重點是依照自己的程度選擇適合的工具。104人力銀行整理5大主流刷題平台，從完全沒接觸過演算法的新手，到已經收到企業線上測驗通知的求職者，都能找到相對應的練習方式。
完全沒接觸過演算法 → NeetCode
想從零開始準備演算法與技術面試，可從NeetCode入門。平台將不同難度的題目整理成學習地圖，並提供影音解說，幫助使用者理解解題思路。建議先從「Blind 75」建立學習骨架，再利用「NeetCode 150」逐步補強，若已有明確目標企業，也可進一步參考公司相關題目進行準備。
程式基礎有缺口 → GeeksforGeeks
如果已具備基本程式能力，但對作業系統、資料庫等電腦科學核心知識還不熟悉，GeeksforGeeks提供相關教學與題目，可協助補足基礎觀念。求職者可先透過「GfG 160」熟悉常見面試題型，再利用「Company Wise」依目標企業進行練習，並透過每日題目持續累積解題經驗。
鎖定外商軟體職缺 → LeetCode
LeetCode是技術面試與線上程式測驗常見的練習平台，適合已有一定程式基礎、希望進一步強化演算法與解題能力的求職者。平台提供「Study Plan」協助安排練習進度，也可透過討論區比較不同解法；完成題目後，還能查看程式效能表現，了解自己的解法是否還有優化空間。
想先熟悉正式線上測驗 → Codility
如果已收到企業的線上測驗通知，或希望提前熟悉限時作答的節奏，可利用Codility進行模擬。平台提供Demo Test，讓使用者在正式測驗前先熟悉作答介面與流程。除了答案是否正確外，系統也會測試程式的執行效率，因此求職者除了追求「答對」，也必須思考如何讓程式跑得更有效率。
想練習多元技術題型 → HackerRank
HackerRank的題庫涵蓋演算法、SQL、資料科學等不同領域，適合希望擴大練習範圍的求職者。可先透過「Practice」熟悉各類題型與作答方式，若目標職缺需要資料庫能力，也能直接針對SQL等相關題目加強練習。部分技能測驗完成後，也可取得對應的技能認證放進履歷。
刷題黑話一次看懂 看到英文代碼別慌
第一次使用線上刷題平台，看到AC、WA、TLE等英文縮寫，可能讓不少求職者一頭霧水。104人力銀行整理6個常見結果，幫助求職者快速判讀程式到底出了什麼問題。
簡寫涵義AC（Accepted）測試通過：所有測試資料都跑出正確答案WA（Wrong Answer）答案錯誤：結果不符，通常是邊界條件沒處理TLE（Time Limit Exceeded）執行超時：程式跑太慢，代表演算法效率太低MLE（Memory Limit Exceeded）記憶體超限：程式佔用的空間超過題目上限RE（Runtime Error）執行錯誤：程式中途當掉，如除以零、陣列越界CE（Compile Error）編譯錯誤：語法出現問題，程式沒跑起來
104人力銀行產品暨價值經營總處資深協理王之璘提醒，AI工具讓程式開發的門檻降低，也讓企業在招募工程人才時，更重視求職者能否理解問題、判斷解法、找出錯誤並解決實際狀況。對求職者而言，準備上機考不只是「多刷幾題」，更重要的是建立解題邏輯、培養程式除錯能力，並熟悉限時作答的節奏與各平台操作方式。建議依照自身程度選擇合適的練習平台，在正式測驗前做好準備，才能更充分展現自己的技術實力。
4個不該再用AI工具做報告的真相！推薦AI Agent生成簡報，自動化任務：找資料、圖表分析、PPT設計
文 /職迷不霧
用 AI 工具像 Gamma 、 ChatGPT 做報告是多數人的推薦💻 雖然可以快速生成簡報 PPT ，但內容和資料的品質真的有符合你的標準嗎？是不是還要花很多時間編輯？終於，全球首款 AI 代理 Manus 來了👏 你有更專業的選擇！這篇文章要用 AI 簡報工具的 4 大真相來對比 AI Agent 厲害的自動化任務
4 個不該再用 AI 工具做報告的真相（點擊快速抵達）
真相1. AI 簡報工具內容完整度不足
真相2. AI 生成的圖片與報告關聯性低
真相3. 文筆「AI味」暴露不像人寫的
真相4. 下載PPT會跑版，還有浮水印
剛好迷編我這週要做競業分析，我就用一樣的指令，同時請 AI 簡報工具與 AI Agent 幫我製作簡報 請幫這個IG：https://www.instagram.com/career_noloss?igsh=eHI0cnYwd2JqaXo1&utm_source=qr 做競業IG分析，比較對象要有3個IG帳號 先來看看第一個血淋淋的比較👇👇👇
