人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】
104學習
數位IC設計
這項技能主要是指運用數位邏輯和電子設計自動化工具，設計晶片內的數位電路。具備此能力的人能將系統需求轉化為硬體架構，進行邏輯規劃、模擬驗證及版圖設計，確保晶片功能正確且效能優良。此技能在半導體產業極為重要，直接影響產品的性能、功耗與成本，對推動科技創新和產品競爭力有關鍵作用。掌握這項技能能增加在電子、通訊及科技公司求職的競爭力。
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
企業AI轉型實戰：用生成式AI打造高績效、低成本團隊【09/18】台中場
AI 商業數據與工作應用實戰：分析、報表與決策支援【09/30】
AI驅動的創新管理實戰：打造高效、創新的智慧型企業【11/03】
電腦視覺演算法之人臉辨識實戰【本課程為線上課，報名後專員會提供上課資訊】
AI快速完成專業簡報
Vibe Coding：AI 網路應用開發實戰（上）
智慧製造－透過AI實踐工業4.0
精選證照
考取專業證照，讓能力被市場看見
電子電路與數位邏輯設計
因應知識經濟與文創產業的時代來臨，各產業均發生結構性的變化，「設計」所帶來的附加價值與影響也日趨明顯。為了不淹沒在此一浪潮中，台灣產業界對於設計能力的提升，產生了迫切的需求。優秀而充足的人力是企業提升設計能力的根基，為提供產業界符合新時代的專業人才，本會推動「TQC+ 專業設計人才認證」，藉由嚴謹的認證職能體系架構與專業完善的考試服務，培育出符合企業職場需要的人才。
● 為國際級證書，獲印度國家電子資訊科技學院（NIELIT）採認。
● 以「專業設計領域任職必備能力」為認證標準。
● 認證內容涵蓋「工程設計」、「視傳設計」、「軟體設計」、「電路設計」、「建築設計」、「跨域設計」等六大專業領域。
● 擁有整合知識體系與專業技能的認證架構，是最貼近實際使用環境與就業需求的證照。
財團法人中華民國電腦技能基金會
CCMSE NG with AI
CCMSE NG with AI證照專注於結合人工智慧技術與跨領域系統工程的應用，培養具備系統思維與AI實務能力的人才。持證者能運用AI工具優化系統設計與管理流程，提升企業決策效率與競爭力，適用於製造、資訊科技及工程管理等多元產業。此證照強調理論與實務並重，助力專業人士掌握未來智慧化趨勢，提升職場價值。
Check Point
SSE AI 提示詞工程師
[ 引領AI時代的語言設計專家認證 ]
隨著生成式人工智慧（Generative AI）快速崛起，從文字生成、圖像創作、音樂編排到自動化工作流程，「提示詞（Prompt）」設計能力已成為駕馭AI的關鍵技能。而「Prompt Engineer（提示詞工程師）」作為新興且高度需求的職業角色，正逐漸在學術界與職場上嶄露頭角。 AI Prompt Engineer 國際認證應運而生，旨在建立一套標準化、系統性的評量機制，協助學習者掌握與AI互動的語言設計邏輯，具備實務操作能力與創造性思維，為進入AI產業奠定堅實基礎。
Silicon Stone Education (SSE)
電路模擬分析
因應知識經濟與文創產業的時代來臨，各產業均發生結構性的變化，「設計」所帶來的附加價值與影響也日趨明顯。為了不淹沒在此一浪潮中，台灣產業界對於設計能力的提升，產生了迫切的需求。優秀而充足的人力是企業提升設計能力的根基，為提供產業界符合新時代的專業人才，本會推動「TQC+ 專業設計人才認證」，藉由嚴謹的認證職能體系架構與專業完善的考試服務，培育出符合企業職場需要的人才。
● 為國際級證書，獲印度國家電子資訊科技學院（NIELIT）採認。
● 以「專業設計領域任職必備能力」為認證標準。
● 認證內容涵蓋「工程設計」、「視傳設計」、「軟體設計」、「電路設計」、「建築設計」、「跨域設計」等六大專業領域。
● 擁有整合知識體系與專業技能的認證架構，是最貼近實際使用環境與就業需求的證照。
財團法人中華民國電腦技能基金會
NNCSE
NNCSE（國際神經網路與計算科學工程師證照）專為具備人工智慧與神經網路技術應用能力的人才設計，涵蓋機器學習、深度學習及數據分析等核心技能，強調理論與實務結合，適合從事AI系統開發、資料科學及智能自動化領域的專業人士。透過此證照，持有者可展現其在神經網路架構設計、模型訓練與優化的專業素養，提升職場競爭力及跨領域整合能力，符合現今產業數位轉型需求。
Nortel Networks
電路設計證照
因應知識經濟與文創產業的時代來臨，各產業均發生結構性的變化，「設計」所帶來的附加價值與影響也日趨明顯。為了不淹沒在此一浪潮中，台灣產業界對於設計能力的提升，產生了迫切的需求。優秀而充足的人力是企業提升設計能力的根基，為提供產業界符合新時代的專業人才，本會推動「TQC+ 專業設計人才認證」，藉由嚴謹的認證職能體系架構與專業完善的考試服務，培育出符合企業職場需要的人才。
● 為國際級證書，獲印度國家電子資訊科技學院（NIELIT）採認。
● 以「專業設計領域任職必備能力」為認證標準。
● 認證內容涵蓋「工程設計」、「視傳設計」、「軟體設計」、「電路設計」、「建築設計」、「跨域設計」等六大專業領域。
● 擁有整合知識體系與專業技能的認證架構，是最貼近實際使用環境與就業需求的證照。
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
【半導體職涯】聯發科學長分享半導體工程師職涯、碩士工作選擇｜附履歷模板、講座影片
半導體產業 一直是理工科學生畢業後的首選，其中的 IC設計公司 更是眾多人心中的夢幻職場。本篇文章精選了今年 104 舉辦的 半導體職涯線上講座 精華，特邀 台大材料碩士畢業、曾任職於 聯電 和 台積電，現任聯發科產品工程師 Lester，分享新鮮人如何規劃半導體職涯、撰寫履歷的關鍵技巧，以及非電機本科背景如何成功轉職 IC 設計產業
文／104人力銀行
本文目錄（點擊可快速前往）
畢業新鮮人該如何選擇半導體OFFER？掌握這三大關鍵！前進半導體！半導體產業結構與公司全解析上游：EDA vendor 、 IP設計、IC設計服務中游：晶圓代工下游：封裝測試理工碩士畢業後做什麼？科系出路對應工程師種類電機系出路工作選擇機械系出路工作選擇材料系出路工作選擇化工系出路工作選擇非電機系也不怕！IC設計公司轉職策略理工科新鮮人必看！如何撰寫履歷，一眼吸引面試官注意？第一步：深入分析職務資訊第二步：對症下藥，匹配實力【半導體職涯講座】免費解鎖：講座影片+講座簡報+履歷模板
畢業新鮮人該如何選擇半導體OFFER？掌握這三大關鍵！
拿到多個 OFFER 是許多畢業新鮮人夢寐以求的情境，但真正的挑戰是：如何做出適合自己的選擇？ 面對職場的第一步，選擇合適的工作方向尤為重要。
講師 Lester 提到，他剛畢業時同時收到了台積電與聯電的 OFFER，最終在多方面考量下選擇了聯電。這讓我們不禁思考：該如何在眾多選擇中找到最適合自己的那一份？
以下是做出 OFFER 選擇時需要重點考慮的三大關鍵：
1. 職涯目標與公司特質的匹配
了解公司的核心價值、產業定位和發展方向，評估是否與你的職涯目標一致。
2. 工作與生活的平衡
不同公司的工作強度、工時長短、壓力程度各不相同。思考自己能接受的工作節奏，選擇最適合自己的工作環境。
3. 薪資與長期發展的權衡
起薪是短期的利益，但長期的成長空間、升遷機會和技能積累可能帶來更大的回報。學會平衡短期收益與長期目標，才能更全面地做出選擇。
前進半導體！半導體產業結構與公司全解析
上游：EDA vendor 、 IP設計、IC設計服務
1. EDA vendor
提供設計工具與解決方案，包括電路設計、功能驗證、電路合成及優化，協助IC設計公司完成晶片設計的流程。
【常見EDA vendor公司】
公司名稱工作機會Synopsys看公司職缺Cadence看公司職缺Siemens EDA看公司職缺
2. IP設計公司
提供可重複使用的基礎功能模塊如USB協定模塊、PCIe接口模塊或CPU核心，供IC設計公司直接採用以縮短設計時間。
【常見IP設計公司】
公司名稱工作機會ARM看公司職缺M31 Technology Corporation看公司職缺力旺電子看公司職缺
3. IC設計服務公司
提供設計委託或代工服務，為晶片開發初期提供支援，並與晶圓代工廠合作緊密，縮短產品上市時間。
【常見IC設計服務公司】
公司名稱工作機會聯發科看公司職缺瑞昱看公司職缺聯詠看公司職缺
中游：晶圓代工
晶圓製造負責將設計完成的電路通過光罩轉移到矽晶圓上，涉及黃光製程、離子佈植、薄膜沉積等一系列高精密製程。
【常見晶圓代工公司】
公司名稱工作機會台積電看公司職缺聯電看公司職缺世界先進看公司職缺
下游：封裝測試
測試：檢查晶圓中電路的功能性，剔除失效的部分封裝：將測試合格的晶片進行封裝，形成最終的IC
【常見封裝測試廠公司】
公司名稱工作機會日月光看公司職缺艾克爾看公司職缺矽品精密工業看公司職缺
理工碩士畢業後做什麼？科系出路對應工程師種類
電機系出路工作選擇
職務類別工作機會IC設計工程師查看職缺電路設計工程師查看職缺系統驗證工程師查看職缺
機械系出路工作選擇
職務類別工作機會設備工程師查看職缺機械設計工程師查看職缺熱模擬工程師查看職缺
材料系出路工作選擇
職務類別工作機會材料研發工程師查看職缺製程工程師查看職缺品質工程師查看職缺
化工系出路工作選擇
職務類別工作機會IC設計製程工程師查看職缺化學工程師查看職缺
非電機系也不怕！IC設計公司轉職策略
晶片設計公司的薪資福利與就業環境，一直是眾多求職者夢寐以求的目標。現任聯發科工程師Lester不藏私分享他的轉職秘訣：
從中游晶圓代工成功轉職到IC設計服務公司，關鍵就在於選擇能與IC設計公司客戶有近距離接觸的職位！
【常見與IC 設計公司客戶緊密接觸的職位】
職務類別工作機會產品工程師查看職缺製程整合工程師查看職缺客戶服務工程師查看職缺
理工科新鮮人必看！如何撰寫履歷，一眼吸引面試官注意？
履歷的核心目的是說服人資與部門主管相信您就是這份工作的最佳人選。要做到這一點，關鍵不在於寫得多，而是寫得精準且對應需求。
第一步：深入分析職務資訊
撰寫履歷前，務必仔細分析該職位的職務內容（JD，Job Description），了解該職位的核心需求，提取關鍵能力與技能要求，進一步整理出能在履歷中突出的關鍵字，以提高針對性和吸引力。
講師Lester 的示範：如何整理履歷關鍵字
在講座中，講師 Lester 以某半導體公司的產品工程師職缺為例，向大家展示了如何根據職缺要求梳理自己的能力，並以清晰條理的方式呈現在履歷中。
下圖為該職缺的工作內容介紹。Lester 示範了如何根據工作需求，將能力劃分為硬實力與軟實力，並提取出關鍵字，使自身能力與職缺需求高度匹配。
硬實力
半導體製程技術：熟悉半導體COMS、BJT等基本製程技術，熟知黃光、蝕刻、薄膜沉積等等製程理論知識
晶圓製造與測試
數據分析與統計熟練：使用Excel進行數據處理與分析、具備基本的統計分析能力
電子電路設計與模擬
程式設計 (Python, C++)
軟實力
團隊合作能力
危機處理能力
應對突發事件
壓力下的決策
第二步：對症下藥，匹配實力
提取完關鍵字後，下一步是將這些關鍵字與你的經驗結合，讓履歷更具說服力且充滿生動的細節。即使是剛出社會的新鮮人，沒有相關工作經驗也不用擔心！
硬實力：可以從學校的課程、實驗項目、或碩士論文中提取，展示你的專業技能與技術經驗。
軟實力：從社團活動、打工經驗、或其他日常經歷中挖掘
關鍵在於以具體的例子展現你的能力，清楚傳達你如何滿足職缺需求，讓面試官一目了然你的優勢。
馬上新增/更新履歷吧!
