新手課程--你的第一個作品--配色束口袋
104學習
scikit-learn
這項技能代表你具備使用Python進行機器學習的能力，能運用各種演算法來進行資料分析、分類、回歸及模型建構。對於數據科學、人工智慧或數據分析相關職位非常重要，能有效提升資料處理效率與預測準確度。掌握它意味著你能協助企業從大量數據中挖掘價值，支援決策制定，並具備實務操作機器學習專案的實力。
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
【每週二下午時段 ～皮拉提斯器械小班】- 無需經驗 放心開始 -（下午2點-3點）
手作課程-鋼珠筆製作
手作小學堂-手機掛繩
深度學習實戰-影像辨識篇
機器學習實戰-影像處理篇
善用傾聽-聰明員工私藏學
翻轉領導力-打造高效能團隊
EC-Council CEH駭客技術專家認證課程
微軟PL-900 Power Platform國際認證培訓班
精選證照
考取專業證照，讓能力被市場看見
TQC-OA-Word
企業人才技能認證（TQC）是財團法人中華民國電腦技能基金會針對企業用才需求，所提出來的一項整合性認證。這項認證是經過詳細調查、分析各職務工作需求，確認從事該項職務究應具備哪些電腦技能，再對所有電腦技能測驗項目重新歸類整合而成。不但能讓有志於從事網路管理職務的人員掌握學習的方向，對求才企業也提供了更快速、更客觀、更簡化的人才甄選程序。
財團法人中華民國電腦技能基金會
ITE-DC-遊戲美術
「ITE」為「Information Technology Expert」的簡稱，中文全名為「資訊專業人員鑑定」藉由鑑定制度鼓勵資訊在職人員進修，進而提升人員的生產力與競爭力，以適應未來國際自由化競爭的趨勢。
財團法人中華民國電腦技能基金會
ITE-DC-遊戲企劃
「ITE」為「Information Technology Expert」的簡稱，中文全名為「資訊專業人員鑑定」藉由鑑定制度鼓勵資訊在職人員進修，進而提升人員的生產力與競爭力，以適應未來國際自由化競爭的趨勢。
財團法人中華民國電腦技能基金會
TQC-OA-日文輸入
企業人才技能認證（TQC）是財團法人中華民國電腦技能基金會針對企業用才需求，所提出來的一項整合性認證。這項認證是經過詳細調查、分析各職務工作需求，確認從事該項職務究應具備哪些電腦技能，再對所有電腦技能測驗項目重新歸類整合而成。不但能讓有志於從事網路管理職務的人員掌握學習的方向，對求才企業也提供了更快速、更客觀、更簡化的人才甄選程序。
財團法人中華民國電腦技能基金會
TQC-OA-英文輸入
企業人才技能認證（TQC）是財團法人中華民國電腦技能基金會針對企業用才需求，所提出來的一項整合性認證。這項認證是經過詳細調查、分析各職務工作需求，確認從事該項職務究應具備哪些電腦技能，再對所有電腦技能測驗項目重新歸類整合而成。不但能讓有志於從事網路管理職務的人員掌握學習的方向，對求才企業也提供了更快速、更客觀、更簡化的人才甄選程序。
財團法人中華民國電腦技能基金會
TQC-DK-資訊科技 Python
企業人才技能認證（TQC）是財團法人中華民國電腦技能基金會針對企業用才需求，所提出來的一項整合性認證。這項認證是經過詳細調查、分析各職務工作需求，確認從事該項職務究應具備哪些電腦技能，再對所有電腦技能測驗項目重新歸類整合而成。不但能讓有志於從事網路管理職務的人員掌握學習的方向，對求才企業也提供了更快速、更客觀、更簡化的人才甄選程序。
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
用AI學習更高效！Google「Learn About」助你成為學霸的秘密武器
隨著AI技術的進步，教育方式也在不斷革新。Google最近推出的實驗性工具「Learn About」，專為學習與教育領域設計，利用AI的強大能力重新定義學習方式。本文將詳細介紹「Learn About」的功能、適用場景，以及其可能如何改變我們的學習模式。
一、什麼是「Learn About」？
「Learn About」是Google基於其最新學習模型LearnLM開發的AI工具，與傳統的聊天機器人不同，它專注於學術與教育內容的呈現。這款工具不僅能回答問題，還可以根據使用者需求提供多媒體輔助，例如圖片、圖表和深入背景資訊。
相比Google另一款強大AI工具Gemini，Learn About更注重學習過程，模仿教科書的回答方式，讓學習者不僅獲得事實知識，還能更深入了解背景，並探索相關主題【6】【7】。
二、「Learn About」的主要功能
▍教科書風格的資訊框
當你查詢一個主題時，Learn About會以教科書形式提供答案，包括重要概念的解釋、應用範例，以及關鍵背景資料。例如，它不僅解釋「什麼是量子力學」，還可能展示相關數學公式和應用領域的圖表。
▍視覺與交互設計
與傳統文本式回答不同，Learn About融入視覺元素，例如從教育網站選取的圖片和圖表，幫助用戶加深對複雜概念的理解。
▍探索延展主題
在回答的側邊欄中，Learn About會推薦相關主題，啟發學習者進一步探索。例如，查詢「太陽能電池工作原理」時，可能建議進一步了解「光電效應」或「電池材料技術」。
▍多模態支持
根據個人需求，Learn About能將答案調整為更簡單的解釋，或提供進階資料來挑戰學習者的思考能力。
三、「Learn About」的應用場景
▍學生和自學者
無論是準備考試還是探索新知識，Learn About都能充當你的學習夥伴，快速提供可靠的知識來源，並引導深入研究。
▍教師的輔助工具
教師可以使用這款工具為課程準備材料，例如簡化複雜概念的解釋，或幫助學生進行主題延伸【8】。
▍研究人員
Learn About能精準回答學術研究相關問題，幫助研究者節省整理背景資料的時間。
四、與Gemini等其他AI工具的區別
▍定位不同：Gemini更強調提供快速的事實性答案，適用於一般搜尋需求，而Learn About則模仿教科書風格，注重系統性和深度學習【6】【7】。
▍互動層次：Learn About加入了更多學術導向的多媒體內容，而非僅僅羅列文字答案。
▍學習模型基礎：Learn About基於LearnLM模型，這是一個專為教育場景設計的AI，結合學習科學原理，如有效管理認知負荷、鼓勵主動學習等【8】。
五、Learn About的費用與可用性