真相1. AI 簡報工具內容完整度不足
為了讓看報告的人可以快速理解，通常簡報一開始的目錄與前言說明是很重要的！可以很明顯的看到 AI 簡報工具（左）只有粗淺的一段話介紹，而 AI Agent（右） 能寫出有邏輯的目錄，還幫我自動生成研究背景、研究目標與方法🔍，沒想到只要我一句簡單的話，然後附上 IG 連結，他就可以寫得這麼詳細！在沒有讓他接管登入我 IG 帳號的情況下，可以做到這種程度真的很厲害呢👏
而且我確認過了， AI Agent 找出來的資料都是最新、正確的數據！
同時我也測試了其他 AI 簡報工具...超殘酷......有些甚至沒有讀取 IG 網址的能力😭😭😭
點擊快速回目錄⤴
真相2. AI 生成的圖片與報告關聯性低
這一頁是在分析我經營的職迷不霧 IG 與其他競業 IG 的比較，AI 簡報工具（左）用 AI 繪圖生成了一張意義不明的照片，看似漂亮實則沒有幫助👎。在簡報中，放圖片是為了幫助讀者理解和加強記憶，是文字很重要的視覺輔助，別為了填滿空白而塞進與主題無關的圖片～這樣會讓簡報扣分喔～反觀，AI Agent（右）不僅圖文相符，還畫出了可參考的數據圖表，我一眼就能看出重點👀：四個帳號的比較分析、內容特性差異與綜合洞察
這是 Manus 在簡報中自動幫我生成不同款式的圖表，資料給的很完整，就是我需要的！資訊也都正確，我可以直接拿來用不用改！
點擊快速回目錄⤴
真相3. 文筆「AI味」暴露不像人寫的
聊天機器人剛問世的時候，許多人都在擔心作家、文案寫手會被取代，但透過這一年間人們的大量使用，已經有專家盤點出用 ChatGPT 寫文的特徵，比如：重複出現相同的句型、過多不必要的連接詞、立場太過於中立...等等，這些缺陷就是我們常說的「 AI 味」 🤖。就算不是專家，只要每天在社群刷貼文的人，或多或少都能識別出某些貼文是 AI 寫的還是真人寫的。
而目前 AI 簡報工具也存在這樣的問題，以優劣分析這頁來說，就看到固定格式的句型「專業度高」、「實用性強」、「更新頻率高」，雖然 AI Agent 也是有一點點這種感覺，但至少看得出來他有在換句話說了，比如：，還會加上一點人類會說的字詞「可能」、「找出」...等等，讓文法看起來不那麼生硬✏️，不過迷編還是建議要自己再做潤飾調整喔～
點擊快速回目錄⤴
真相4. 下載PPT會跑版，還有浮水印
請 AI 幫忙做報告就是要省時省力，但往往 AI 簡報工具將檔案轉換成 PPT 格式後就嚴重跑版，甚至還有些投影片直接變成一張無法編輯的 JPG 圖片😭 最後反而花了更多時間做修修改改。改用 AI Agent 之後，輸出 PPT 跑版的問題減少很多，簡報中的 icon 圖示、色塊、頁碼都還可以再自己編輯調整，重點是沒。有。浮。水。印！
點擊快速回目錄⤴
看完 AI 工具和 AI Agent 的殘酷比較後，對 AI 代理的認識是不是又更進一步了呢😊 如果你對迷編使用的 AI Agent 很感興趣，可以試試 Manus AI ～ 現在就拿它來做報告吧！如果今天的文章有幫助到你，點這裡追蹤職迷不霧💗 我們是分享 AI & 職場成長內容的 IG ，幫助你天天偷學一點！加薪多一點！
其實在經營社群之前......原本我對工作很迷惘，後來因為好玩學 AI ，練就 AI 技能！！沒想到有天，我在網路上看到自己的職涯地圖...就這樣換到超讚😍薪水更高的新工作 現在每天上班都好開心！！如果你想換工作的話，可以試試看我用的 職涯規劃工具🧚～目前還不用錢，趕快用！！
作者：職迷不霧點我追蹤職迷不霧 IG ❤️❤️❤️
延伸閱讀：【AI做報告】4個超推薦AI報告工具！幫你生成報告、找文獻、做簡報PPT、套設計模板必備【AI聊天機器人】推薦選哪個？4大AI比較！馬上找到適合的AI助手：ChatGPT、Grok、Gemini、Deepseek【AI懶人包】看這篇就夠！2025推薦AI免費vs訂閱工具大全，提高工作生產力&職場競爭力！（持續更新)
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]
有任何收穫或想分享的，都來和大家一起聊聊吧！