【半導體職涯講座】免費解鎖：講座影片+講座簡報+履歷模板
超過400人報名的好評講座✨開放免費解鎖半導體職涯大禮包
以上僅是Lester分享內容的冰山一角！最精彩的部分還在QA環節當天參加者無所不問，講師更是直擊產業秘辛，知無不言、毫不保留！想深入了解更多 ，立即點擊下方連結解鎖半導體職涯大禮包：
立即免費解鎖
https://www.youtube.com/shorts/n_MiuL67Un4
盤點20大職場必備AI工具！專家：未來9成工作者都須懂AI
AI正逐漸改變企業生態，在人才缺口愈來愈大的情況下，未來將有高達90%的人需要具備AI素養，就像使用辦公室軟體一樣，成為工作者人人必備的技能。本文解析「10種工作情境、20大好用AI工具」，以及企業如何投入數位轉型和人才培育。
文／林麗珊 由天下雜誌授權轉載
本文目錄（點擊可快速前往）
找到應用場景，幫「人」解決問題未來職場：九成工作者都必須懂AI10種工作、20大好用AI工具盤點
從高科技、資通訊到傳統產業，都爭相投入數位轉型和人才培育，提升員工與AI協作的能力，讓愈來愈昂貴又稀少的人力，做更有價值與創造性的工作。
生成式AI帶來的改變，被喻為第四波工業革命，不管是生產力提升、還是工作與生活方式的改變，都衝擊著企業經營的外在環境。面對這場可能長達十年的AI轉型馬拉松，企業該如何自我準備，帶領員工共同迎向未來，成為首要挑戰。
Google Cloud與人工智慧科技基金會合作發布《台灣企業AI準備度調查報告》，指出企業AI準備度分為五大面向：數據力、創新力、技術力、治理力、運算力。各項指標中，與組織調整、人才培育相關的分數幾乎都墊底。
即便近七成的企業表示，員工對AI的知識了解程度偏低，但僅5.9%的企業在未來三年將優先投入資源在人才招募或培訓上。
（圖／由天下雜誌授權轉載）
協助企業訓練安全AI模型的台灣人工智慧實驗室創辦人杜奕瑾觀察，相較於生成式AI出現以前，現在台灣企業的成熟度逐漸提升，「大型企業愈來愈知道自己需要什麼樣的AI解決方案，人才也需要升級，擁有相應的能力。」
根據104網站的統計，目前市面上約有2.9萬個AI人才相關職缺，年成長7%左右，但呈現產業分布不均衡的現象。
對於AI資本投入和數位化程度更高的半導體業、高科技製造業，以及以數據和服務為基礎的資通訊產業，最缺乏AI人才，這代表技術力的領先，而這些產業也處在領跑的位置。
人工智慧科技基金會連續兩年的「台灣產業AI化大調查」，發現台灣企業僅三成在內部啟動AI專案，其中資通訊產業整體分數領先，與傳產及政府部門的落差巨大。
找到應用場景，幫「人」解決問題
生成式AI的出現，讓企業與員工都產生了危機感，有愈來愈多企業站上轉型的起跑線。
2018年，鉅鋼機械管理部經理簡光正就是第一批到人工智慧學校上課的中部傳產資訊主管，當時他就看見AI可能帶來革命性的改變，但他也深刻感受到，即使生成式AI出現，在傳統製造業中仍然很難找到應用場景。
例如，生成式AI目前經常被應用在聊天機器人的客服，但生產製鞋工具機的鉅鋼，產線問題複雜，機台故障的原因千百種，很難單純依靠AI客服解決。
「客戶花了一、兩千萬買機台，不太可能只靠AI問答就解決問題，客戶不會信任，一定會打電話來問，」簡光正說，在效益不高的情況下，目前只能先從改善營運效率中找AI應用場景，還沒辦法導入核心產線。
反觀另一間傳產亞東預拌混凝土，則是為了求生存，大力投入數位轉型，針對人才進行培育，改善整體生產流程。
「我們資源有限，不能為了AI而AI，一定要拿來解決人遇到的問題，」亞東預拌總經理金崇仁說。
2020年，金崇仁擔任亞東預拌混凝土總經理，當時公司獲利長年都在及格邊緣，他認為這並非永續經營之道，決定展開全面數位轉型，提升整體營運效能。
過去水泥業必須大量靠人力管理原物料，既費時、高危險、也不精準。砂石原料易受天氣影響，每日含水量不同，配方也需要相應調整，廠內員工還要每天爬上14層樓高的桶槽，以測量料槽內的原料狀況與存量。
年屆70的金崇仁，仍然有著強烈的學習心與求知慾。他看到科技廠應用無人機做廠區的巡檢，便主動去考無人機操作執照，挽起袖子親手實作。
現在亞東預拌在全台20個廠區，桶槽上都裝有智慧感測裝置，能即時監測並回傳桶槽內原料數據，還能透過無人機紅外線感測裝置，來判斷桶槽內的膠料狀況。
「數位轉型一定是人才優先，」當金崇仁決定著手調整公司體質時，他主動帶領50名高管與數位轉型團隊，報名人工智慧學校經理人專班，完整參與為期14週的課程，團隊回到公司後，開啟了26件數位轉型專案。
在亞東兩年半的數位轉型旅程中，軟體與人才的支出，甚至超越硬體支出，其中對於人才培育的投資佔比超過七成。不過，這也使公司整體獲利成長達到74%，逐步展現數位轉型的成效。
未來，混凝土廠產線上的人力將大量減少運用體力與高危險工作，而是在監控室判讀數據，並即時操作、調整混凝土配方，達成更高效的精準生產。
未來職場：九成工作者都必須懂AI
AI正逐漸改變企業生態。長期培育產業AI人才的台灣人工智慧學校校務長蔡明順分析，生成式AI重新定義了人們的工作內容與人機互動、協作模式。
在人才缺口愈來愈大的情況下，未來將有高達90%的人需要具備AI素養，就像使用辦公室軟體一樣，成為工作者人人必備的技能。
AI素養包括了解AI的原理與使用、評估應用場景、AI規範與倫理等，唯有真正了解AI的能力與限制，才能有效提升生產效率。
尤其是知識工作者、技術工作者，在與AI協作時，必須結合產業的專業知識，才能驗證AI的正確性。因此，如果企業需要深入導入AI工具，甚至啟動全面AI轉型，一定得先提升內部員工的能力，並將AI人才培訓納入策略規劃中。
人工智慧科技基金會技術處總監張嘉哲建議，尚未起步的企業，應先盤點自身的業務流程，梳理清楚有哪些會產生資料的節點後，再規劃應用場景，並針對業務同仁進行培力、舉辦內部競賽、促進跨部門合作等，撒下種子，啟發有潛力的人為企業帶來改變。
「導入AI其實也在為未來缺工的情況做準備，」國泰人壽數據暨人工智慧發展部協理莊淑儀說，AI不會取代人的專業，但是可以簡化重複性工作，讓愈來愈昂貴的人力，做更有價值與創造性的事業。
企業希望擁抱數位轉型，帶領員工共同前行是關鍵挑戰。如果只懂得技術，缺乏產業的背景知識，將很難發揮創意、解決工作的痛點。
在這場數位轉型的人才大戰，培養最了解流程的一線員工共同成長、轉型，是企業必備核心競爭力。
10種工作、20大好用AI工具盤點
工作AI工具特色網址1. 機器人聊天ChatGPT摘要、產文或代碼等廣泛任務，支援語音對話https://chatgpt.com/Claude擅長長篇內容理解及分析，適合複雜任務https://claude.ai/2. 研究、資訊蒐集Perplexity即時連網整合多方資訊，生成內文附資料來源https://www.perplexity.ai/Consensus針對研究文獻的搜尋引擎，可直接生成文獻回顧https://consensus.app/3. 文案寫作Writesonic多種SEO功能，提供快速或多步驟的文章模板https://writesonic.com/Copy.ai提供多種用途的寫作模板，適合創意或行銷文案https://www.copy.ai/4. 圖像生成Midjourney根據文字或圖片生成風格的圖象，藝術風格強https://www.midjourney.com/Stable Diffusion可根據需求調整多種參數，創造專業的視覺效果https://stablediffusionweb.com/5. 圖片編輯Adobe Photoshop整合修圖、改圖等功能，適合專業影像編輯https://www.adobe.com/Pixlr具備圖像生成及設計功能的圖片編輯器https://pixlr.com/6. 影片製作Runway高保真的影片生成與編輯，可根據真人生成動畫https://runwayml.com/Descript文字驅動的影片編輯器，修改逐字稿可編修影片https://www.descript.com/7. 音樂／音效製作Suno可根據文字生成人聲或純音樂歌曲並生成歌詞https://suno.com/Stable Audio高度客製化的音樂生成工具，歌曲可達3分鐘https://stability.ai/stable-audio8. 文件處理Gamma根據提示輸入需求，即可快速生成簡報https://gamma.app/zh-twNotebookLM整合多種內容到筆記本，以獲得限制來源的回應https://notebooklm.google/9. 數據分析Julius AI含文獻回顧、數據清理及統計功能的分析工具https://julius.ai/Polymer以對話方式分析數據、生成儀表板、見解與建議https://www.polymersearch.com/10. 程式開發GitHub Copilot即時建議和自動補全程式碼，支援多種程式語言https://github.com/features/copilotCursor用文字對話創建代碼、開發應用的程式碼編輯器https://www.cursor.com/研究整理：伍芬婕（由天下雜誌授權轉載）
（圖／由天下雜誌授權轉載）
（原文標題：20大必備AI工具大盤點 AI時代新職場，如何解放自己的時間與創意？）
推薦閱讀：
AI時代如何提高競爭力？世界經濟論壇：最須具備的10種關鍵能力
用ChatGPT準備面試練習！AI履歷撰寫和模擬面試必學指令
億萬富翁：我拒絕來往的兩種人
跟老闆搭同班電梯也不怕的閒聊法：只需要說3種話，其他都是廢話
年輕人真的只想躺平嗎？Z世代不得已的「精緻窮」背後原因
Gartner公布2026年十大戰略技術趨勢 AI帶動創新新成果將大量湧現
2025-10-27 經濟日報記者彭慧明 由聯合新聞網授權轉載
全球科技研調機構Gartner 27日發布對2026年重點關注的十大戰略技術趨勢。Gartner研究副總裁高挺（Arnold Gao）表示，2026年各項戰略層面重要技術動向密切交織，反映了一個由人工智慧（AI）技術驅動的高度互連世界現實圖景，技術領域創新速度湧現的新成果將大量出現、遠超從前。
Gartner提出的2026年重要戰略技術趨勢如下：
一、AI超級運算平台
AI超級運算平台整合CPU、GPU、AI ASIC、神經形態運算與替代性運算範式，使企業統籌複雜工作負載，同時釋放更強性能、更高效率與更多創新潛力。該系統融合強力處理器、海量存儲、專用硬體與編排軟體，可處理機器學習、模擬與分析等領域資料密集型工作負載。
Gartner預測，到2028年，應用混合計算範式架構於關鍵業務流程的領先企業合計超過40%，較當前8%水準大幅增長。
二、多智慧體系統
多智慧體系統（MAS）是多個AI智慧體構成、利用交互作用實現複雜個體或共同目標的集合，既可在單一環境中交付，亦可於分散式環境中獨立開發部署。
高挺表示，通過使用多智慧體系統，企業可實現複雜業務流程自動化、提升團隊技能、開創人類與AI智慧體新協作方式。採用模組化設計的專業智慧體通過在各工作流中重複使用成熟解決方案提升效率、加速交付與降低風險。此方案便於擴展運營規模與快速適應需求變化。
三、特定領域語言模型（DSLM）
資訊長（CIO）暨執行長（CEO）要求AI帶來更多商業價值，但一般大語言模型（LLM）難以勝任專業任務。特定領域語言模型（DSLM）憑藉更高精度、更低成本與更高合規性填補這一空白，是針對特定行業、功能或流程專用資料上訓練或微調的語言模型，DSLM能更精準、可靠且合規地滿足特定業務需求。
Gartner預測，到2028年，企業使用的生成式AI（GenAI）模型超半數屬於特定領域模型。情境 (Context) 成為決定代理部署成功與否的關鍵因素之一。基於DSLM的AI代理可解讀特定行業情境，即使在陌生情境中也能做出合理決策，因而具備超卓準確性、可解釋性與決策合理性。
四、AI安全平台
AI安全平台為協力廠商暨客製化AI應用提供統一防護機制，進行集中監測、強制執行使用策略，有效防範AI特定風險，如提示注入攻擊、資料外洩、惡意代理行為等，幫助CIO執行使用政策、監控AI活動、在全AI系統中建立統一防護邊界。Gartner預測，到2028年，使用AI安全平台保護AI投資的企業比率超過50%。
五、AI原生開發平台
AI原生開發平台使用GenAI實現空前快速、便捷的軟體發展。軟體工程師作為「前端部署工程師」進入業務部門，使用該平臺協同領域專家開發應用。企業只需維持現有開發人員規模，組建微型團隊配合AI即可開發更多應用。目前，領先企業組建微型平臺團隊，在安全與治理框架範圍內讓非技術領域專家能自主開發軟體。
Gartner預測，到2030年，80%的企業通過AI原生開發平臺使大型軟體工程團隊轉為更靈活的小團隊並通過AI賦權。
六、機密運算
機密運算重塑企業敏感性資料處理方式。由於工作負載被隔離在基於硬體的受信任執行環境（TEE），即使面對基礎結構所有人、雲端提供商或任一擁有硬體物理存取權限之實體，機密運算也能確保內容與工作負載隱形能力，對受監管行業、面臨地緣政治與合規風險的跨國公司與競爭對手的合作尤為重要。
Gartner預測，到2029年，在非可信基礎結構中處理的業務當中有超過75%將依託機密運算機制保障使用安全。
七、實體AI
實體AI是因人為賦權而具有感測、決策與執行能力的機器與設備（例如機器人、無人飛行器暨智慧型設備），將智慧型演化演算帶入到現實世界，為看重自動化、適應性與安全性的行業帶來可觀收益。但同時可能引發人們對就業的擔憂，因此要採取謹慎的變革管理。
八、前置主動式網路防禦
企業面臨網路、資料與聯網系統威脅倍增，前置主動式網路防禦正成為趨勢，以運用AI驅動的安全運營、程式化阻斷與欺騙技術在攻擊者行動前就實施干預，以預測手段實現防護。Gartner預測，到2030年，CIO從被動防禦轉向主動防護，前置主動式網路防禦解決方案將占企業安全支出總額一半。
九、數位溯源
企業日益依賴協力廠商軟體、開放原始程式碼與AI產生內容，數位溯源驗證已成為一項重要需求。數位溯源指對軟體、資料、媒體暨流程來源、所有權與完整性進行驗證的能力。企業可使用軟體物料清單（SBoM）、認證資料庫、數位浮水印等新工具驗證與追蹤供應鏈中的數位資產。
Gartner預測，到2029年，在數位溯源方面投入不足的企業會面臨高達數十億美元的制裁風險。
十、地緣式遷移
地緣式遷移指企業因考慮到地緣政治風險而將資料與應用從全球公有雲遷出至主權雲端環境、區域雲端服務商或自有資料中心等本地平台。主權雲端這一概念曾僅限銀行與政府機構，如今因全球局勢動盪加劇而影響各類企業。
Gartner預測，到2030年，歐洲暨中東地區將有超過75%的企業把虛擬工作負載遷移至降低地緣政治風險的解決方案，2025年還不足5%。
[joblist_plugin title='更多104【AI工程師】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&jobcat=2007001020&page=1' amount='3']
AI技術如何重塑職場？主管必備的3大應對策略，掌握數位轉型關鍵，強化團隊競爭力
在人工智慧（AI）迅速崛起的時代，許多人開始反思：「AI將如何重塑工作模式？」、「未來AI技術對團隊與業務會產生哪些影響？」以及「如何在AI時代中取得優勢？」這些問題凸顯了現代職場對於AI技術的深切關注。本文將探討AI帶來的職場變革，結合AI數位轉型的優勢，為主管提供應對策略，協助他們在這波科技浪潮中把握新的職業機會。
文/104獵才顧問行銷企劃部
點擊前往關注AI相關500家企業？免應徵👉先跟HR聊聊
【本集課堂分享人物】
劉俊鴻 Darlian Liu 104高階及關鍵人才庫 顧問
📽️回顧看上集👉《AI將減少工作機會？深入解析ChatGPT如何影響未來就業趨勢》
本文導覽：
一、AI帶來的職場變革與未來趨勢，AI技術如何重塑職場格局?