目前，「Learn About」作為Google實驗性AI工具，尚未全面商業化，且未對外公佈明確的收費計劃。部分功能可能在Google生態系統中免費提供，例如與Google Search或Android設備的整合。未來可能會有基於訂閱的高階功能選項。
六、為什麼選擇「Learn About」？
「Learn About」讓學習變得不再僅僅是知識的搜尋，而是一場豐富的探索之旅。從簡化資訊到激發好奇心，這款工具有潛力大幅提升學習效率，特別適合學生、教師和研究人員。未來隨著更多功能的推出，我們期待它在教育領域創造更多可能性。
如果你正在尋找一種高效且創新的方式來加速學習，「Learn About」無疑是值得一試的工具。快來探索吧！
➤ 立即試用：https://learning.google.com/experiments/learn-about/signup
➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！
Microsoft AI-900考照心得與AI-901命題趨勢
▉ 從 AI 素養基礎到 Microsoft Foundry 工具理解，一篇整理 AI-900 準備重點、考試範圍，以及 AI-901趨勢命題的完整心得。▉
這篇文章想用比較實際的方式，分享小編自己的備考流程、讀書方法，以及觀察到的考題方向。如果你和小編一樣，先前已經有其他 AI 素養證照基礎，例如 iPAS AI 應用規劃師初級，那麼 AI-900 的準備門檻其實不算太高；真正需要額外補強的，反而是 Microsoft AI 生態系中的工具定位、服務差異，以及各種情境題到底該選哪一個服務。
什麼是Microsoft AI-900？主要內容考什麼？
Microsoft AI-900 是 Microsoft Azure AI Fundamentals 基礎認證，主要測驗內容以人工智慧基本概念為主，不需要程式背景，強調AI的核心應用場景，例如機器學習、電腦視覺、自然語言處理與生成式 AI，同時也會測驗Azure相關 AI 服務的用途與差異，以及包含公平性、隱私、安全與透明性等AI治理原則。
因此，這張證照適合初學者、商務人員、在學學生，或想快速建立 Microsoft AI 生態系基礎知識的考生。簡單來說，AI-900 是一張幫助你理解「AI 能做什麼、在 Microsoft 平台上怎麼應用」的入門證照。
Microsoft AI-900認證資訊：https://nabi.104.com.tw/ability/10047979
考試內容：
● 人工智慧工作負載與責任式 AI：理解常見 AI 應用類型，例如預測、電腦視覺、NLP、生成式 AI，以及公平性、可靠性與安全性、隱私與安全、包容性、透明性、問責等責任式 AI 原則。
● 機器學習基本原理：認識監督式學習、非監督式學習、回歸、分類、分群等概念，並理解 Azure 中機器學習的基本使用方式。
● 電腦視覺：影像分類、物件偵測、臉部分析、OCR 光學辨識、影像描述等情境，知道對應服務能做什麼。
● 自然語言處理（NLP）：情緒分析、關鍵字擷取、實體辨識、翻譯、語音辨識、語音合成等文字與語音相關能力。
● 生成式 AI：大型語言模型、提示詞、生成內容、負責任使用生成式 AI，以及Azure上相關服務的定位。
微軟 AI 認證如何計分？
微軟認證採用 1000 分制，及格門檻為 700 分。不過，這裡的 700 分並不等於答對 70% ，因為微軟使用的是量尺分數（Scaled Scoring），會依題目難易度與權重套用計分公式。也就是說，最終成績並不是單純以答對題數直接換算百分比，而是經過加權後得出的結果。這套計分公式目前微軟並未公開。
● 題數通常約為 40–60 題；以小編這次實際應試為例，共考了 42 題。
● 題型：多數題目為單選題，作答通常不倒扣。部分題型會以題組方式出現，例如一組包含 3 個是非題，或 3 題拖放配對題。
● 考試結束後通常會立即顯示成績與成績單，證照通常可於 48 小時內下載。
備考 AI-900策略
小編大約花了兩週準備 AI-900。因為先前已經取得 iPAS AI 應用規劃師初級證照，所以對機器學習、AI 基本概念、常見應用場景不算陌生。這讓我在準備AI-900時，不需要從零開始理解什麼是分類、迴歸、電腦視覺或自然語言處理，而是把重點放在「Microsoft 的服務怎麼對應這些場景」。
因此，AI-900 最需要額外熟悉的地方，就是 Microsoft Foundry（前身為 Azure AI Foundry，是微軟 AI 生態系工具與平台）的服務定位與功能特色。很多題目其實不是考你會不會寫程式，而是考你看到一個需求時，能不能快速判斷應該用哪個工具。例如，題目：「如何辨識圖片上的文字」，就要聯想到電腦視覺中的 OCR（光學字元辨識）能力；如果題目問的是文字情緒分析、關鍵字萃取、語言偵測，就要想到語言服務；如果題目是在問生成內容、提示詞互動、模型能力，重點就會轉向生成式 AI 與相關平台能力。
◆ 第 1 週：快速建立全貌，先把 AI-900 的五大主題跑過一次。
◆ 第 2 週：考古題+AI集中刷題，反覆確認每一種情境要對應哪個 Microsoft AI 服務。
◆ 考前最後整理：把容易混淆的工具功能整理成對照表，例如 OCR、影像分析、翻譯、文字分析、生成式 AI 的適用情境。
獨家準備心法：官方資源＋AI 整理筆記＋大量刷題
小編的準備方式其實不複雜，核心就是三件事：先看官方學習資源、再用 AI 幫忙整理筆記、最後透過刷題把概念轉成「看情境就能選服務」的反應速度。
第一步，我會先上 Microsoft 官方學習平台，把 AI-900 對應模組全部看過一次。官方內容的好處是架構清楚，而且用語和考題很接近。
第二步，我會把每個主題透過AI整理成自己的筆記，尤其是「服務名稱－功能－適用情境」三欄對照，這對應付選擇題很有幫助。
第三步，不斷刷題：利用微軟學習平台上的免費練習評量，進行考古題練習，免費測驗總共50題，每次出題都不同，每個題目都有詳細解析，可以幫助考生把容易混淆的地方反覆記熟。只要練習到評量平均超過90分，正式考試時大多可輕鬆過關。
如果你已經取得其他 AI 素養認證，或本來就具備一些機器學習演算法概念，我會建議你不要花太多時間糾結在理論細節，而是把重點放在「微軟這套服務如何落地」。AI-900 很多題目考的是應用判斷，不是深度技術實作，所以越接近情境、越容易得分。
如何報名考證（所有微軟認證都適用）