1. 自動化提升效率
2. 新興職業的誕生
3. 傳統職業的轉型
二、AI數位轉型優勢：提升團隊業務效能的五大關鍵要素!
1.數據驅動決策：AI如何優化市場分析與業務預測
2.建立數位文化：提升團隊創新能力的基石
3.數位化流程：簡化操作，增強團隊效率的最佳實踐
4.增強客戶體驗：AI如何提升顧客滿意度與忠誠度?
5.鼓勵創新與實驗：如何在AI時代中發掘新商機?
三、在AI浪潮中保持競爭力的3大策略：擁抱挑戰、持續學習、 強化溝通技巧
1. 擁抱挑戰，勇敢面對技術革新：面對AI技術的心態調整
2. 持續學習的重要性：跟上AI技術演進的步伐
3.強化與AI溝通的能力：提升職場競爭力的關鍵技巧
四、結論、掌握AI時代職業機會的關鍵要點
一、AI帶來的職場變革與未來趨勢，AI技術如何重塑職場格局?
AI技術正在快速重塑我們的工作方式和職場格局，帶來了深遠的影響。從自動化流程到創新應用，AI不僅提高了工作效率，還開創了許多全新的職業機會。
1. 自動化提升效率
AI技術自動化了許多重複性和低效能的工作，解放了人力資源，使員工能夠專注於更具創造性和戰略性的任務。這種轉變不僅提高了生產力，還促進了工作滿意度。
2. 新興職業的誕生
AI技術的進步催生了許多新興職業，如數據科學家、AI工程師、機器學習專家(👉超過400個AI相關職務等你來關注)等。這些職業不僅薪資優渥，還擁有廣闊的發展前景，成為職場中的新寵。
3. 傳統職業的轉型
傳統職業在AI的影響下也在發生轉型。例如，市場營銷人員現在需要掌握數據分析和AI工具，才能在數位化時代中脫穎而出。這種轉型要求職場人士不斷更新技能，以適應新的職場需求。
二、AI數位轉型優勢：提升團隊業務效能的五大關鍵要素!
數位轉型是指組織或企業利用數位科技重新設計業務流程、改善組織運作，並提升整體價值創造力的過程。對於主管來說，這不僅是技術的更新，更是促進團隊協作、提高效率和增強競爭力的關鍵策略。透過數位轉型，主管可以引導團隊在新技術的支持下，實現更靈活的運作模式，並在不斷變化的市場中保持優勢。
1.數據驅動決策：AI如何優化市場分析與業務預測
數據驅動的決策過程使企業能快速響應市場變化，並做出更精準的商業判斷，從而增強競爭力，提升團隊效能。
2.建立數位文化：提升團隊創新能力的基石
建立數位文化能鼓勵員工探索新技術，增強團隊的創新能力，進而促進企業整體成長和效能提升。
3.數位化流程：簡化操作，增強團隊效率的最佳實踐
數位化流程可減少人為錯誤，加快業務運作速度，讓團隊專注於更高價值的任務，進一步提升團隊效能。
4.增強客戶體驗：AI如何提升顧客滿意度與忠誠度
利用AI技術分析顧客數據，企業可以提供個性化服務，增強顧客整體體驗與忠誠度，提升團隊在客戶關係管理中的效能。
5.鼓勵創新與實驗：如何在AI時代中發掘新商機
在AI時代，企業應鼓勵創新思維與實驗，探索未來的新商機，這將促進團隊的靈活性和效能，保持市場競爭力。
三、在AI浪潮中保持競爭力的3大策略：擁抱挑戰、持續學習、 強化溝通技巧
1. 擁抱挑戰，勇敢面對技術革新：面對AI技術的心態調整
在這個快速變化的時代，保持開放心態至關重要。面對AI浪潮，主管們應鼓勵團隊勇於嘗試新技術，積極參與相關活動。這不僅能提升個人技能，還能培養團隊的創新精神，讓每位成員都能在面對挑戰時保持競爭力。
2. 持續學習的重要性：跟上AI技術演進的步伐
為了適應不斷變化的AI技術，持續學習和加入同好圈是關鍵。參加線上課程、教育平台或工作坊，並融入Facebook社團、粉絲頁或LINE專業群組，這不僅能提升專業知識，還能鼓勵團隊成員建立人脈，拓展視野，確保在職場中不斷前進。
3.強化與AI溝通的能力：提升職場競爭力的關鍵技巧
在AI時代，與AI有效溝通的能力將成為職場競爭力的關鍵。主管們應該鼓勵員工學習如何使用AI工具，並強調這項技能對提高工作效率的重要性。透過掌握與AI的溝通能力，團隊將能在複雜的職場環境中脫穎而出，贏得未來的機會。
四、結論、掌握AI時代職業機會的關鍵要點
AI技術正在引領職場的巨大變革，帶來了無數的機遇和挑戰。職場求職者應該保持開放的心態，擁抱挑戰，持續學習，並提升溝通技巧和心理素質，才能在這波科技浪潮中找到自己的職業機會。無論未來如何變化，只要做好準備，就能在新的職業環境中找到屬於自己的位置。
【推薦關鍵人才的AI趨勢好文】
📣AI市場薪情知多少？《AI到底有多熱！從市場薪情找出你的高薪機遇》
📣AI時代會減少工作機會？《AI將減少工作機會？深入解析ChatGPT如何影響未來就業趨勢》
📣如何用AI讓你被HR看見？《用AI打破求職困境：4關鍵快速讓HR看見你的亮點》
║關鍵人才專屬AI職缺推薦║
AI 處理器設計工程師
聯發科技股份有限公司│新竹市熟悉處理器系統BUS and memory architecture、熟悉Verilog
AI software development manager
廣達電腦股份有限公司│桃園市龜山區8年以上工作資歷│C 、C++ 、Java 、Python 、JavaScriptg
電腦輔助工程CAE與AI資深工程師
緯創資通股份有限公司│台北市內湖區4年以上工作資歷│電腦輔助工程模擬技術或AI開發經驗、Dassault Systèmes、ANSYS、SIEMENS、Hexagon
數位科技處-AI人工智慧專案管理師
永豐商業銀行股份有限公司│台北市中山區具備AI相關背景知識，如CNN、RNN演算法、基礎建模方法等、具AI專案開發/管理經驗者
數位轉型服務-數據分析資深顧問
勤業眾信聯合會計師事務所│台北市信義區3年以上工作資歷│熟悉資料分析語言與框架、熟悉機器學習與深度學習等演算法建模
點擊前往關注AI相關500家企業？免應徵👉先跟HR聊聊
企業徵才│找關鍵人才
人才求職│找優質職缺
104獵才顧問 官方網站104獵才顧問 Facebook104獵才顧問 LinkedIn104獵才顧問YouTube
AI PM搶手！「AI產品經理」年薪輕鬆逾百萬，和傳統PM有什麼不同？
人工智慧產品經理AI PM（product manager），無疑是當前職場最紅的職務之一。AI PM和傳統PM有什麼不同？AI PM又和AI工程師有何差異？為什麼AI PM年薪能輕鬆超越百萬？104職涯診所Podcast EP560【AI PM紅什麼？！年薪上看150萬！不用精通程式，但要懂AI技術、能和工程師溝通】提到，AI PM不見得要精寫程式，但必須懂技術，尤其要具備讓AI落地於產品的能耐；相較於傳統PM，AI PM的薪資可能多30%；年薪因專業度和年資而不同，80~150萬不難，150~250萬有機會，主管職或上市櫃公司有望超過250萬。
※更新日期：2026/08/31
文／104職涯診所Podcast
本文目錄（點擊可快速前往）
「AI PM」人工智慧產品經理，在傳統職責疊加AI技術應用 AI PM和傳統PM差在哪？以履歷表功能為例 不會寫程式也ok？AI PM需具3大核心能力：技術、市場、整合 AI PM的「AI思維」，創新探求與落地能力 AI PM薪資比傳統PM高多少？年薪輕鬆逾百萬 如何轉型AI PM？傳統PM、非相關背景的職涯路徑 AI PM有加分的產業背景或科系背景嗎？ AI PM展現出色的溝通力，拉近技術與用戶的距離
【來賓】 王之璘，104人力銀行產品暨價值營運處資深協理，從輔大企管系畢業之後，曾任屈臣氏儲備幹部，優仕網Youthwant業務助理、網站企劃，ABC好車網網站企劃，一路發展成為產品經理PM(Product Manager)，進入104人力銀行前後近10年，目前擔任產品團隊主管，帶領超過30位夥伴負責主要的AI產品，也是104人銀行最年輕的處級主管，職涯歷程豐富。
「AI PM」人工智慧產品經理，在傳統職責疊加AI技術應用
AI PM指的是與AI相關的產品經理（Product Manager）。
不過，討論AI PM之前，必須先界定傳統PM的工作內容。傳統PM通常分為兩大導向：一是功能導向（從0到1），把全新的產品從無到有、建立起來。二是營運導向，負責觀測用戶行為、發現數據問題並進行優化與開發，例如，對於104人力銀行這樣已有多年線上服務的網站進行改善與優化。此外，傳統PM特別注重用戶介面（UI/UX）的優化與改善，並根據用戶的使用數，提供回饋給開發單位。綜合來說，PM是介於技術端與用戶之間溝通的橋樑。
AI PM的工作是疊加在傳統PM任務之上的。核心任務特別強調，將AI技術應用在產品的流程或發展中。
AI PM的職責面向主要有二：首先，運用AI改善公司內部的作業流程與效率，加速技術和流程的串接。這點是傳統PM比較少關注的。例如，AI PM可以利用對Prompt語法的熟悉度，與AI互動，快速產出產品需求文件PRD（Product Requirement Document）或設計畫面，大幅節省工程師的時間。其次，利用AI發展具有商務價值的工具或服務給使用者，讓使用戶願意為了AI功能而付費。
AI PM和傳統PM差在哪？以履歷表功能為例
以履歷表功能為例，傳統PM會觀察求職者填寫履歷過程中的「卡點」，透過增加欄位或使用文字引導，讓欄位更容易填寫，優化介面。
然而，AI PM會把AI技術直接應用在產品服務之中。例如，AI PM會用AI分析求職者已有的PDF或Word履歷表，把相關內容自動轉移到系統的欄位，節省求職者的時間。也就是說，AI能分析求職者的學經歷或社團經驗，自動產出自傳內容，或分析履歷內容有哪裡不足，對應求職者想應徵的職務，然後提供求職者哪裡可以再加強的建議。AI PM會進一步思考，會比使用者想得更多、看得更遠，避免求職挫折、提升求職效率。
不會寫程式也ok？AI PM需具3大核心能力：技術、市場、整合
如果把AI PM的三個關鍵職務能力聚焦在：懂技術、懂市場、能整合。若要進行排序，王之璘認為的優先順序為：懂技術（第一）、懂市場（第二）、能整合（第三）。
1. 技術的基礎理解（優先）：AI PM需要具備對AI相關知識的基本理解和評估能力，例如機器學習、深度學習、大型語言模型（LLM）或自然語言處理（NLP）等。重點不在於寫程式（Coding），而是在於掌握AI的邏輯、技術原理及限制，做為規劃與開發之間的橋樑。這種理解能幫助AI PM評估產品的可行性、成本（例如Token的使用成本），並丕確保產出內容的品質和語句的正確性。
2. 市場與商業思維（次要）：PM必需思考如何將想法產品化並且制定策略。AI PM必須具備商業思維，避免「為了AI而AI」。他們需要思考如何用AI吸引用戶，創造非用戶，甚至讓用戶願意付費。
3. 整合與溝通協作（基礎）：整合能力涉及評估AI是否可行，並與技術團隊順暢協作。AI PM在協作上，除了傳統PM面對的工程師和設計師之外，還需和資料科學家或研發單位密切討論深度學習模型的優化方向、正確率、品質校正與實驗內容。高效的溝通能力極為重要，AI PM需使用精確的技術術語與工程師溝通，以避免認知落差與時間浪費。
整體來說，AI PM對於技術理解的程度，必需能明確評估AI可以做到哪些功能、有哪些限制與風險，例如資料漂移或幻覺（AI產出不符合事實或使用者能力）的問題。如果AI PM了解這些限制，就能知道撰寫Prompt時，應該注意哪些地方。即便不會寫程式也沒有關係，但如果能理解基礎的程式架構、前端後端語言與限制，將會有助於與開發團隊進行更順暢的溝通。甚至在某些職缺中，AI PM需要具備利用AI進行Vibe-Coding的能力，透過與AI對話，來完成網頁基礎介面設計的能力。
AI PM的「AI思維」，創新探求與落地能力
AI思維比AI技術的理解更需要天分和時間投入。王之璘指出，所謂的AI思維，指的是，具備創新的想法，一方面用在改善PM本身的工作流程，另一方面，把AI技術深入落地到產品中，這就需要探索的能力和商業思維。優秀的AI PM不僅要從0到1把產品做出來，更強調如何從1到100，讓產品能夠落地。
AI PM薪資比傳統PM高多少？年薪輕鬆逾百萬
王之璘認為，最厲害的AI PM，應該具備條件創新和強大的學習動機或好奇心。因為AI技術的發展日新月異，幾乎每週都有新的產品發表，AI PM必須像海綿一樣，持續更新知識。他們需要對市場具有極高的敏感度，能夠挖掘機會點。
反映在薪資，AI PM的月薪通常比傳統PM稍高！3到5年經驗的AI PM，月薪通常在5到6萬左右。8到10年經驗者，年薪則輕鬆破百萬，甚至達到150萬是常見現象。AI PM薪資比傳統PM高出兩到三成是可以想像的。
如何轉型AI PM？傳統PM、非相關背景的職涯路徑
對於現任PM想轉型為AI PM，最好的方式是在自己的工作中嘗試用AI思維改善流程，或利用Vibe-Coding產出設計網頁。若具備傳統PM的技能加上AI PM的基礎知識，轉型會相對簡單。
對於非傳統PM背景的人，建議從生活中探索從0到1的創新思維，關注生活中的痛點，嘗試利用UI/UX的改善或AI技術來解決問題，例如練習用ChatGPT或Vibe-Coding工具設計網頁，培養用AI解決問題的能力。
AI PM有加分的產業背景或科系背景嗎？
PM的養成大多依賴自學與應用，國內缺乏專門的PM科系。王之璘的團隊成員背景非常多元，包含業務助理、行銷、前端工程師、客服甚至服務業。
AI PM若有以下的產業背景也會特別加分：
1.資訊業/軟體業：幾乎是最順暢的轉型路徑，因為具備豐富的產品知識、開發流程經驗(如瀑布流或敏捷式開發)、以及對於UI/UX的基礎認知。
2.金融業/會計領域：這些產業接觸的數據量大，更重要的是，他們擁有風險控管、法規遵循的背景。這使得他們在思考產品時，能夠更加嚴謹，也能快速學習複雜的商業邏輯，有助於控制成本並確保產品具體落地。
3.醫療背景：具備基礎統計知識和管理豐富病歷的經驗，有助於快速找到與AI協作的脈絡。
在科系背景上，資管、資工、電機、統計、數學等科系會稍有加分。資管或資工因為具備技術背景，能用相同的語言和工程團隊溝通。統計或數學背景則因系統思維能力強，能夠有脈絡的調校AI的學習方向。