● 透過Google搜尋或微軟認證官網(https://learn.microsoft.com/zh-tw/ )，可直接進入微軟AI-900認證網站。
● 點選認證頁面「與Pearson Vue排程」、用英文輸入所在地址，並填入手機與Email
● 選擇「親自前往考試中心考試」，或「通過OnVUE在線考試」。
● 若選擇前往考試中心，系統會提醒考試注意事項，以及選擇考試語言，這裡，你可以選擇繁體中文或英語，接著，選擇適合的考試時間與你想要選擇的考試中心地點，目前台灣北中南都有微軟合作的訓練中心可選擇
● 若選擇「通過OnVUE在線考試」，你需要下載微軟官方指定的考試平台程式OnVUE，這個程式同時是遠端監考系統也是考試介面，一旦發現有違規狀況，例如離開鏡頭或非自然考試行為，監考官有權終止考試
● 選好考試方式與日期、時間，完成付費，即報名完成。
AI-900 即將退場！AI-900 與 AI-901 的差別
就難度上來說，AI-901難度大於AI-900。
根據目前微軟官方已公開的 AI-901 考試資訊，這張認證相較於 AI-900 更強調考生對 Microsoft Foundry 的理解，以及如何在 Azure 情境中實際應用 AI 服務。官方也提到，應試者需具備基礎的 Python 語法概念，並熟悉 Azure 資源、REST API、SDK 與CLI 等基本使用觀念。相較之下，AI-900 仍以 AI 基礎概念、常見工作負載與服務辨識為主，因此對沒有平台實作經驗的初學者相對友善；而AI-901 則更進一步，要求考生不只理解概念，也要能掌握 Microsoft Foundry 在生成式 AI、agents 與應用建置上的角色與使用情境。
● 考試定位：AI-900 偏向 AI 概念與 Azure AI 服務辨識；AI-901 更強調以 Microsoft Foundry 為核心的實作理解。
● 內容重心：AI-900 著重在機器學習、電腦視覺、NLP、生成式 AI 的基礎概念；AI-901 則更明確納入生成式 AI app、agent、Foundry 工具與模型應用。
● 技術期待：AI-900 對非技術背景較友善；AI-901 雖然仍是 Fundamentals，但官方已提到候選人需要具備基礎 Python 語法與 Azure 資源配置概念。
● 學習方式：AI-900 可以靠概念理解與刷題快速通過；AI-901 可能更需要搭配平台操作經驗與情境實作理解。
考 AI-900 還是直接準備 AI-901？
根據微軟官方公告，AI-900於2026年6月30日正式退場，並由AI-901取代。
如果你已經在準備 AI-900，而且能在2026年6年30 前完成考試，我會認為仍然值得考。因為這張屬於Fundamentals基礎證照，已取得的認證仍然有效，不會因為考試退場就失效。
另一方面，如果你現在才剛開始，或希望學到的是更貼近 Microsoft 最新 AI 平台方向的內容，那就可以直接把重心放到 AI-901。
從官方訊息來看，AI-901 代表的是 Microsoft 對新一代 AI 基礎能力的重新定義：不只是知道 AI 是什麼，而是更重視你能不能用 Microsoft Foundry 理解並實作現代 AI 應用，特別是生成式 AI、AI agents、以及更貼近實務的建置思維。
在送出最後一題，系統會彙整考生標籤過不確定的題目，讓你再確認或修改答案，最終確認送出提交所有答案後，系統立刻給分，最終小編以788分，拿到了微軟AI-900認證，官方也在兩、三個小時內，就透過Email發出電子認證。
整體來說，小編覺得 AI-900 是一張很適合建立 Microsoft AI 全貌的入門證照。它不會要求你有很深的技術背景，但會幫你建立「看到需求、判斷工具、理解場景」的基本能力。如果你本來就有一些 AI 素養基礎，兩週其實是有機會準備完成的。至於未來如果想接軌 Microsoft 更新的 AI 發展方向，AI-901 也很值得提早關注，尤其是 Microsoft Foundry、生成式 AI、AI agents 這幾個主題，很可能會成為接下來的核心趨勢。
▉ 學習資源
Microsoft Learn 官方學習路徑：https://learn.microsoft.com/zh-tw/credentials/certifications/azure-ai-fundamentals/
104獨家考證課程：生成式AI｜三證合一速攻班｜高分思維 × 解題框架 × 刷題實戰｜：https://nabi.104.com.tw/course/104nabi/ee5e6072-07e8-486f-9e11-2d7d5bfb2f2d
[職涯]AWS AI 人才就緒計畫-AWS Certified Machine Learning - Associate
於 2024 年 10 月 30 日新推出AWS 生成式 AI (Generative AI) 相關助理級認證
這項認證非常適合有意成為 AWS 認證機器學習工程師 - 助理級 (AWS Certified Machine Learning Engineer – Associate) 的專業人士
2024 年 12 月 12 日前報名登記人才就緒計畫可享半價考試券優惠和一次免費重考機會
https://pages.awscloud.com/tw-ai-talent-ML-associate.html?trk=em1
在 2024年取得 AWS Certified Machine Learning - Associate
除了標準的認證徽章外，還將獲得一個特殊限時的 Early Adopter 徽章！
Anduril：打造未來戰場的科技先鋒 - 和台灣合作ALTIUS-600型無人機
Anduril Industries 是一家美國的防禦科技公司，專注於開發自主系統，以解決國家安全挑戰。這家公司由 Oculus VR 的創辦人 Palmer Luckey 所創立，並吸引了眾多科技界巨頭的投資。
【公司文化與理念】
Anduril 強調技術創新和快速迭代，致力於快速適應和解決當前國防領域中的複雜問題。他們的文化也非常注重工程師和開發者的角色，並積極吸引來自科技界的頂尖人才。
【Anduril 獨特的定位】
自主系統專家： Anduril 將人工智慧、機器學習等技術融入其產品，打造出高度自主的無人機、地面和水下載具，這些系統能夠在複雜的環境中執行任務，並做出實時的決策。
Lattice OS： Anduril 自行開發的 Lattice OS 是一個開放的 AI 驅動操作系統，能夠為各種自主系統提供統一的控制平台，實現不同系統之間的無縫協作。
國防應用： Anduril 的產品主要應用於國防領域，包括邊境安全、海上巡邏、反無人機等。這些系統能夠提高軍事行動的效率和安全性，並降低人員傷亡風險。
【主要產品與服務】
Counter UAS： 一套反無人機系統，能夠有效檢測、追蹤和攔截敵方無人機。
Counter Intrusion： 一種自動化邊境安全系統，能夠在邊境地區進行監控，並及時發現並應對潛在威脅。
Maritime Counter Intrusion： 專為海上安全設計的系統，能夠在廣闊的海域進行巡邏和監控。
Autonomous Air/Ground/Underwater Vehicles： 多種自主無人載具，能夠在不同的環境中執行任務。
【Anduril 的影響力】
加速國防科技發展： Anduril 的創新技術正在引領國防科技的發展，為傳統的軍事裝備注入新的活力。
引發倫理爭議： 作為一家開發自主武器系統的公司，Anduril 也面臨著一些倫理上的爭議，例如自主武器系統是否會造成失控的風險。
總結
Anduril Industries 是一家充滿活力和創新精神的公司，其在國防科技領域的成就備受矚目。作為一家新興的國防科技公司，Anduril 在軍事技術領域掀起了不小的波瀾，並引發了一些倫理和隱私問題的討論。特別是關於其在邊境監控、無人機運用和人工智能決策等方面的應用，部分人擔心這些技術可能會對個人隱私和人權產生影響。儘管如此，Anduril 在國防技術創新和應對現代安全挑戰方面的貢獻仍然被高度評價。
總體來說，Anduril Industries 代表著國防技術領域的新興力量，並通過其創新的解決方案來改變現有的國防和安全運作模式。
想了解更多嗎？
可以前往 Anduril 的官方網站：
https://www.anduril.com/
【補充資訊】
軍售合作： 根據公開資訊，台灣已向美國採購安杜里爾公司生產的ALTIUS-600型無人機，這顯示雙方在軍事裝備上的合作正在進行中。
技術交流： 安杜里爾公司的創辦人帕爾默·洛基（Palmer Luckey）曾多次訪問台灣，顯示雙方在技術交流和合作方面保持著密切聯繫。
Anduril與台灣的合作正在進行中，並且具有重要的戰略意義。這種合作不僅有助於提升台灣的防衛能力，也有助於強化台美關係，共同維護區域和平與穩定。
課程推薦：Stanford Online - Machine Learning Specialization
跟大家推薦一個我自己親自上過、成功取得證書的機器學習線上課程——Stanford Online和DeepLearning.AI合作，Andrew Ng老師主講的「Machine Learning Specialization」。
這個課程從基礎的機器學習開始教，像是線性回歸、邏輯回歸，到後來的神經網路和推薦系統都有，講解超清楚，程式語言用的是Python，很實用。老師用很簡單易懂的方式讓初學者也能跟上，課堂上還有很多實作練習，可以讓你真正動手做，學得更紮實。
我自己是一步步慢慢跟著課程學習，最後拿到了官方認證的證書，對我的職場找工作幫助很大，如果你也想進入AI或資料科學領域，這門課真的很推薦！大家有興趣可以一起來報名，我們在教室裡也可以互相交流討論，一起進步！
課程連結在這裡，大家參考看看：
https://www.coursera.org/specializations/machine-learning-introduction
產品經理 - 學習地圖(上)：技能養成篇
產品經理是一個融合創新、邏輯與溝通的角色。隨著數位化加速，產品思維逐漸成為組織決策的核心。從技術團隊、設計部門到商業營運，產品經理肩負整合多方資源、定義方向並推動產品落地的關鍵任務。
本篇產品經理學習地圖(上)：技能養成篇，將協助轉職者認識『從入門建構產品基礎思維』到中階『掌握用戶洞察與功能實作』，最終能『獨立推動策略規劃與跨部門協作』的相關職業技能，依循學習路徑，逐步成為具影響力的產品專案執行者！
文 /【104學習精靈】
本文目錄（點擊可快速前往）
產品經理是誰？為何成為熱門職業？ 產品經理工作內容 產品經理與相近職類比較表 為什麼選擇產品經理？ 誰適合轉職產品經理？ 掌握產品經理的核心能力：必備工具技能 x 學習路徑 x 軟技能 產品經理技能 × 學習階段 對照表格 產品經理學習地圖與路徑（搭配AI工具） 成為產品經理應具備的軟技能
產品經理是誰？為何成為熱門職業？
產品經理工作內容
產品經理（Product Manager）負責定義產品要解決的問題，並與設計、工程、行銷等部門協作推動產品從構想到落地。其核心職責包含：
需求探索：透過用戶訪談、行為數據、回饋收集等方式，洞察真實需求。
功能規劃：撰寫 PRD、制定功能優先順序、評估 MVP 可行性。
專案推進：主持日常開發流程，跨部門協調資源，確保開發進度與品質。
成果驗證：追蹤產品指標（如留存率、轉換率），進行 A/B 測試與功能優化。
策略規劃：參與產品路線圖規劃，制定中長期產品方向與營收目標。
產品經理既是產品成功的推動者，也是用戶價值的守門人。其價值在於將「使用者需求 × 商業機會 × 技術可行性」三者整合為具體可執行的產品方案。
產品經理與相近職類比較表
職位 關注重點 負責內容 常見產業 產品經理(Product Manager)使用者 + 商業價值 規劃產品功能與開發節奏 科技、電商、金融、SaaS 等 專案經理 (Project Manager) 進度與成本控制 控管時程、資源、人員配置 各類型專案導向型公司 UI/UX 設計師 使用者體驗 介面設計、動線、視覺規劃 軟體、行銷、遊戲、EdTech 等 資料分析師 數據洞察 分析用戶行為、產品數據、A/B 測試 金融、零售、科技、行銷
為什麼選擇產品經理？
📈 發展潛力大｜未來產業的中樞角色
不論是新創公司還是科技巨頭，產品導向已成為企業競爭的關鍵思維。
有產品就有需求，有需求就需要 PM——從 AI、SaaS、電商到 FinTech，每個行業都需要懂得「整合價值」的人。
企業不再只需要「能執行的專業者」，而是需要「能定義方向、驅動成長」的產品領導者。
🛠️能力多元｜最全面的跨域訓練場
產品經理是一個訓練全腦能力的職業：👉 左腦要有邏輯與分析能力（數據、商業）👉 右腦要能發想與感知使用者（設計、體驗）👉 兩者還要能與技術部門深度協作（開發、工程）