然而，一位頂尖優秀的AI PM，重點不在學位、也不是科系，而是能否將流程痛點或商業機會轉化為實際的規格，與工程師溝通，帶領團隊開發。
AI PM展現出色的溝通力，拉近技術與用戶的距離
總結本次討論，AI PM是技術與非技術團隊之間的橋樑，需要具備出色的溝通協作能力。技術雖然重要，但只需達到理解和評估的程度，並不需要具備前端的研發能力。最關鍵的是，AI PM必須具備極大的學習動機、持續更新知識，並善於將抽象問題轉換為具體的產品功能來解決。
多數公司為了推動AI，提高專案效率或將AI轉化為商轉機會，對於具有AI思維和技能的PM，徵才的積極度會更高。對於有興趣轉職為AI PM的人，無需過度擔心自身背景或科系，反而應該更專注於知識學習、留意自身是否具備擁抱創新的人格特質。
[course_plugin api_type='course_id' title='104推薦：AI產品經理學習營' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
[joblist_plugin title='更多104【AI產品經理相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI&order=15&jobcat=2004003009&page=3' amount='5']
半導體有哪些工程師？他們工作在做什麼、薪資多少？開箱科技業工程師日常
想進半導體業卻對工程師生態一知半解嗎？《 開箱工程師腦洞大開的日常》集結多位任職科技半導體公司（台積電、聯電、聯發科、Google、京元等）資深工程師，提供全方位的各類工程師職務內容、技能工具、面試重點等資訊，帶你深入了解科技業工程師的工作日常。本文由《104職場力》小編導讀重點摘要並補充相關資訊，想進入科技業的你別錯過！
整理／《104職場力》小編
科技業一向是台灣經濟的中流砥柱，尤其半導體產業，是許多社會新鮮人找工作的夢想。但是，半導體光是上中下游分工就已經夠複雜了，更別說不同領域的工程師種類，比寶可夢還玲瑯滿目。
別擔心，《 開箱工程師腦洞大開的日常》一書集合半導體各種工程師的工作內容、職務內容、技能工具、面試重點等。以下由《104職場力》小編幫大家重點摘要並補充相關資訊，帶你開箱工程師日常：
1. 數位電路設計工程師2. 封裝工程師3. 可靠度工程師4. 供應商品質管理工程師
1. 數位電路設計工程師
根據104人力銀行《2022年半導體人才白皮書》，IC設計工程師是半導體產業上游最缺的職類，報告也指出，IC設計工程師的定著性較高，工作者少有轉職或來自跨領域背景者。
工作內容：
主要是依產品的規格與使用條件，去設計數位電路晶片、開發電路結構，例如不同電器需要不同功能的IC晶片。擁有晨星／聯發科技數位電路設計工程師經歷的歐嗨呦在《 開箱工程師腦洞大開的日常》一書中提到，數位電路設計工程師可以說是科技業的樂高達人，透過工廠提供的標準積木去做不同組裝配置，選擇出最適合產品的樣貌。撰寫設計報告、使用手冊也是日常工作之一，不只給內部員工交流，合作客戶也時常會索取這些文件。
技能工具：
工作上常用的工具，例如Verilog、VCS、Verdi、ncverilog、C++、TCL、Perl等。工作中可能需要與外國同事或客戶討論，英文對話能力也很重要。
面試重點：
如何處理跨頻轉換，static timing analysis（setup／hold time、clock skew等）通常必考。歐嗨呦建議求職者要熟悉自身學經歷，有可能面試官會請你現場寫白版並解釋細節作法，事前也可以根據你想進入的部門、產品線，多演練、強化自己在特定產品設計上的看法與見解，加深面試官印象。
薪資水平：
根據104職涯導航（2024/11月）數據顯示，數位IC設計工程師九成具備碩士學歷，菜鳥月薪$83,929．老鳥月薪$99,739。
[joblist_plugin title='【數位電路設計工程師】工作機會' url='https://www.104.com.tw/jobs/search/?jobcat=2008001015&jobsource=104blog' amount='4']
2. 封裝工程師
封裝工程師，就是為晶片量身打造集保護、連接、散熱於一身的外殼。IC晶片非常細緻，本身也很容易受到損傷。因此研究、評估與建立封裝工程的技術就非常重要。簡言之，你要如何打包一個易碎品？
工作內容：
想像一下，晶片製造完成後就像一間沒有門窗的房子，完全沒辦法跟外界溝通，這時候，IC封裝工程師就是幫這間房子挖門窗、搭橋樑、蓋電梯樓的建築師，同時還要設法讓房屋更穩固，可以抗震防颱。在台積電任職先進封裝研發工程師的Darren在《 開箱工程師腦洞大開的日常》書中，對於封裝工程師分工有更細緻的分類。
封裝廠 製程整合工程師：封裝廠的指揮官
封裝廠 製程工程師：封裝製程中的細節掌控者
IC設計公司 封裝工程師：從概念到實踐的橋樑
產品系統公司 硬體封裝工程師：負責蓋大房子的人
封裝模擬分析工程師：揭示設計背後的真相
技能工具：
電子工程、材料科學、機械工程、高分子化學、外語翻譯（在日系材料供應商或設備商那裡，這個翻譯技能就像是超能力，如果你能用流利的日文或中文與他們溝通，你將是封裝界的翻譯超人）
面試重點：
Darren列舉以下四大重點
封裝專長完整度：無論是設計、材料分析、力學還是散熱，多強調你如何掌握和應用這些技能。
熟悉的封裝類型：列出你熟悉的類型（如BGA、QFN、SiP等）以實例說明在其中遇到的挑戰與如何克服。
風險評估及解決問題的能力：舉實例說明你如何識別風險、制定預防措施與解決方案。
應用題：假如面試官出情境題，回答時可以展示你的分析過程，解釋你如何評估問題、收集數據、制定策略和實施解決方案。Darren特別提醒，如果面試官的問題看似試探性或具挑戰性，應答時注意不要透露過多公司機密或策略，以保護你的專業界限。
薪資水平：
根據104職涯導航（2024/11月）數據顯示，IC封裝∕測試工程師六成二具備大學學歷，菜鳥月薪$59,063．老鳥月薪$61,972。
[joblist_plugin title='【IC封裝/測試工程師】工作機會' url='https://www.104.com.tw/jobs/search/?jobcat=2009003006&jobsource=104blog&order=15&page=1&searchJobs=1' amount='4']
3. 可靠度工程師
你曾買過一些電子產品，短短幾週內就莫名出問題，或像都市傳說聽到的「過保固就掛掉」嗎？可靠度工程師就是為了控制並避免這類情況發生。
工作內容：
《 開箱工程師腦洞大開的日常》作者艾斯解釋，可靠度工程師像科技公司內的算命仙，分析測試數據去算出一個新的電子產品的壽命，並驗證是否如同預期、改良產品可靠性。104職涯導航描述可靠度工程師的工作任務有：
分析可靠度問題，並進行改善。
負責安規驗證測試及認證工作。 負責環境測試工作。
負責可靠性設備之維護保養、校正，並採購其零組件與消耗品。
撰寫可靠性測試之軟體程式。 負責實驗文件編寫、報告產出。
提供客戶所要求的各項品質驗證技術與品質統計資料報告。
建立標準實驗方法。 負責新產品驗證和產品客訴處理。
負責品質工程文件之制定。
依據使用者的需求，參與工業自動化產品、可靠度驗證技術的開發與設計。
本書作者艾斯任職過台積電、聯發科、Google可靠度工程師，依據他在不同產業的經驗，彙整以下可靠度工程師平均一日工作分配表：
半導體廠IC設計廠系統廠（如 品牌廠）測試並分析數據，準備報告35%20%15%思考改善方法與跨部門溝通10%20%30%處理客戶產品問題10%5%5%參加各種會議30%40%35%執行年度專案／論文／專利等10%10%10%設計測試架構或程式改善流程5%5%5%註：此處的系統廠可靠度工程師以該公司內偏向負責半導體可靠度的職務為例。
技能工具：
需具備的工具為 RoHS、Linux、SPC；需具備的技能為 Reliability test、執行產品可靠度測試與問題分析、品保。此外，溝通也是工作中重要的一環。
一般而言需要做可靠度分析的情形有幾種，最常見是製程單位開發新的製程技術，需要各種實驗來探索如何改善製程。因此每次測試完都要跟製程單位回報測試結果並建議調整對策，萬一測試結果是不好的，這時就需要溝通的藝術。艾斯認為，一個優秀的可靠度工程師不能只把量測分析結果丟出來就拍拍屁股走人，還要耐心地跟製程、研發單位溝通安撫，避免延伸額外爭端。
面試重點：
假如你是剛畢業的新鮮人，通常會關注你的所學對可靠度分析有無幫助，或你對於半導體元件和製程的了解程度多寡，例如半導體元件操作及物理特性、半導體可靠度測試的基本失效機制和測試方法等。如果你是有工作經驗的轉職者，可能會著重於工作經驗與可靠度的相關性，大致上還是會從元件物理與製程經驗。艾斯再次強調，可靠度工程師經常要跨單位溝通，面試中展現溝通能力也很重要！
薪資水平：
根據104職涯導航（2024/11月）數據顯示，可靠度工程師近六成具備大學學歷，菜鳥月薪$52,597．老鳥月薪$56,519。
[joblist_plugin title='【可靠度工程師】工作機會' url='https://www.104.com.tw/jobs/search/?jobcat=2009003003&jobsource=104blog&page=1' amount='4']
4. 供應商品質管理工程師
想像一下，你組裝一台樂高模型，卻發現零件缺失、說明書錯誤百出。這時，你多希望有人能幫你先把關這一切，對吧？品質管理工程師就是扮演這個角色。
工作內容：
品質管理工程師是產品的守護者，除了確保從供應商那裡來的零件或成品都符合品質標準，同時也確保生產製造過程到產品出貨一切完美。《 開箱工程師腦洞大開的日常》作者之一、擁有聯發科技／Google供應商品質管理工作經歷的Joseph認為，這份職務在工作任務上會有幾個面向：
供應商品質系統改善：包含新供應商評估、現有供應商品質改善、供應商週期性審視與獎勵
產品品質改善：產品跨部門與上下游供應鏈在產品標準上進行整合、廠內品質異常事件處理、客訴退貨（是否招回已出貨產品？如何防止問題擴大？）
技能工具：
品管／品保工程師需具備的工具為品質系統、ISO9000、SPC，需具備的技能為 品管、檢驗、品保。APQP、PPAP、FMEA、MSA、8D. QC。
面試重點：
通常面試官通常會關注二個重點：供應商相關專業領域＋有系統的改善品質系統與問題。Joseph分析，假如求職者對製程有概念代表在找問題時會比較容易抓到方向，對面試有加分效果。有品質證照也會加分（目前業界最常認可的證照為6 sigma、VDA6.3 audit、IATF 16949），但不是必備。
薪資水平：
根據104職涯導航（2024/11月）數據顯示，品管／品保工程師有六成二具備大學學歷，菜鳥月薪$44,398．老鳥月薪$47,797。
[joblist_plugin title='【品管／品保工程師】工作機會' url='https://www.104.com.tw/jobs/search/?jobcat=2009003002&jobsource=104blog' amount='4']
節錄自：商周出版《開箱工程師腦洞大開的日常：提早練功打底、把技能樹升級，讓科技業大廠都搶著要你 》艾斯 著
推薦閱讀：
半導體業 IC設計、製造、封測是什麼？上中下游工程師薪水／職責比一比（附精選職缺）
2025年「數據／資料工程師」12個必備技能、推薦職缺、證照進修
獵頭曝科技業談薪4關鍵！碩畢從4萬起跳 台灣以外亞洲地區可年薪百萬
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']
IC設計工程師、製程工程師與設備工程師一次搞懂！薪資、壓力與工作型態全面比較
在半導體產業中，不同角色的工程師雖然都在同一條產業鏈中工作，但無論從工作內容、工作場域，到薪資待遇，都存在明顯差異。本文整理前台積電營運效率部門主管—彭建文於104職涯診所EP482分享內容，從數位IC設計工程師與半導體設備工程師切入，並延伸探討數位IC設計工程師、類比IC設計工程師、製程工程師與設備工程師的不同。
文／104人力銀行小編整理
本文目錄（點擊可快速前往）
數位IC設計 vs. 半導體設備工程師：薪資差異從何而來？數位IC設計工程師：腦力密集的工作半導體設備工程師：與機台為伍的工廠守門人類比IC設計工程師：自然訊號的轉譯者半導體製程工程師 vs. 設備工程師 vs. 整合工程師：三者有何不同？結語：選擇工程職涯前，先了解你的生活型態與成就感來源
數位IC設計 vs. 半導體設備工程師：薪資差異從何而來？
以年薪中位數來看，數位IC設計工程師大約為 120萬，而半導體設備工程師則是 80萬。兩者都屬於半導體產業，但一個屬於上游的IC設計，一個則在中游與下游的製造階段。工作性質與壓力來源截然不同，也造就了薪資上的落差。
數位IC設計工程師：腦力密集的工作
數位IC設計工程師大多任職於聯發科、聯詠等IC設計公司，這些公司主要部門就是研發。工程師的日常工作幾乎都在辦公室內，負責用電腦設計與模擬IC電路，專注於專案的開發與時程控管。
這類工作強調「Time to Market」的壓力，意思是必須在限期內完成設計，趕上市場時機。例如原訂三個月完成的專案，可能會被要求一個月就得交出成果，因此需要極高的專注力與技術力。
尤其近年AI應用快速發展，帶動ASIC（特定應用IC）需求激增，讓IC設計研發的價值與重要性更上層樓。
[joblist_plugin title='【數位IC設計工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=%E6%95%B8%E4%BD%8DIC%E8%A8%AD%E8%A8%88%E5%B7%A5%E7%A8%8B%E5%B8%AB+ic+design&isJobList=1&order=15&page=1' amount='3']
半導體設備工程師：與機台為伍的工廠守門人
設備工程師的工作地點大多在新竹、苗栗、台南等地的無塵室，需穿著無塵衣，確保生產設備穩定運作。他們的壓力並非來自「時程」，而是「即時反應」——設備一旦故障，就可能造成數百萬的晶圓產能損失。
這些工程師需隨時待命（on-call），半夜接到機台異常的電話是常態，甚至需即刻返廠處理。壓力來源包括：
設備異常時需快速判斷、拆解問題
無法獨立處理時還需聯繫供應商（vendor）協助排除故障
處理完後還要撰寫報告，向廠長說明原因與改善方式
即使設備看似「沒問題」，工程師也可能因產出未達預期數量而被追問，壓力不容小覷。
[joblist_plugin title='【半導體設備工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=%E5%8D%8A%E5%B0%8E%E9%AB%94%E8%A8%AD%E5%82%99%E5%B7%A5%E7%A8%8B%E5%B8%AB&isJobList=1&order=15&page=1' amount='3']
類比IC設計工程師：自然訊號的轉譯者
與數位IC設計不同，類比IC設計工程師處理的是來自現實世界的連續訊號，如聲音、光線等，需將這些訊號轉換為IC可以處理的形式。這領域相對更貼近自然原理，也通常被視為IC設計的源頭之一。
數位與類比IC設計工程師在訓練與知識上有所區隔，前者強調邏輯與數位系統架構，後者則更重視訊號處理與電路模擬。
[joblist_plugin title='【類比IC設計工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=%E9%A1%9E%E6%AF%94IC%E8%A8%AD%E8%A8%88%E5%B7%A5%E7%A8%8B%E5%B8%AB&isJobList=1&order=15&page=1' amount='3']
半導體製程工程師 vs. 設備工程師 vs. 整合工程師：三者有何不同？
有些人會將「半導體工程師」這個名詞與製程、設備混為一談，實際上這三者職責明確分工：
半導體設備工程師：專職維護與操作生產設備，確保機台穩定運作，避免停機、達預期數量產出。
半導體製程工程師：掌控整條生產流程，優化機台的設定，思考如何提升良率。
半導體工程師（整合工程師）：是較廣義的角色，需了解製程、設備等不同面向，具備跨領域協調與整合的能力。
年薪中位數方面也有些幅差距：
半導體工程師：約 93萬
製程工程師：約 88萬
設備工程師：約 80萬
[joblist_plugin title='【製程工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=%E8%A3%BD%E7%A8%8B%E5%B7%A5%E7%A8%8B%E5%B8%AB&isJobList=1&order=15&page=1' amount='3']
結語：選擇工程職涯前，先了解你的生活型態與成就感來源
數位IC設計、類比IC設計、製程工程師與設備工程師，雖然都屬於工程領域，卻走向截然不同的職涯路徑：
喜歡坐在辦公室、用腦力解題、參與長期專案，有技術深入與產品成就感？ 你可能適合走向 IC設計，無論是數位還是類比。
喜歡實作、現場操作、面對機台與即時問題，從實體運作中找到成就感？ 那 設備工程師 會是你的舞台。
喜歡系統性思考、跨單位協作、關注製程穩定性與良率提升？ 那你或許適合走向 製程工程師，成為連結設計與現場的關鍵橋梁。
每個角色都不可或缺，在選擇工程職涯之前，不妨先了解產業分工、自己的性格與成就來源，再決定適合自己的未來方向。
「數據／資料工程師」12個必備技能、推薦職缺、證照進修
大數據時代來臨，企業數位轉型的需求應運而生，因此數據工程師（資料工程師）在企業中所扮演的角色也日益重要。本文盤點要成為數據工程師，強烈推薦要學的 12 項必備技能。一起來看看【數據工程師】工作日常以及104人力銀行上有數據工程師工作機會。
成為數據工程師的 12 項必備技能（點擊可跳至章節）：
基本技能（程式語言與資料架構）
網路概念
資料庫 Database
數據湖 Data Lake 與物件存儲
數據倉儲 Data Warehouse
分散式系統
數據處理
機器學習 Machine Learning
作業編排管理
前端與儀表板
後端框架
自動化與部署
如何開始數據工程師之路？了解數據工程師工作日常
【數據／資料工程師】推薦職缺
【數據／資料工程師】職場常見證照整理
【數據／資料工程師】職場再進修課程推薦
文／LnData 麟數據科技
數據工程師的必備技能樹 (Source: Anuj Syal)
一、基本技能
首先，以下是最基本的必修技能，也是想進入這個行業需要的優先入手技能，包含：
SQL：SQL即「Structured Query Language」，也稱做「結構化查詢語言」，是一種用於管理和查詢關聯式資料庫的語言，用於處理和操作大量數據。它允許數據工程師對資料庫執行各種操作，如數據檢索、修改和定義，且幾乎所有資料庫和數據倉儲都使用SQL。
程式語言：數據工程師必備技能當然包括使用不同的程式語言來處理數據，如 R、Scala、Java等，但首推 Python，因為Python容易上手，並且擁有許多免費且開源的資料科學工具和資源，使其成為處理數據相關工作的理想選擇。不僅如此，Python還有豐富的開發者社群，讓你輕鬆找到相關的學習資源和解決問題的方法。
Git：即「Global Information Tracker」，Git是版本控制的重要工具，可以追蹤、保存和管理軟體代碼的所有更改和操作，幫助資料工程師協作開發數據工程項目，並確保團隊成員之間的協同工作，可避免有人亂改或誤刪代碼。
Linux指令和Shell腳本：Linux是一種常用的作業系統，數據工程師經常使用它來處理數據，常見的版本如Ubuntu、Fedora。熟悉Linux命令（例如cd、pwd、cp、mv等）和Shell腳本可以幫助數據工程師自動化任務、管理伺服器和處理大量數據。
資料結構和演算法：數據工程師需要對資料結構（Data Structures）和演算法（Algorithms）有足夠的理解和解決問題的技能，以優化數據處理和分析。初學者可透過初級到中難度的LeetCode問題進行練習。
二、網路概念
由於現在大半數據都在線上，因此工程師常需接觸與處理VM（虛擬機）、伺服器和 API（應用程式介面），而此時就需要對 IP（互聯網協議）、DNS（域名伺服器）、VPN 等基本網路概念有基本了解。
API（應用程式介面）概念示意( Source: Geeks For Geek)
三、資料庫
資料庫是按照數據結構來組織、存儲和管理數據的倉庫，相關概念包含：
基礎知識：資料庫是存儲數據的空間，包含表（Table）、行（Column）、列（Row）、鍵（Key）、連接（Join）、合併（Merge）和模式（Schema）等基本概念。
SQL：雖然前面提過了，但要知道在使用這些資料庫時，SQL可說是最泛用也最不可或缺的語法，因此這邊再提一次。。
ACID：是原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability）的縮寫，旨在確保數據操作的有效性和穩定性。
資料庫建模：指在設計資料庫時考慮如何組織資料的過程，包括星型模式、平面設計和雪花模式等不同方法。
資料庫擴展：包括垂直擴展和水平擴展，它們用於增加資料庫的性能和容量。
OLTP與OLAP：OLAP（在線分析處理）、OLTP（在線交易處理）是不同類型的數據處理系統。OLTP是設計用於處理日常業務交易和交互式操作的系統；OLAP則是設計用於分析和探索大量數據的系統。
關係型資料庫：Relational Database，是大多數應用程式使用的傳統資料庫，用於結構化數據。常用的資料庫有PostgreSQL和MySQL。
非關係型資料庫：Non-relational Database，也稱為NoSQL資料庫。跟傳統的關聯型資料庫不同，它們不使用固定的表格模式，而是以更靈活的方式存儲數據，適合處理大量非結構化數據。非關係型數據還可分為三種類型：
鍵值資料庫：如Redis、DynamoDB、FireBase
圖形資料庫：如Neo4j、ArangoDB
寬列資料庫：如Apache Cassandra、Google BigTable
常用的關係型資料庫 MySQL
四、數據湖 Data Lake 與物件存儲
數據湖是一種大規模集中式數據存儲系統，它允許組織以原始、半結構化或非結構化的形式存儲數據，而無需建立嚴格的資料結構。這意味著數據湖可以包含來自不同來源、不同格式和不同質量的數據，可以是文本、圖像、影音等，也包含報表、視覺化、資料分析、機器學習等轉換後資料。
數據湖通常使用分佈式或物件存儲（Object Storage）系統來存儲大量數據，如Hadoop HDFS、Amazon S3等。數據以原始文件或對象的形式存儲，每個對象都包含數據本身、元數據（metadata）和唯一識別子。這種方式使得數據能夠以平面結構組織，並且具有元數據以描述數據的特徵和用途，能夠更好地管理和查詢數據。
五、數據倉儲 Data Warehouse
數據倉儲（Data Warehouse）是一種專為組織和管理大量數據而設計的數據存儲和管理系統。它的主要目標是將來自不同來源的數據整合到一個統一的、易於查詢和分析的資料庫中，以支持企業的決策制定、報告和分析需求。例如 Google 的 BigQuery、AWS Redshift、Azure Synapse、Snowflake、ClickHouse 和 Hive。須了解的相關概念包含：
SQL（略）
規範化與非規範化：在數據倉儲中，數據可以以規範化（Normalized）或非規範化（Denormalized）的方式進行組織和存儲，具體選擇取決於業務需求和查詢性能的考慮。規範化主要為求消除數據中的冗余或不一致性；而非規範化則是將數據合併到一個表中以提高數據更改速度。
OLAP與OLTP（略）
六、分散式系統
包含大數據、Hadoop、分佈式文件系統、MapReduce等概念。在分散式系統中，多台機器（稱為節點或伺服器）組成叢集並共同協作，這些機器可以在不同的地方執行，彼此通信並共同完成任務。分散式系統的好處是可提高性能、可用性和擴展性，同時減少單點故障的風險。
由於其複雜性，這些系統擁有各自獨立的技術組件。因此，為了開發與佈署這些系統，數據工程師需要使用叢集管理技術或工具，如Kubernetes、Databricks，或者自行建立Hadoop叢集等。此外，還有許多開源技術可供利用。
Kubernetes 也稱為 K8s，是一個熱門的分散式系統開發和支撐平台(Source: DevOps Mojo)
七、數據處理
數據處理是指使用程式語言來轉換數據的過程，這包括清理數據以及驗證數據的準確性。在進行數據處理時，通常會使用各種工具和框架，具體選擇取決於任務的性質和規模。
以下是一些常用的數據處理工具和框架：
Pandas：Pandas是一個好用的Python套件，常被用於處理和分析數據。它提供了豐富的數據結構和函數，適合用於數據轉換和清理。
SQL：（沒錯，又是它）由於多數數據倉庫支持SQL語言，因此SQL是一個常用的工具，用於執行數據轉換操作，尤其適用於處理結構化數據。
Spark：Apache Spark是一個用於大數據處理的強大框架，它提供了分佈式數據處理和分析計算。Spark通常用於處理大規模數據轉換操作，性能高且具有可擴展性。
Spark Streaming：Spark Streaming是Spark的一個模塊，用於處理流式數據。它可以實時處理數據流，非常適合需要即時分析的應用。
Spark是常用於處理大數據的強大框架(Source: Data Mechanics)
八、機器學習 Machine Learning
機器學習（Machine Learning）是一種人工智慧（AI）的子領域，它教導電腦如何從數據中學習，以自動改進和做出決策，而不需要明確的程式指令。機器學習可以應用於多個領域，如圖像辨識、語音識別、自然語言處理、醫療診斷、金融預測以及自駕車技術等。
人工智慧、機器學習、深度學習都是資料科學中的熱門領域
對於數據工程師來說，了解機器學習的不同類型，包括監督學習、非監督學習和增強學習，以及相關的模型(如邏輯回歸、決策樹、K-最近鄰算法等)很重要。他們需要知道何時應該使用哪種模型，並學會處理數據、調整模型參數，以及評估模型的預測準確性。
操作機器學習的平台有Vertex AI、Kubeflow等，這些平台可以協助數據工程師輕鬆部署模型，並構建更準確的工作流程，幫助數據科學家做出更精確的決策。
Vertex AI 是Google Cloud上的一個機器學習平台
此外，還有一些集成平台可讓數據工程師將工作流程整合到一個地方，如AWS Sagemaker、Databricks和Hugging Face等。這些平台通過共用的應用程式接口和圖形界面，使應用軟體功能不受特定硬體、作業系統、網路協議或資料庫管理系統的限制。
AWS Sagemaker也是不少人的ML開發選擇(Source: AWS)
九、作業編排管理
編排（orchestration）是一種用於管理和協調組織各種任務和工作流程的方法。它幫助我們確保工作按照預定的順序執行，以達到我們的目標。
最佳的編排工具之一是Airflow。它使用基於Python的有向無環圖（DAG）來記錄工作流程，讓您可以清楚地定義和規劃工作。Airflow特別適用於複雜的工作流程，並且在大數據和數據工程領域中廣泛使用。
其他工具包含Luigi、Nifi和Jenkins。每個工具都有其獨特的特點和使用場景，可以根據你的項目需求來選擇適合的編排工具，可以幫助數據工程師自動化和管理各種任務，提高工作效率。