在角色中將學會「如何說服利害關係人」「如何觀察用戶行為」「如何評估一個功能是否值得投資」，這些都是未來每一份高階職位都會需要的綜合實力。
🚀 成長彈性高｜跨域轉換與職涯彈跳力強
PM 的角色可以橫跨不同產業與職能，時常需要與工程或設計專業職能有效通協作。是「所有關鍵決策職位的預備場」。
許多優秀的 PM 在職涯中轉職為：
創業者（Founder / Co-founder）
使用者體驗設計師（UX Designer）
數據分析師（Product Data Analyst）
成為產品主管、策略顧問，甚至進入 CPO、COO 等管理層
誰適合轉職產品經理？
🎓 1. 無產品背景但熱愛創新、解決問題者
你喜歡觀察生活問題、總是腦中浮現「這東西為什麼不能這樣改？」
從 side project 開始，就是最好的敲門磚。
無需程式背景，只要有邏輯、有使用者觀點，PM 是歡迎非典型背景者的職位。
💻 2. 工程師背景者
想脫離單純執行任務的角色，希望參與更多「要做什麼」的決策討論
PM 是讓工程師走向策略與產品領導的黃金道路。
技術理解力會讓你在 PM 角色上如虎添翼。
🎨 3. 設計師 / UX 專業者
有同理心、有用戶感知力的設計師，適合轉向更有產品話語權的角色。
讓你從 UI/UX 執行者，變成「產品體驗的主導者」。
許多產品團隊喜歡擁有設計底子的 PM，因為他們更懂體驗與細節。
📢 4. 商業 / 行銷 / 業務人員
熟悉市場與用戶痛點，對產品的商業價值有敏銳觀察
補足產品開發語言與邏輯，就能駕馭市場與產品之間的橋樑位置。
掌握產品經理的核心能力：必備工具技能 x 學習路徑 x 軟技能
產品經理技能 × 學習階段 對照表格
🧩 產品規劃與需求管理 📊 數據分析與驗證能力 🎨 戶體驗與設計思維 🤝跨部門協作與專案推進 基礎 - 撰寫 User Story、建立 Persona - 初步撰寫 PRD、功能清單 - 認識基本產品指標（DAU、MAU、CTR） - 初步理解 A/B 測試、使用 Google Analytics - 繪製使用者旅程圖、UX Flow - 使用 Figma 建立簡易原型 - 熟悉 Notion / Trello 等任務管理工具 - 學習基本會議記錄與任務追蹤方式 核心 - MVP 規劃、功能優先排序（RICE、Kano） - 撰寫完整 PRD、維護 Roadmap - 使用 Mixpanel / Amplitude 追蹤行為流 - 設計驗證機制（Cohort、Retention、轉換率分析） - 熟悉設計思考流程（Design Thinking） - 與設計師協作建立 Wireframe 與可用性測試 - 使用 Jira / Asana 進行敏捷開發任務管理 - 主持 Stand-up / Sprint Review / Retro 會議 進階 - 多模組產品整合與平台化思維 - 建立產品 KPI 指標並追蹤成效 - 設計數據導向決策邏輯 - 與資料分析師共構儀表板、做策略調整 - 優化使用者體驗，結合數據與測試結果反覆調整設計- 規劃用戶測試場景、引導焦點訪談 - 建立跨部門溝通 SOP 與產品知識共享 Wiki - 作為 PM Leader 引導 Junior PM、推進跨部門專案 認證 - CSPO（Scrum Product Owner）- Pragmatic PM 認證 - Google Analytics 證照- Mixpanel / Looker Studio 認證 - Google UX Design 認證- Nielsen Norman UX 課程 - PMP 專案管理師- CSM（Scrum Master 認證）
產品經理學習地圖與路徑（搭配AI工具）
🟢 第一階段：新手 PM 入門（0～6 個月）
✅ 目標：建立基礎產品思維與跨部門語言，從具體產出中培養使用者理解與任務邏輯。
📌 學習內容：
【產品市場機會】：初步理解產品與市場的關係（例如：Who / Why）
【找出使用者需求】：撰寫 User Story、建立 Persona、使用者旅程圖
【設計思考】：練習 Wireframe / Wireflow 製作，視覺化想法
撰寫簡易 PRD：說明做什麼與為什麼
學會製作 UAT（功能性測試 / 反向測試等）
建立會議紀錄與議題追蹤清單，強化任務邏輯與流程觀
📌 AI 工具應用：
ChatGPT / Claude：生成 User Story、用戶情境模擬
Uizard / Figma AI：快速建立原型畫面與 Wireframe
Notion AI：整理任務、產出會議紀錄與需求清單
📌 備選學習：
學習基礎專案管理（甘特圖、排程、進度跟催）
練習回報 bug 與測試報告，建立與工程團隊語言
閱讀《Inspired》、《Lean UX》理解產品角色的多重任務
[course_plugin title='產品經理入門課程' keyword='PM產品經理｜入門致勝攻略：打造最強怪物新人的實戰課｜104獨家線上課' amount=1]
🟡 第二階段：中階 PM 成長（6～18 個月）
✅ 目標：獨立負責一個產品模組，深化市場洞察與優先排序邏輯，開始建立產品成果思維。
📌 學習內容：
【產品市場機會】：進行競品研究、定位圖、SWOT 分析
【使用者需求】：進階訪談技巧、使用者回饋整理、Cohort 分析
【提出解決方案】：撰寫完整 PRD、定義功能 MVP、排定開發優先順序（RICE、Kano）
【產品企劃框架】：建立產品 Roadmap，依驗證結果動態調整
專案協調與跨部門簡報報告
主持 Scrum、Sprint Review 等會議，培養團隊推進力
📌 AI 工具應用：
Miro AI：協助需求 Mapping、建立 Feature Map
Amplitude / Mixpanel + AI plugins：用於用戶行為與留存分析
Jira AI / Linear AI：協助排程與任務追蹤自動化
ChatGPT：產出會議簡報、功能拆解與優先順序建議
📌 備選學習：
與工程師深度對話 API 邏輯與限制（建立技術思維）
學習使用 A/B 測試平台與分析資料結果
與設計師協作，規劃 Usability Test 測試流程
[course_plugin title='資料分析相關課程' keyword='用AI+Google Sheet建立自動化工具，打造你的業績成長引擎｜104獨家' amount=1]