Airflow是開發時常用的工作流程管理工具(Source: Airflow)
十、前端與儀表板
前端和儀表板（dashboard）是用來展示數據結果和互動的工具。它們讓我們能夠以圖表、圖像和表格的形式呈現數據，並讓用戶與數據進行互動。
舉例來說，Jupyter Notebook 是一種常用的工具，它可以幫助數據科學家和分析師在筆記本中直接進行數據分析並建立視覺化圖表。
Jupyter Notebook是好用的互動式開發工具，是許多資料科學工作者選擇
此外，儀表板或所謂BI工具如 PowerBI 和 Tableau，以及 Python 套件如Dash 和 Gradio，也被廣泛使用。這些工具允許我們建立互動性強的儀表板，讓用戶輕鬆探索數據，查看不同的視覺化結果，並根據需求進行操作。
Tableau是業界常用的商業智慧(Business Intelligence)工具，建立企業數據儀表板
十一、後端框架
後端框架與軟體工程有關，它們有助於構建網站和應用程序的後端部分。舉例來說，如果您想建立一個網站或應用，可能需要一個後端框架來處理用戶發出的請求、管理資料庫，以及提供信息給前端顯示。
基於 Python 的後端框架包含 Flask、Django 和 FastAPI 等。Flask 是一個輕量級的框架、Django則提供了更多的內置功能、FastAPI 則專注於建立API。
除了這些，還有一些雲端技術可供使用，例如G oogle Cloud Platform（GCP）的 Vertex AI API 和 AutoML APIs，這些技術可以用於模型部署和機器學習應用。
Flask 是一個 Python 網頁應用程式框架，因輕量靈活而受許多開發者喜愛
十二、自動化與部署
自動化和部署是指使用不同的工具和技術，來讓程式碼的建立和執行過程更加自動化和簡化，有助於提高效率、降低錯誤，並讓應用程式更容易管理和維護。
這個過程包括以下幾個主要方面：
基礎設施即程式碼（Infrastructure as Code）：這是使用工具如Terraform、Ansible和Shell指令來管理和配置伺服器和基礎設施的過程。這些工具可讓你將基礎設施視為程式碼來處理，使其更易管理和自動化。
持續集成/持續部署（CI/CD）：指透過GitHub Actions和Jenkins等工具來自動化程式碼的測試、集成、部署和交付的過程。有助於確保程式碼的品質，並使新功能能夠快速部署到生產環境。
容器化：即使用Docker和Docker Compose等工具，將應用程式和其相關的依賴項打包成容器的過程，可使應用程式在不同環境中更容易部署和執行。
Docker工作流程示意
想當數據工程師，如何培養能力？
在學生可以學習統計、資工、資料科學等科系的課程，或是透過相關實習或競賽來摸索對此領域的興趣。此外，網路上有許多付費課程、YouTube上的免費資源，也可以在kaggle、LnData等平台取得更多練習與交流機會、相關知識、技巧或資源！
要記得，這些相關技術日新月異，即使是正在工作中的數據工程師也必須時時學習與了解最新技術。相對的，正因為技術不停在改變，你也不需要強求把上面所有技能練到精通，而是掌握重要的基本概念與保持開放的學習態度。
數據工程師可以為企業做什麼？
數據工程師日常就是與數據打交道，主要包含收集、讀取、清理，探勘與管理企業的資料，以抓取符合企業分析需求的數據。這些數據則能進一步透過機器學習、演算法，產生更有價值的結果或應用方式，幫助企業做出更好的決策、優化業務流程，例如降低成本、提高獲益、優化產品、留住熟客及開發新客群。因此，數據工程師對於企業的重要性不言而喻。
然而，企業想挖掘數據最大價值，並不能只靠數據工程師。一個完整的數據團隊，通常包含數據工程師、數據科學家、數據分析師三種角色，各司其職、專業分工。他們在日常工作流程中扮演各自的角色，互相協作，完成各種不同的專案——這也是為何我們最後要強調，除了技術以外，溝通與協作等軟技能也非常重要！
（原文標題：2023 年想成為數據工程師的 12 項必備技能）
[joblist_plugin title='推薦【數據／資料工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&keyword=%E6%95%B8%E6%93%9A%E5%B7%A5%E7%A8%8B%E5%B8%AB&expansionType=area,spec,com,job,wf,wktm&jobsource=blogc&langFlag=0&langStatus=0&recommendJob=1&hotJob=0' amount='3']
【數據／資料工程師】職場常見證照整理：
序號證照證照介紹發照單位1DP-203 Azure資料工程師技術師身為此認證的應試者，您應該具備主題專業知識，能夠將各種結構化、非結構化和串流資料系統中的資料，整合...＜詳情＞Microsoft2Google專業資料工程師認證專業資料工程師透過收集、轉換和發布資料來實現以資料所驅動的決策。資料工程師應該能夠設計、建置、操作...＜詳情＞Google3SSE 大數據國際認證隨著有關大數據的程式語言、運算平台、基礎理論，以及虛擬化、容器化的技術成熟...＜詳情＞Silicon Stone Education4AWS認證的數據庫-專業級認證報考資格：1.接觸資料庫技術至少 5 年、2.實際使用 AWS 至少 2 年...＜詳情＞Amazon Web Services5台灣風險數據分析師除了相關法遵外，應具備在風險數據分析、質量方法運用、風險預測建模等高階專業...＜詳情＞社團法人台灣風險管理協會更多數據相關證照＜前往＞
【數據／資料工程師】職場再進修課程推薦：
課程名稱課程介紹【真人直播】零基礎Python數據分析與即時看板實作在這堂課程中，我們將帶你從學習基礎 Python 出發，了解各種常見資料檔案格式與編碼，透過 Python 進行資料表單或檔案的自動化彙整與分析...＜課程介紹＞GA4+GTM網站數據分析實戰課專業的教學設計，以第一線網站數據分析工作者角度，剖析 GA4 四大要領，從觀念的理解到上手實作，提升你的數據分析能力。…＜課程介紹＞成為數據分析師的第一把鑰匙：用Python實作三個資料分析專案以非工科生成功轉為數據分析師的經驗、第一線職場實戰角度出發，來設計這門課程，適合零基礎、初入門、想轉職作數據分析師的你!…＜課程介紹＞零基礎成為Python金融數據分析師｜金融資訊爬蟲X視覺化應用課程單元從 Python 程式基礎開始，包含變數、資料型態、流程控制、函式、例外處理等 金融主題的網路爬蟲程式教學，製作Python爬蟲工具…＜課程介紹＞更多數據相關課程＜前往＞
AI協作的3個關鍵階段：節能、增能、賦能！
原標題：AI協作的3個關鍵階段：節能、增能、賦能！【聽見趨勢】
AI浪潮席捲而來， 工作型態正在改變，很多人對AI在工作中可能帶來的影響感到些許困惑和不安。不禁會問：「AI會取代我們嗎？」「如何用AI？」「從哪裡開始？」因為這些疑問，我們特別邀請在AI協作有豐富實戰經驗的小花老師，來進行分享。老師不僅有資訊背景，還是簡報溝通專家，融合與「資訊」及「人」的溝通洞察，給出許多應用AI的超實用建議！
文： 趨勢來賓 | 林稚蓉 小花老師
本文目錄：
與AI協作溝通的應用與挑戰
如何用AI優化企業作業流程
AI協作3階段：節能、增能、賦能
AI時代的人類角色：你依然是機長！
3個層次的工作思維 從哪裡開始使用AI
1. 與AI協作溝通的應用與挑戰
在AI工具的應用過程中，許多人最常遇到的問題是「如何讓AI回答更精準」。有時AI的回答看似離題，或者產生「幻覺」，讓使用者感覺比自己動手做還要更花時間。這種困境往往會讓初學者感到挫折，甚至放棄繼續使用AI工具。然而，這個問題的關鍵在於我們如何與AI進行有效溝通。
小花老師提到，因為自己過去資訊管理背景和簡報培訓經驗，因而對人機溝通有獨特的見解：「在資訊管理我們是要跟電腦講話，可是簡報培訓要講的是要跟人講話。而AI則是介於兩者之間，它需要明確的目的性、對方的邏輯性，以及精練易懂的表達方式。」基於這個概念老師分享了3個突破這些挑戰的關鍵方向：
方向1：理解AI提問的語法與邏輯
第一個關鍵方向是理解與AI溝通的基本語法和邏輯。老師提出生動的比喻：我們應該把AI視為一個「外國人」，而不是單純的機器。就像與外國人交談需要遵循特定的語法規則一樣，與AI溝通也需要掌握相應的「語法」。這包括了解官方提供的提示工程（Prompt Engineering）技巧，以及如何構建清晰、邏輯性強的提問。
「你不能把AI當做機器，你要把它當作是一個外國人，用他懂的語言，交流他懂的事情」。透過系統性地學習和運用這些溝通技巧，我們可以顯著提升與AI互動的效果。
將AI視為「外國人」而非機器，需要用特定的語法與之溝通
研究官方提供的提示工程（Prompt Engineering）技巧
掌握提問的基本文法和邏輯結構
104人資市集一站式幫你解決企業培訓，管理、AI職能、企業法遵>>
方向2：了解AI的能力與限制
AI技術雖然強大，但並非萬能。我們必須清楚認識AI可能產生「幻覺」，即一本正經地說出不準確的信息。同時，很多AI模型無法實時連網獲取最新信息，也可能在數學計算等特定領域表現欠佳。了解這些限制對於正確使用AI工具至關重要。「不是複製貼上就很容易就要上當了」老師提醒到「你要知道他可以做到什麼程度，他的限制又在哪裡，風險又在哪裡。」這種了解能幫助我們更準確地評估AI輸出的可靠性，並作出相應的調整和驗證。
持續關注AI功能的更新與發展
認識AI的局限，如無法上網、可能產生幻覺等
避免單純複製貼上，需要理解內容的正確性
方向3：善用不同AI工具的優勢
在當前AI工具快速發展的環境中，每個工具都有其特定的強項。例如，Chat GPT、Copilot、Gemini等工具各自擅長不同類型的任務。我們應該實際測試來了解每個工具的特點，並學會組合使用這些工具來達到最佳效果。「它們各自的強項，你都去嘗試過之後，你會發現工具是要多個東西組合之後，才會發揮你的效果。」這種組合使用的方法能夠彌補單一工具的不足，創造出更全面的解決方案。
小花老師分享了在金融業的實務應用案例：「像GPT或者是一些生成式AI，他們其實數學能力非常不好，會把數字當作文字來做處理。因此在進行數據分析時，我們建議將計算工作留在本機端進行，而使用AI來協助產生Excel函數公式再進行數據趨勢分析。」
每個AI工具都有其特定強項，如ChatGPT、Copilot、Gemini各有所長
多方嘗試不同工具，找出最適合的組合
透過工具組合來發揮最大效益
2. 如何用AI優化企業作業流程
在企業環境中，AI不僅是一個輔助工具，更可以成為提升工作品質的重要夥伴。小花老師認為，AI就像電力一樣「只要用到電的地方，都會有改善；同樣地，AI可以用在任何有關思考的部分，都可以帶來改善。」特別是在思考、企劃、溝通等需要創意發想的領域，AI的應用可以帶來顯著的效益提升。
然而，在運用AI工具時，企業必須特別注意資訊安全的議題。正如之前新聞報導三星員工將公司資料上傳至AI平台的事件，如何在提升效率與保護資料間取得平衡，是企業必須審慎考量的。以下分享幾個具體應用案例：
提升簡報製作效能
運用AI進行角色扮演，模擬不同聽眾的思維模式
針對不同對象客製化簡報內容和開場方式
提高提案的精準度和準備效率
提升規劃能力
老師分享了一個企業ESG工作計畫的實際案例：
運用AI進行利害關係人分析
模擬不同角色的需求和期待
透過管理顧問的角色扮演，擴展思考維度
根據各方意見制定具體執行方案
透過AI的協助，讓原本資歷較淺的員工也能在思考的廣度、深度和執行細節上有更好的表現。
3. AI協作3階段：節能、增能、賦能
AI的應用不應該是盲目追求新工具，而是要找到真正能夠為工作帶來價值的方式。老師觀察到，2023年人們熱衷於追逐各種新興AI工具，但到了2024年，企業的關注點已經轉向如何讓這些工具真正落地並解決實際問題。
老師以工具箱做比喻：「現在很多人手上都有很多AI工具，就像工具箱裡有很多螺絲起子，但卻不知道怎麼用這些工具來進行修理。」因此，重點不在於掌握多少工具，而是要培養使用情境的想像力，真正了解如何運用這些工具來解決實際問題。基於這樣的理解，AI協作可以分為三個階段，企業和個人可依據需求選擇適合的切入點：
節能階段：優化基礎工作流程
節能階段是AI應用的入門級別，主要針對那些耗時但相對單純的工作任務，這類工作的特點是幾乎人人都能完成，但往往需要耗費大量時間和精力，比如客戶發來一份PDF格式的報表數據，傳統做法需要手動重新輸入，不僅費時且容易出錯。但透過AI工具，可以快速將圖片中的表格轉換為可編輯的表格形式，這將大幅提升工作效率。
節能階段特別適合作為入門起點，因為這類任務相對簡單，容易看到明顯的成效。「當我們發現AI工具可以幫你省下這些瑣碎的時間，就會更有動力去探索其他的應用可能」。此外，這個階段的工作通常風險較低，即使出現錯誤也容易發現和修正，非常適合作為練習和熟悉AI工具的切入點。
增能階段：提升專業工作品質
進入增能階段後，AI的應用開始觸及到專業領域的核心工作。這個階段的特點是，使用者本身已經具備相關專業能力，而AI的角色是協助他們做得更好、更快、更精準。老師更分享了自己在製作簡報的經驗：「比如我需要幫客戶寫文案，我可以讓AI先產生多個版本的文案建議，然後基於我的專業判斷進行調整和優化。這樣不僅能激發更多創意靈感，也能大幅提升工作效率。」
這階段，AI不是取代人的專業判斷，而是透過提供更多選擇和可能性，幫助專業人士做出更好的決策。這種協作模式能夠顯著提升工作質量，同時也能為專業人士騰出更多時間專注於需要深度思考的任務。
賦能階段：開拓新的專業領域
賦能是AI協作的最高階段，善用AI輔助獲得新的能力和提升專業。在這階段，使用者能突破原有的專業限制，探索和掌握新的領域。小花老師觀察到，許多專業人士透過AI工具，成功地將自己的專業知識延伸到相關領域：「比如一個財務專家，可能過去只專注於數據分析，但透過AI的協助，他可以更容易地將這些專業知識轉化為易懂的視覺化報告，甚至發展出數據故事化的能力。」
賦能階段的關鍵在於，它不僅能提升效率、改善現有工作流程，更創造出新的可能性。善用AI專業人士可以更快地跨越學習曲線，建立起新的專業能力。這對於當今快速變化的職場環境特別重要，因為它讓終身學習和專業轉型變得更加可行。
免費申請試閱企業訂閱制課程！法遵、職能、AI通識課提升全員工競爭力 >> https://104ha.com/5CjvW
4. AI時代的人類角色：你依然是機長！
在AI時代，人類的角色定位至關重要。小花老師做了一個生動的比喻：「人的角色永遠是機長。即使現在的飛機很多部分都是由機器在操控，但為什麼還需要機長？因為機長要知道怎麼安全地把這些旅客帶到目的地，必須要應付突發狀況。」
這個比喻深刻點出人類在AI時代的核心價值：不是與AI競爭執行力，而是在掌握方向、判斷決策、危機處理等方面發揮獨特優勢。正如同機長一樣，我們不能把方向盤完全交給AI，而是要學會如何與AI協同合作，共同達成目標。
我們的核心職責
掌握方向：確定目標和願景
做出決策：判斷關鍵時刻的選擇
處理危機：應對突發狀況
承擔責任：為結果負責
3個層次的工作思維
工人思維：專注於完成具體任務
工頭思維：規劃設計與管理
建築師思維：理解需求，規劃願景
當AI變成每個人的標配，誰會產生更大更好的價值？就是懂人的人。—小花老師
5. 從哪裡開始使用AI
在面對AI工具快速發展的現狀，許多人感到困惑：究竟該從何處開始？是否要追逐每一個新出現的AI工具？在這部分老師觀察到，很多人在嘗試使用AI時往往陷入兩個極端：要麼因為害怕而遲遲不敢嘗試，要麼過度追逐各種新工具而失去重點。
老師強調，開始使用AI的關鍵不在於掌握多少工具，而在於找到適合自己的切入點，並且建立起正確的思維模式。「就像學開車一樣，一開始不需要了解引擎的工作原理，而是要先學會基本操作，逐步建立信心。」對於想要開始運用AI的個人或企業，小花老師提供了以下建議：
從工作情境出發
找出工作中的痛點
識別可能的應用情境
從簡單的任務開始嘗試
3個關鍵發展方向
了解AI：掌握潛能、限制和操作方法
了解人性：培養溝通能力和同理心
了解自己：釐清目標和行動意義
實踐建議
在使用AI之前，先靜下心來思考目標
清楚理解問題和需求
循序漸進，從節能階段開始
我們應該更加了解自己做這件事情對個人跟團隊的意義是什麼。當我們了解意義、了解目的時再去溝通，AI就不會胡說八道，它會順著這樣的意義感展開跟延伸。
透過小花老師的分享，我們可以看到AI不僅是一個工具，更是一個協作夥伴，協作過程關鍵在於我們如何正確定位自己的角色、如何善用AI特性，在提升效率的同時，也不斷強化自己的核心競爭力。AI時代，最重要的不是追逐所有新工具，而是找到適合自己的使用方式，並始終保持對專業與人性的關注！
業界最划算的企業培訓訂閱制方案！免費申請課程完整試閱 >>
超過7000+的HR都報名過的104人資學程！七大主題課程幫你系統化學習 >>
免費企業學習平台 x 培訓課程 = 零成本企業培訓自動化 >>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
加入104人資市集官方line獲得最新優惠及活動資訊 >>
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
【2026最新】AI產業人才認定指引3.0更新！5大能力評估、AI證照及學習資源、工作機會盤點
數發部2026年5月最新公布「AI產業人才認定指引3.0」，本次重要更新包括「AI治理素養」與「AI協作與開發」兩項能力，以及新增「推薦學習資源」幫助強化人才AI能力。本文帶你一次看懂AI三大人才類型、必備技能與證照資源推薦，並盤點AI人才職涯發展以及最常見的AI工作機會，幫助找到最適合自己的AI職涯起點。
※更新日期：2026/05/21
文／《104職場力》
本文目錄（點擊可快速前往）
你屬於哪種AI人才？研究、開發、應用3大類一次看想進入AI領域，5大能力你具備了嗎？AI能力如何認證和提升？新版推薦學習資源、證照整理AI人才職涯發展路徑圖及轉職跨領域建議AI產業人才常見職稱及104工作機會一覽投入AI領域3大建議：要具備哪些核心技術和軟實力？數發部「AI產業人才認定指引」電子書下載
2026.05更新：數發部2026年5月19日發布「AI 產業人才認定指引3.0」，兩項重要更新包括：1.因應2026年1月公布《人工智慧基本法》，新增「AI治理素養」能力，協助人才建立人工智慧應用風險的框架與意識；2.順應Vibe Coding與Agentic AI發展趨勢，新增「AI協作與開發」能力，強化人才與AI工具協作及開發的實務能力。並將指引從企業與求職者、培訓與認證機構參考的共通基準，進一步落實到產業工作場景。
想進入AI領域要做哪些準備？工作上如何認證自己的AI能力？為了協助國內人才掌握AI就業趨勢，數位發展部《AI產業人才認定指引》指出AI產業人才可分為研究、開發、應用3大類型，不論你是工程師、行銷人，還是剛準備跨領域轉職的上班族，都能在AI產業找到自己的角色！
指引中明確列出AI產業的人才分類、能力架構與專業認證方向，並提供職涯發展路徑及跨域建議。《104職場力》幫大家濃縮重點，整理懶人包，讓你一篇就看懂！
完整內容請參考數發部【AI產業人才認定指引】：因應AI技術與應用的快速變革，數發部指出，為了協助企業快速識別、應用與培育AI人才，並為個人職涯發展、培訓規劃及專業認證提供明確依據，特別制定本指引。並將隨著產業趨勢持續動態更新指引內容，強化AI人才標準與產業需求接軌。● 下載數發部《AI產業人才認定指引》（115年5月）>>● 數發部AI產業人才認定指引專區>>
延伸閱讀：搶攻12.1萬個AI工作！104運用AWS技術推「AI人才就緒計畫」目標首年培育逾3萬人
你屬於哪種AI人才？研究、開發、應用3大類一次看
根據指引定義，AI產業人才是指具備人工智慧相關知識、技能與能力，並在各行各業中，從事人工智慧相關之技術研究、開發、應用、管理，或使用AI工具於生產、服務或行政管理相關工作流程的從業人員。
指引依據產業應用現況和專家建議，將AI產業人才分為「AI應用人才」、「AI開發人才」、「AI研究人才」等3大類別：
AI研究：AI技術的源頭，從事AI基礎研究與發表論文。
AI開發：AI技術的實現者，負責訓練出新的AI模型或開發新的AI應用工具。
AI應用：AI應用的使用者，將AI應用於各行各業，使用AI工具提高生產力。
AI產業人才分為3大類：AI研究、AI開發、AI應用（資料來源／AI產業人才認定指引）
本文整理將聚焦於「AI開發人才」及「AI應用人才」的相關資訊，包括AI認證資源、AI人才常見職缺及最新工作機會，還有職涯發展路徑，提供有意求職轉職、或即將進入職場的新鮮人參考！
想進入AI領域，5大能力你具備了嗎？
依據產業現況，指引列出「AI開發人才」及「AI應用人才」所需的5大類核心能力。（詳細說明請見下表）
AI應用人才：要能使用現有AI工具，提升執行中工作的生產力、管理能力、行政效率、加速流程、縮短時效與產生企業價值的能力。所需的能力類型包括「AI應用素養」、「AI工具應用」及「AI協作與開發」能力，將其應用於行銷、製造、醫療、教育、法律、金融等不同領域。
AI開發人才：需具備數學、機率、電腦科學相關知識背景，其內涵不僅限於模型開發，更關注將AI技術落實於產品和服務，所需的能力包括「AI程式語言應用」、「AI模型訓練」與「AI服務開發」。
AI產業人才5大類能力類型、11細項
人才類別能力類型細項能力說明AI應用人才AI應用素養AI素養瞭解AI基本知識、道德倫理、應用及限制AI治理素養能瞭解AI衍生的AI系統、人機互動、社會衝擊等風險AI工具應用文書應用能用AI工具進行文字內容產生、修改、翻譯及整理圖文應用能用AI工具進行圖像內容產生、擷取與修改影像應用能用AI工具進行影像內容產生、擷取與修改音源應用能用AI工具進行音源內容產生、擷取、翻譯及整理自動化應用能使用AI代理或相關自動化工具，實現工作流程自動化AI程式語言應用AI協作與開發能以自然語言引導AI協作撰寫程式AI開發人才程式應用能使用AI輔助程式開發AI模型訓練AI模型訓練能用模型訓練和學習（如ML、RL）等工具、技術及方法，訓練AI模型AI服務開發NLP/LLM/CV工程能用NLP、LLM、CV工具，結合AI工作流或提出新服務
11項AI能力類型對應哪些工具應用？相關AI工具資源參考
能力類型參考工具AI素養台灣人工智慧學校、Meta AI、好好用AI素養計畫AI治理素養EU Artificial Intelligence Act、NIST AI RMF、ISO 42001、AI literacy frameworkAI文書應用ChatGPT、Copilot、Gemini、ClaudeAI圖文應用Midjourney、Canva、Adobe FireflyAI影像應用Runway、ideogramAI音源應用ElevenLabs、MURF AIAI自動化應用n8n、Zapier、Power AutomateAI協作與開發Lovable、Claude、n8nAI程式應用GitHub Copilot、CursorAI模型訓練TensorFlow、PyTorch、scikit-learn、Amazon SageMaker、Azure AI Foundry、Vertex AINLP/LLM/CV工程OpenAI、Hugging Face、OpenCV、MediaPipe
AI能力如何認證和提升？新版推薦學習資源、證照整理
清楚AI人才需要具備的關鍵能力後，想學習或提升相關AI能力，可以參考數位產業署官網提供的相關培訓課程及AI能力認證內容，並透過相關資源來強化自己的AI競爭力。
以下整理素養類、工具類及專案類3種AI認證資源。
（資料來源／AI產業人才認定指引）
AI產業能力認證參考：素養類
AI素養類認證主要為「建立AI基本認知與倫理觀念」，著重培養非技術背景者對AI的理解與應用概念，不要求實作能力或程式操作。相關認證包括：經濟部iPAS AI應用規劃師、資策會生成式AI能力認證、AIA的AI素養級認證等。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
國際AI素養認證名稱辦理單位AI-901:Azure AI FundamentalsMicrosoftAWS Certified AI PractitionerAWS
國內AI素養認證名稱辦理單位iPAS AI應用規劃師初級經濟部產業發展署AI 素養級認證台灣人工智慧學校AI 工程級認證：LLM 的行政任務應用台灣人工智慧學校生成式AI能力認證財團法人資訊工業策進會人工智慧工程素養認證財團法人資訊工業策進會AI+ 行銷科技專業人員財團法人資訊工業策進會TQC生成式AI應用與技術（實用／進階／專業）財團法人中華民國電腦技能基金會TQC人工智慧應用與技術（實用／進階／專業）財團法人中華民國電腦技能基金會EEC企業電子化人工智慧應用師財團法人中華民國電腦技能基金會
AI產業能力認證參考：工具類
AI工具類認證聚焦在「熟悉並應用AI工具完成任務」，要求能使用特定AI平台、工具或模型進行應用實作。常見任務例如影像生成、資料自動化分析、ChatGPT應用等，適合企業內部技能轉型或職能補強。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
國際AI工具應用認證名稱辦理單位NVIDIA Certified Associate: Multimodal Generative AINVIDIANVIDIA Certified Associate: Generative AI & LLMsNVIDIA
國內AI工具應用認證名稱辦理單位iPAS AI應用規劃師中級經濟部產業發展署生成式AI美術設計能力認證初級財團法人資訊工業策進會生成式AI美術設計能力認證中級財團法人資訊工業策進會生成式AI辦公室應用能力認證財團法人資訊工業策進會TQC+ GenAI 輔助資料擷取與分析 Python中華民國電腦技能基金會
AI產業能力認證參考：專案類
專案類認證聚焦在「具備完成AI專案的實戰能力」，對應如資料工程師、機器學習工程師等技術職務。用於評估技術人員是否具備立即上手企業AI任務的能力。包括：IBM AI Engineering Professional Certificate、AI-103: Azure AI Engineer Associate等。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
國際AI服務開發認證名稱辦理單位AWS Certified Generative AI Developer - ProfessionalAWSAI-103: Azure AI Engineer AssociateMicrosoft
國際AI模型訓練認證名稱辦理單位AWS Certified Machine Learning Engineer (Associate)AWSAWS Certified Machine Learning (Specialty)AWSIBM AI Engineering Professional CertificateIBMGoogle Cloud Professional Machine Learning EngineerGoogle Cloud
認證名稱辦理單位TQC＋人工智慧：機器學習財團法人中華民國電腦技能基金會
104學習－課程推薦：
AI資料科學家全方位學程（緯育）
AI醫學影像分析實作直播學程（緯育）