🔴 第三階段：資深 PM 精進（18～36 個月）
✅ 目標：制定產品策略與願景、帶領多模組團隊與跨部門合作，具備從數據到決策的整體能力。
📌 學習內容：
【產品企劃框架】：建立成果導向型 Roadmap，結合營運目標與客戶反饋
【有效提案法】：提案簡報、策略 Buy-in、利益關係人對齊溝通（尤其是非 PM 部門）
【提出解決方案】：設計產品 KPI（DAU、留存、LTV、NSM）
【產品驗證與迭代】：產品指標監控 → 分析迭代邏輯 → 反饋進 Roadmap
建立跨部門合作 SOP、主持策略規劃會議
設計產品願景，指導 Junior PM 並進行 Mentor / Review
📌 AI 工具應用：
Power BI / Looker Studio + GPT Plugin：產出決策儀表板、進行策略預測模擬
Notion AI：整理策略紀錄、文件管理、產品 Wiki 協作
ChatGPT / Claude：撰寫產品願景草案、跨部門溝通稿
Suno / Gamma AI：製作產品簡報、提案影片輔助
📌 備選學習：
學習產品組合管理（Product Portfolio）
熟悉商業模型設計與利潤預測（可使用 Business Model Canvas）
進階使用 AI 作為產品功能的一環（如設計 AI Prompt 功能、智能推薦引擎）
[course_plugin title='產品經理實戰課程' keyword='第7屆產品經理學習營' amount=2]
成為產品經理應具備的軟技能
產品經理的成功關鍵往往不在工具，而在於這些關鍵軟實力的「日常實踐力」：
溝通協調能力
與設計、工程、商業部門建立共識
化繁為簡、拆解問題並說服他人
優先排序與決策力
在時間與資源有限下做出取捨
擁有面對模糊需求時的清晰邏輯
系統性思考能力
看見整體產品架構與模組邏輯
能理解「做這件事對誰有價值？」
同理心與觀察力
從用戶視角出發洞察潛在問題
不被表層需求誤導
學習力與適應力
快速吸收新工具、新領域知識（如 AI、資料分析）
面對變動保持彈性與專業判斷
繼續閱讀 【產品經理 - 學習地圖(下)：職涯精進篇】
[joblist_plugin title='更多104【產品經理】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=產品經理&mode=s&page=1' amount='3']
延伸閱讀：
PM「產品經理」和「專案經理」差在哪？盤點工作內容及PM技能樹
PM工作內容做什麼？產品企劃／產品經理薪資待遇、履歷面試總整理｜精選工作機會
PM意思有不只3種可能！為何PM工作職缺只會愈來愈多？哪種PM最熱門？
轉職PM不撞牆！從0學會提案，產品經理學習營揭3大挑戰｜商業思維學院
產品經理 - 學習地圖(下)：職涯精進篇
產品經理是一個融合創新、邏輯與溝通的角色。隨著數位化加速，產品思維逐漸成為組織決策的核心。從技術團隊、設計部門到商業營運，產品經理肩負整合多方資源、定義方向並推動產品落地的關鍵任務。
本篇產品經理學習地圖(下) ：職涯精進篇，將協助學習者認識『轉職產品經理的學習策略』、『產品經理薪資行情與職涯發展 』、『產品經理的挑戰與機會 』相關職業發展重點趨勢，協助轉職者掌握先機，開啟自己嚮往的產品經理職涯！
前往閱讀 【產品經理 - 學習地圖(上)：技能養成篇 】
文 /【104學習精靈】
本文目錄（點擊可快速前往）
轉職產品經理的學習策略 初學者或轉職者的學習策略的四步驟學習策略 不同背景的轉職策略 產品經理薪資行情與職涯發展 產品經理薪資概況 產品經理職涯發展路徑總覽 職涯發展路徑圖哪些產業需要產品經理 產品經理的挑戰與機會產品經理的挑戰：責任高壓 × 協作複雜 × 影響難以量化產品經理的機會：橫跨多領域 × 成為整合與策略型人才
轉職產品經理的學習策略
初學者或轉職者的學習策略的四步驟學習策略
🔍 步驟一：建立觀念框架
目標是建立「什麼是產品經理」的核心理解，避免誤解 PM 僅是寫文件或開會的角色。
閱讀經典書籍：
《Inspired》（Marty Cagan）
《Lean Startup》（Eric Ries）
《Hooked》、《The Mom Test》等使用者與產品研究相關書籍
觀察與分析：
訂閱科技與產品類專欄（如《PM 的日常》、《Mr. PM》）
比較 PM 在不同產業中的角色差異（SaaS vs. FinTech vs. 教育科技）
🛠️ 步驟二：進行模擬實作
產品能力是做出來的，非讀出來的。從小型個人專案開始動手做：
撰寫 PRD（產品需求文件）：說明產品目標、功能架構、使用者角色等
建立簡單原型：可使用 Figma、Uizard 或 Whimsical 畫出 Wireframe
練習模擬專案情境（例如：設計一款改善會議效率的工具）
🧰 步驟三：建立個人作品集
PM 沒有程式碼作品，作品即為「邏輯、觀察與提案」。Side Project 是最佳切入點。
自行發想一個產品點子，並完成以下交付成果：
用戶訪談紀錄、問題定義
MVP 功能列表與排序依據（Kano、RICE 等）
原型畫面（Figma）與簡報提案（Canva、Gamma）
將成果整理成：
部落格分享文章（Medium、方格子）
Notion 公開頁面或作品集 PDF
📊 步驟四：進行能力映照與導師輔助
轉職需要策略，了解自己的強項與補足點是核心。
自我分析：
是否擅長邏輯分析？是否習慣說故事與組織資料？
對技術的接受度如何？對用戶研究是否有熱情？
對照能力地圖與三階段學習模型（初階 → 中階 → 資深）
尋找導師或實務導向社群（Product School、Dcard「PM 求職」板、社群黑客松）
【成功轉職PM經驗分享： 從0學會提案，產品經理學習營揭3大挑戰 】
不同背景的轉職策略
產品經理是一個高度跨域的職位，各種專業領域的人才都能從自身優勢出發，補足關鍵能力差距，有策略地進入 PM 領域。以下列出常見背景與對應建議：
💼 背景類型 🔍 關鍵補強能力 🧭 學習策略與實作方向 工程師 / 技術人員 商業價值理解、需求轉化、使用者觀點 - 學習撰寫 PRD 並用簡單語言說明技術實作邏輯- 練習 MVP 與產品優先排序技巧（RICE、Kano）- 建立從技術到商業的提案範例 UI/UX 設計師 技術協作語言、商業邏輯、敏捷開發流程 - 學習產品開發節奏（Scrum、Sprint Planning）- 練習從用戶痛點導出產品需求- 撰寫可執行的功能清單與需求說明（非設計角度） 行銷 / 業務 / BD 用戶建模、技術合作、需求邏輯結構 - 練習撰寫 User Story、畫使用者旅程圖- 學習產品分析指標（轉換率、留存）- 製作從行銷洞察到產品設計的策略案例 專案管理 / 專案 PM 使用者思維、功能設計、產品價值評估 - 補足從需求到功能邏輯的建構訓練- 練習將項目管理轉化為產品開發週期 - 提升產品策略思維（如何達成產品願景、商業目標） 資料分析師 / 數據人員 使用者訪談、產品場景理解、功能直覺 - 將分析結果轉換成產品洞察與建議（例：為何 DAU 下降？）- 練習功能排序與使用者分群設計- 製作一份以數據為主導的功能驗證提案 教育 / 顧問背景者 技術導向邏輯、產品結構化設計 - 將課程規劃轉為產品功能流程（例：學習路徑＝用戶旅程）- 建立數位化教學或平台設計專案作為產品作品集 記者 / 編輯 / 媒體人 邏輯結構、功能規劃、需求導入 - 將內容流程圖轉換為資訊架構（IA）- 練習功能導覽邏輯與用戶操作行為設計- 撰寫產品規格內容並搭配原型製作 創業者 / 自營接案者 系統化流程、團隊協作語言、規模化需求設計 - 重構既有專案成為產品流程（從接案 → 開發 → 優化）- 學習定義「核心功能」與「增強功能」- 撰寫投資簡報與產品發展路線圖
[course_plugin title='轉職產品經理經驗分享' keyword='如何成為厲害的產品經理' amount=2]
產品經理薪資行情與職涯發展
產品經理薪資概況
🎯台灣產品經理薪資
初階（3年以下經驗）：月均薪約5.8萬。
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6.5萬以上。（以上資料來源：104薪資情報）
🎯薪資影響因素
產業別：FinTech、SaaS、AI、新創科技類產品，整體薪資水準高於平均
公司規模與資本：外商、大型科技平台或募資成功的新創通常提供更高總薪酬（含分紅、股票）
技術能力：具備資料分析、SQL、AI 工具應用或技術 PM 能力者，具明顯加分空間
跨部門經驗與語言能力：能帶領國際團隊或雙語溝通，具備海外市場經驗者，職位晉升與薪資天花板更高
績效可量化與作品影響力：曾成功主導產品從 0 到 1 上線、或具實際商業成效者，極具市場競爭力
產品經理職涯發展路徑總覽
🎯一般產品經理職涯階梯
階段 角色職稱 工作內容重點 初階（0–2年） Associate PM、PM 功能需求管理、協助執行開發與測試 中階（2–5年） Senior PM、產品 Owner 獨立負責模組、帶專案、做跨部門溝通 高階（5 年以上） Head of Product、Director 規劃策略、領導團隊、負責產品營收或發展方向
🎯產品經理的延伸發展方向
▶️ A. 管理職方向 → 領導產品團隊與策略擬定
產品主管（Head of Product）
產品副總 / 首席產品官（VP of Product / CPO）
📌 適合具備團隊領導、策略思維、資源整合能力者📈 負責產品線營運績效、公司級產品策略與團隊管理
▶️ B. 專業產品分支 → 深化專業能力與技術協作
成長產品經理（Growth PM）：優化轉換率、黏著度
資料產品經理（Data PM）：數據驅動決策、儀表板設計
平台產品經理（Platform PM）：處理底層架構、平台服務協調
AI 產品經理（AI PM）：導入 AI 模型、設計 prompt、資料運用
📌 適合具備技術基礎、數據敏感度或 AI 工具應用者📈 強調深度專精與跨部門技術協作
▶️ C. 轉向技術 / 解決方案型職位
技術產品經理（Technical PM）→ 精通系統邏輯、API、工程流程協作
Solution PM / 客製產品經理→ 尤其常見於 B2B 領域，轉譯商業需求為技術落地方案
資料分析 / 機器學習協作產品職（Data Analyst / ML Collaborator）→ 與資料科學家共構分析產品，打造資料決策體系
📌 適合對技術工具敏感、與工程或數據團隊合作密切者
職涯發展路徑圖
產品助理 PM / 初階產品經理
│
▼
產品經理（Product Manager）
│
▼
資深產品經理（Senior PM）
│
├── A. 領導團隊 → Head of Product / VP of Product / CPO
│
├── B. 深化專業能力 →
│ ├── 成長 PM（Growth PM）
│ ├── 資料 PM（Data PM）
│ ├── 平台 PM（Platform PM）
│ └── AI PM（AI Product Manager）
│
└── C. 技術轉向 / 客製型產品 →
├── 技術產品經理（Technical PM）
├── 客製方案 PM（Solution PM）
└── 資料協作職（Data / ML Collaborator）
哪些產業需要產品經理
幾乎所有以產品為核心的行業都需要產品經理。以下列出熱門產業與其 PM 特性：
科技平台 / SaaS ：
快速上線、快速迭代
PM 需懂敏捷與成長指標
電商與新零售
用戶轉換、後台流程、金物流整合
重視跨部門協作與商業營運理解
FinTech 金融科技
必須結合法遵、用戶安全與服務介面
PM 需與法務、風控、技術密切協作
EdTech 教育科技
著重用戶黏著與內容轉化效果
常需思考平台設計與學習路徑設計
IoT 與硬體整合
PM 扮演橋梁角色，連結硬體端與 App、後台資料串接
遊戲與娛樂產業
以玩家體驗、虛擬經濟與成癮機制為優先考量
產品經理的挑戰與機會
產品經理的挑戰：責任高壓 × 協作複雜 × 影響難以量化
責任重大但權限不清
雖需對產品成效、上線時程負責，但實際並不管理設計師、工程師等資源。
📍 情境：設計端與工程端無意願更改開發排程，PM 需透過影響力而非權力協調進度。
利害關係人眾多，溝通成本極高
市場、業務、客服、用戶、技術等部門需求往往衝突，PM 是資訊總管也是「夾心餅乾」。
📍 情境：行銷部門希望推出亮點功能吸引用戶，但開發團隊評估技術複雜度高，PM 需主導「先推 MVP、後期擴充」的雙贏方案。
KPI 難以單一指標衡量
🎯 與業務不同，產品績效常依賴間接成果（如提升用戶留存、降低客服成本），評價方式難以量化。
📍 情境：推出新功能後，用戶滿意度提升但營收未立即成長，PM 需解釋產品影響是「長期復利」而非即時回報。
需求變動快速，需持續對齊戰略方向