AI學習資源專區｜AWS免費課程系列，完課自動同步學習紀錄到履歷表！
更多認證及培訓課程資訊，可至數位產業署官網查詢參考最新附表：AI產業人才認定指引專區
AI人才職涯發展路徑圖及轉職跨領域建議
不同科技背景的人，想成為3大類AI人才，職涯路徑要怎麼走？《AI產業人才認定指引》提供一份「AI人才職類與發展路徑圖」，整理「理工相關科系」及「其他科系」發展成為3大類AI人才（AI應用／開發／研究）的可能路徑。
資料來源：數發部《AI產業人才認定指引》
1. 以「AI應用人才」為例：
適合非理工背景，包括來自商管、行銷、設計等，或具備跨領域行動力者，可以透過學習AI工具的使用及AI素養，將AI應用於自身專業領域。
職涯發展路徑：AI工具使用能力與素養→AI加值型／AI導入型→AI產品經理
→AI應用人才跨域指引：未來若想轉向開發，需補足軟體工程及演算法知識，可跨域至「軟／硬體工程師」路徑。
2. 以「AI開發人才」為例：
AI開發人才有2條主要的發展路徑：AI工程師、資料專業人員，共同負責AI系統的建構和資料驅動。
AI工程師路徑：軟／硬體工程師→AI工程師→AI技術主管／AIOps工程師。
→ 轉資料途徑：若軟／硬體工程師或AI工程師對資料品質、資料策略有興趣，可加強統計學和資料治理知識，跨域至「資料科學家」路徑。→ 轉管理途徑：AI工程師或技術主管若具備良好溝通與領導力，可轉向「AI產品經理」或更高階的技術管理職位。
資料專業路徑：資料分析師→資料科學家。
→ 轉工程師途徑：資料科學家補足軟硬體工程技術後，也可以轉向「AI工程師」途徑。
3. 以「AI研究人才」為例：
職涯發展路徑為：深入數學／統計、演算法研究→AI科學家／研究員→研發主管
→ 跨域指引：AI科學家／研究員的成果是應用源頭，若能理解市場需求，可將研究成果轉化為實際產品。可跨域與「AI專案產品管理」合作，或轉向至該路徑。
AI產業人才常見職稱及104工作機會一覽
AI應用人才常見職稱及專業技能
《AI產業人才認定指引》指出，目前AI應用人才的職稱命名仍具有彈性和過渡性，需要依照產業特性和職務內容來判斷。以下整理參考職稱、角色定位、專業技能及最新工作機會。
點擊職稱或工作機會，可查看職缺：
參考職稱角色定位工作機會既有職稱（行銷專員、行政助理、人資專員等）AI工具的高效終端使用者和應用者看職缺>AI應用規劃師AI導入顧問流程優化專員協助企業規劃導入AI的數位轉型流程看職缺>AI產品經理技術與業務的橋樑，推動AI專案執行看職缺>資料標註師連接原始數據與AI模型理解的橋樑看職缺>資料分析師轉譯數據為可執行的洞察，支援AI導入成效評估與商業優化決策看職缺>
1. 既有職稱（行銷專員、行政助理、人資專員等）
角色定位：AI工具的高效終端使用者和應用者
核心職責：於既有職務範圍內，透過熟練使用既有AI工具、應用程式或軟體，來提升個人工作效率、優化工作成果、輔助決策或拓展創意。
專業技能：核心專業仍是其原本的職務領域，此外對AI工具具備理解與判斷，熟悉多種AI工具的操作、Prompt編寫能力、生成式應用技巧。
工作機會：行銷專員、行政助理、人資專員、看更多應用AI工具職缺>
[joblist_plugin title='更多104【應用AI工具】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E5%B7%A5%E5%85%B7&order=15' amount='1']
2. AI應用規劃師／AI導入顧問／流程優化專員
角色定位：協助企業規劃導入AI的數位轉型流程
核心職責：建構AI導入藍圖、評估痛點與效益、推動變革管理、企業訪談、現況盤點、需求分析、技術評估與導入建議。
專業技能：商業策略思維、資料治理、AI趨勢與工具理解、跨域分析、商業架構、數位工具評估與推進能力。
工作機會：AI應用規劃師、AI導入顧問、流程優化專員、看更多AI應用規劃職缺>
[joblist_plugin title='更多104【AI應用規劃】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=ai%E6%87%89%E7%94%A8%E8%A6%8F%E5%8A%83&order=15' amount='1']
3. AI產品經理
角色定位：技術與業務的橋梁，推動AI專案執行
核心職責：
整合使用者需求與AI功能，設計應用情境與流程，與技術團隊協作落地應用。
負責規劃與管理以AI驅動產品或服務的設計、開發與市場導入，常需與技術、設計與業務單位密切合作。
專業技能：商業分析、AI應用理解、需求分析、技術溝通
工作機會：看更多AI產品經理職缺>
[joblist_plugin title='更多104【AI產品經理】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E7%94%A2%E5%93%81%E7%B6%93%E7%90%86&order=15' amount='1']
4. 資料標註師
角色定位：連接原始數據與AI模型理解的橋樑
核心職責：
根據專案要求和標註規範，對文本、圖像、音訊、影片等各類型原始數據進行清洗、標註與分類。
確保標註數據的準確性和一致性，作為AI模型訓練的基礎。
識別數據中的潛在問題（如偏見、不足），並進行反饋。
專業技能：專案基礎領域知識與數據理解、標註工具操作、重複性工作效率與抗壓性
工作機會：看更多AI標註職缺>
[joblist_plugin title='更多104【AI標註】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E6%A8%99%E8%A8%BB&order=15' amount='1']
5. 資料分析師（介於AI應用與AI開發之間）
角色定位：轉譯數據為可執行的洞察，支援AI導入成效評估與商業優化決策
核心職責：運用資料分析工具與統計方法，進行資料整理與清洗、探索性資料分析、視覺化報表製作、KPI指標追蹤、洞察報告撰寫、跨部門需求溝通、支援策略分析與AI導入績效評估。
專業技能：SQL、Excel、Tableau、Power BI、統計分析、Python/R（進階）、資料視覺化、問題拆解與商業邏輯思維
工作機會：看更多AI數據分析職缺>
[joblist_plugin title='更多104【AI數據分析】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E6%95%B8%E6%93%9A%E5%88%86%E6%9E%90&order=15' amount='1']
AI開發人才常見職稱及專業技能
AI開發人才常見職稱，在不同公司或組織也可能會有所差異。例如，「AI工程師（AI Engineer）」是最常見的職稱，泛指負責建構AI系統的人員。以下整理參考職稱、角色定位、專業技能及最新工作機會。
常見職稱角色定位工作機會自然語言處理（NLP）工程師專注於開發能夠理解和生成或人類語言的AI系統看職缺>大型語言模型（LLM）工程師專注於設計、開發與調校大型語言模型（LLM），使其能夠理解、生成並應用人類語言於各種場景中看職缺>電腦視覺（CV）工程師專注於開發能夠理解和分析圖像與影片的AI系統看職缺>機器學習（ML）工程師AI領域的核心角色，專注於設計、開發、訓練和部署機器學習模型看職缺>資料科學家擅長從巨量資料中提取有價值的洞察，並利用這些洞察為企業提供決策支持。看職缺>
1. 自然語言處理（NLP）工程師
角色定位：專注於開發能夠理解和生成或人類語言的AI系統。
核心職責：
運用NLP技術，實現文本分析、語言識別、機器翻譯、聊天機器人等功能。
廣泛應用於客服、輿情分析、內容生成等領域。主要工作在於使AI可以理解以及生成類人類的語言。
專業技能：
熟悉NLP相關演算法和技術（如詞向量、語言模型、transformer）。
熟練使用NLP函式庫（如NLTK、spaCy）。
具備深度學習框架的使用經驗。
大型語言模型 (LLM) 工程師
工作機會：看更多NLP相關職缺>
[joblist_plugin title='更多104【NLP】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=NLP&order=15&page=4&jobcat=2007000000' amount='1']
2. 大型語言模型 (LLM) 工程師
角色定位：專注於設計、開發與調校大型語言模型（LLM），使其能夠理解、生成並應用人類語言於各種場景中。
核心職責：
負責建置與優化語言模型架構（如Transformer），訓練與微調模型以符合特定應用需求，並解決模型生成偏誤、知識更新等問題。
應用範圍包含智慧客服、知識問答、語意理解、內容生成、程式輔助撰寫等，也需參與模型部署與效能評估。
專業技能：
熟悉自然語言處理技術與演算法（如詞嵌入、命名實體辨識、語意分析、知識蒐集）。
精通語言模型架構（如GPT、BERT、T5）與其訓練原理，熟練使用深度學習框架。
具備資料清洗、標註與語料管理能力，並能處理多語言或特定領域語料。
工作機會：看更多LLM相關職缺>
[joblist_plugin title='更多104【LLM】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=LLM&order=15&jobsource=blog&page=1&jobcat=2007000000' amount='1']
3. 電腦視覺（CV）工程師
角色定位：專注於開發能夠理解和分析圖像與影片的AI系統。
核心職責：
運用圖像處理和深度學習技術，實現圖像識別、物件檢測、影像分割等功能。
廣泛應用於自動駕駛、安全監控、醫療影像分析等領域。主要工作在於開發出讓電腦可以辨識圖像，以及影片的相關應用。
專業技能：
熟悉圖像處理和深度學習演算法。
熟練使用電腦視覺函式庫（如OpenCV）。
具備深度學習框架的使用經驗。
工作機會：看更多電腦視覺相關職缺>
[joblist_plugin title='更多104【電腦視覺】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=CV+%E9%9B%BB%E8%85%A6%E8%A6%96%E8%A6%BA&order=15&page=2&jobcat=2007000000' amount='1']
4. 機器學習（ML）工程師
角色定位：AI領域的核心角色，專注於設計、開發、訓練和部署機器學習模型。
核心職責：
研究各式機器學習演算法，並利用演算法解決商業問題。
透過大量數據處理與特徵工程，持續優化模型以提升性能。主要工作在於利用機器學習，使得AI應用可以達成預期的目標。
專業技能：
精通機器學習演算法（如監督式學習、非監督式學習、強化學習）。
熟練使用機器學習框架，具備資料處理和分析能力。
工作機會：看更多機器學習相關職缺>
[joblist_plugin title='更多104【機器學習】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92+ML&order=15&page=1&jobcat=2007000000' amount='1']
5. 資料科學家
角色定位：擅長從巨量資料中提取有價值的洞察，並利用這些洞察為企業提供決策支持。
核心職責：
運用統計分析、機器學習和資料可視化等技術，探索資料中的模式和趨勢。
需具備良好的商業理解能力，能夠將資料分析結果轉化為可執行的商業建議。主要工作在於分析資料，並且產出具有價值的資訊，輔助企業做出正確判斷。
專業技能：
精通統計分析和機器學習演算法。
熟練使用資料分析工具（如Python、SQL）。
具備資料視覺化和報告撰寫能力。
工作機會：看更多資料科學家職缺>
[joblist_plugin title='更多104【資料科學家】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&page=1&jobcat=2007001021' amount='1']
投入AI領域3大建議：要具備哪些核心技術和軟實力？
對於有興趣投入AI領域發展的人，《AI產業人才認定指引》最後給出3個建議：1.根據個人興趣及專業背景選擇自己的AI職涯起點（參考AI人才職涯發展路徑圖），2.需具備核心技術基礎、3.培養關鍵軟實力和終身學習態度。
其中列出的4個核心技術基礎，對AI開發人才和AI研究人才來說是必備的；至於AI應用人才雖不要求具備開發能力，但若能對於基礎知識有一定了解，將能更有效運用AI工具，與技術團隊的溝通協作也會更順暢。
程式語言： 專精Python，並熟悉其在AI領域的函式庫（如NumPy, Pandas, Scikit-learn, TensorFlow/PyTorch）。
數學與統計：掌握線性代數、微積分、機率統計，是理解AI模型運作的基礎。
資料基礎：理解數據庫（SQL）、資料清洗、資料前處理、資料可視化等基本技能。
軟體工程：熟悉版本控制（Git）、基礎軟體開發流程。
而在軟實力方面，不論選擇哪種AI職涯都需具備以下能力：
解決問題能力：能分析問題、提出解決方案並有效執行
溝通協作能力：AI專案通常需跨部門協作，溝通要清晰有效
批判性思維與創新：不盲從、敢於質疑，並能提出創新想法
適應變化與終身學習：AI技術發展訊續，需保持好奇心，持續學習新知和新工具
專案實戰：透過參與開源專案、Kaggle競賽、校內外專案或實習，累積經驗並建立作品集
數發部「AI產業人才認定指引」電子書下載
本文由《104職場力》整理重點懶人包，完整內容請參考數發部《AI產業人才認定指引》：
【電子書下載】AI產業人才認定指引(115年5月)下載
（資料來源：數發部AI產業人才認定指引）
有任何收穫或想分享的，都來和大家一起聊聊吧！