使用者行為、競品策略與高層決策常臨時變更，PM 要即時調整計劃、重排優先順序。
📍 情境：原定第二季上線的新模組，因競品提早推出類似方案，PM 臨時調整優先順序並帶團隊加速交付。
資訊不對稱與期望管理
PM 需將技術語言與商業語言轉譯給不同部門聽懂，並同步設定合理期待。
📍 情境：業務部門以為功能改動「只是改兩行 code」，PM 需以邏輯說服其理解影響範圍與開發代價。
產品經理的機會：橫跨多領域 × 成為整合與策略型人才
深度參與產品創新與策略制定
PM 是少數能從用戶需求出發，參與產品架構、商業模式與推廣策略制定的角色。
📍 情境：PM 參與設計新會員系統，從功能設計到價格方案與活動邏輯，全面串聯 UX 與營收思維。
跨界職能大平台，橫向能力持續擴張
PM 是 UX、工程、行銷、數據的整合者，能從中學習各部門運作邏輯。
📍 延伸可能：
UX 能力強 → 可轉向 Product Designer / UX Lead
商業直覺強 → 可轉向 BD、Growth Hacker
擅長數據分析 → 可成為 Data PM 或轉職 Data Analyst
善用 AI 與數據工具，提升個人效率與競爭力
新時代 PM 善用工具（如 ChatGPT、Mixpanel、Figma AI），將重複性任務自動化，將更多精力投入產品決策。
📍 情境：使用 ChatGPT 快速產出功能草稿、用 Notion AI 紀錄會議摘要，大幅提升產出速度與溝通效率。
職涯發展路徑彈性高，向上與橫向皆可擴展
根據個人強項與興趣，可發展為：
⬆️ 高階管理職（Head of Product、VP、CPO）
⬅️ 專業分支（Growth PM、AI PM、Platform PM）
➡️ 創業者、顧問、創新策略師
培養「影響力而非權力」的領導型人才
優秀 PM 不靠職權，而是靠願景整合與團隊信任來推進決策，這正是高階管理人才最需要的核心能力。
[course_plugin title='產品經理實戰課程' keyword='第7屆產品經理學習營' amount=2]
前往閱讀 【產品經理 - 學習地圖(上)：技能養成篇 】
[joblist_plugin title='更多104【產品經理】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=產品經理&mode=s&page=1' amount='3']
延伸閱讀：
PM「產品經理」和「專案經理」差在哪？盤點工作內容及PM技能樹
PM工作內容做什麼？產品企劃／產品經理薪資待遇、履歷面試總整理
PM意思有不只3種可能！為何PM工作職缺只會愈來愈多？哪種PM最熱門？
轉職PM不撞牆！從0學會提案，產品經理學習營揭3大挑戰｜商業思維學院
如何透過 EC-Council CTIA 強化漏洞評級與 SIEM 優化？
恆逸開課時間查詢：https://www.uuu.com.tw/Course/Show/1534/1
恆逸學員林漢朝：
🛠️ 擁有十餘年資安乙方技術背景，專精於滲透測試與紅隊演練
本人從事資安乙方技術部門十餘年，工作職務內容主要是以源碼檢測、滲透測試、紅隊演練以及資安工具的開發，平時偶爾參加資安白帽駭客競賽。
🎓 透過 CTIA 課程展延現有證照，並深究資安威脅情資的底層邏輯
CTIA 是我在恆逸上的第六個 EC-Council 課程，來上課的核心原因主要是希望透過 CTIA 課程取得 120 ECE 學分來展延現有的 EC-Council 證照，其次亦希望透過課程可以更加理解資安威脅情資分析的底層邏輯。
📈 國龍老師以經濟學視角切入，深入淺出解析威脅情資的商業價值
這是我第一次上林國龍 Bill Lin 老師授課的課程，不同於之前唐任威老師的資安學科與術科教學模式，國龍老師則是透過生活化的方式來解釋威脅情資的價值性。由於國龍老師有著經濟學背景，因此首日授課時，就透過證券交易市場中「開、高、收、低」共四個價格形成的 K 線技術分析，來隱喻底層資料透過蒐集、整理、規則化、統計歸納後，是可以形成高度資訊價值的產物；同理在資安領域的威脅情資也是如此，從底層的 Log 資料所蒐集、整理、統計歸納後，是可以產出有價值的資安知識產物，例如：IOA 與 IOC 或特徵碼。而資安設備的報價組成成分中，CPU、RAM、儲存裝置等硬體成本是相對低廉的，但是資安知識層面則是相對高價值的，例如：IPS 防禦設備高價值的部分，是 IPS 攻擊特徵碼的持續更新。
🤖 從被動反應到前瞻預測：結合生成式 AI 與 SIEM 提升資安防禦效率
我覺得最有收穫的觀念是，林國龍 Bill Lin 老師第一天的課程內容中，透過講義加上補充說明的方式，解釋威脅情資的演進如下：1. Reactive：被動反應。2. Proactive：積極主動。3. Predictive：通常包括了 LLM（大型語言模型）相關的生成式 AI 分析模型，能夠分析出人類視角無法分析產出的邏輯盲點，因此這是具備前瞻預測的資安威脅分析策略。最終資安威脅情資如果要發揮最大效益，則應：1. 與 SIEM (Security Information and Event Management) 設備進行關聯整合，如此可以最大程度減少誤判與漏報，以精準的方式來識別出新型態的資安威脅攻擊。2. 強化資安事件發生時，當下 Incident Response 資安應變事件處理工作流程的效率優化。
🛡️ 實務應用：結合 CVSS 3.1 評級與 MITRE ATT&CK 優化紅藍隊演練
從滲透測試與紅隊演練專案角度分析：透過老師對風險評鑑中風險矩陣 (Impact/Possibility) 與 CVSS (通用漏洞評分系統) 的說明，讓我更加理解每個 Metrics 的定義，後續如有提報 CVE 漏洞，便可以應用 CVSS 3.1 的風險評鑑公式針對風險等級進行評級佐證。從紅藍隊綜合型演練專案角度分析：能夠以 MITRE ATT&CK 框架中說明紅隊的攻擊戰術、技術以及攻擊鏈各節點，並提供風險修補方案，將演練的戰術與技術所使用的工具、時間序與攻擊原理提供給藍隊 SOC 團隊進行媒合，以自我檢視的視角來檢核攻擊過程中是否有漏報情況。若有漏洞，則針對 SIEM 設備的關聯語法進行調校優化。
索取課程優惠：https://www.uuu.com.tw/Forms/CourseInfoRequest?courseId=CTIA&mediaSrc=104
有任何收穫或想分享的，都來和大家一起聊聊吧！