104學習

數位IC設計驗證

這項技能主要是確保設計出來的數位積體電路能正確運作，避免功能錯誤或邏輯漏洞，提升產品品質與可靠性。工作內容包括撰寫測試程式、模擬電路行為、驗證設計規範是否符合需求，並協助找出並修正潛在問題。擁有此能力的人才在半導體產業非常搶手，因為能有效縮短產品開發周期，降低後期維修成本，對提升整體研發效率有關鍵作用。

0 人關注

2,417 個相關職缺

測測你現在的程度

花 5 分鐘了解自己的能力，找到最適合的學習起點

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

AI 商業數據與工作應用實戰：分析、報表與決策支援【09/30】

人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】

AI快速完成專業簡報

AI財務力：從數字到決策的智慧應用【9/3】

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】

生成式AI｜雙證合一速攻班｜高分思維 × 解題框架 × 刷題實戰｜104獨家考證課程

專案矩陣分析與應用技巧

AI 業務即戰力：六小時學 AI，高效成交工作坊【10/23】台中場

APCS程式檢定(C++)【本課程為線上課，報名後專員會提供上課資訊】

人工智慧-機器學習【本課程為線上課，報名後專員會提供上課資訊】

精選證照

考取專業證照，讓能力被市場看見

數位人資管理師-經理級認證

數位人資管理師認證學程將幫助你，運用e化系統的力量，將大量的人資行政瑣事效率化；利用聰明的流程再造，將員工視為內部顧客，全面提升員工體驗；最後發揮數據力，真正成為組織成功的策略夥伴！獲得數位人資管理師-經理級認證，代表你具備以下能力 1.了解員工體驗的精神，與e化流程的設計思維，可協助組織全面檢視HR各流程的重要問題與精進的方向。 2.熟悉e化流程的設計方法步驟，協助組織善用數位科技的力量，優化現有制度流程，促進員工體驗。 3.清楚大數據分析的內涵，與業界實務運用案例，可幫助公司導入大數據分析專案，解決公司在人力計畫、人才發展、留才管理上碰到的重大問題。

104資訊科技股份有限公司

基礎行動裝置應用程式設計

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

電子電路與數位邏輯設計

財團法人中華民國電腦技能基金會

行動裝置應用程式設計

財團法人中華民國電腦技能基金會

行動裝置進階應用程式設計

財團法人中華民國電腦技能基金會

電路模擬分析

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

量天測地、解構力學——深入成大南工土木科，從材料試驗到現代營建實務的養成記

土木工程往往不像建築設計那樣容易受到矚目，但每一棟建築、每一座橋梁的安全與品質，背後都少不了土木工程專業的支撐。國立成功大學附屬臺南工業高級中等學校土木科便以「專業、實作、創新」為核心，透過扎實的理論課程、多元實作訓練與工程現場接軌，培養兼具工程知識與實務能力的人才。 土木科教師方偉烈表示，建築與土木外界看來似乎差異不大，但兩者的定位並不相同，「建築比較著重空間設計與規劃，而土木更關注工程技術與結構安全」。建築師負責完成整體建築設計，土木工程專業人員則負責讓設計安全落實、順利施工，兩者始終是相輔相成、不可或缺的重要夥伴。  從基礎到專業，逐步建立工程能力  土木科的課程依照學生不同階段循序漸進安排。高一以基礎能力培養為主，除了國英數等一般科目外，專業科目則會修習如土木建築工程與技術概論、構造與施工法，搭配測量實習、製圖實習，建立學生的基礎專業。  到了高二課程逐漸加深加廣，逐步深入專業核心，學生將修習工程力學、營建技術實習、電腦輔助製圖實習、工程測量實習、地形測量實習、材料與試驗等課程。此階段學生將投入許多時間在實習課程中，先學習基礎理論，再透過大量的做中學，在理論與操作中深化自身專業。以材料與試驗課程為例，學生會接觸粒料分析、混凝土拌合、混凝土養護、混凝土抗壓等內容，實際了解建築材料背後的工程原理。同時，學生也會實際進行砌磚、木工、鋼筋施工、模型製作及室內配線等內容，並有機會親自操作，透過大量實作累積工程現場所需的經驗與判斷力。  圖：學生參訪鋼筋加工廠了解實際製程  高三時課程則以專題帶領學生整合三年所學，學生透過組隊合作完成專題作品，專題主題以興趣為導向，鼓勵學生發揮專業視角，利用創意解決實際問題。有學生設計改善生活問題的木工作品，也有人規劃建築模型，從選址、結構到功能規劃，都必須活用過去累積的知識完成完整專題，不局限於土木內容，反而讓學生更能發揮創意和觀察力。此外，成大南工土木科更致力於課程的創新，透過加入無人機測繪等內容，讓學生接觸數位測量技術，讓學生在已有的知識基礎上，持續拓展在工程應用的新視野。  理論與實作並重，真正理解工程的本質  許多學生入學前往往認為土木科就是不斷動手施工，但真正進入課程後，學生才發現實作背後需要扎實的理論支撐。  方老師表示，材料試驗就是最好的例子，學生必須先理解材料性質、混凝土比例及相關理論，再進入實驗室完成實驗，驗證結果是否符合工程標準。土木科並非只有操作技能，更需要具備數理分析與工程判斷能力。這樣的學習歷程，也讓不少學生重新認識土木工程。  圖：學生合作組裝工程結構模型  土木科二年級林同學分享，原本以為土木科就是每天在戶外施工、砌磚，實際就讀後才發現，還必須學習材料、測量、力學等專業理論。「它（土木科）不是只有曬太陽做工程，也要學很多理論架構。」另一位二年級郭同學也有相同感受。他原本認為土木科以實作為主，真正接觸課程後才發現有比想像中更多的理論知識。  成大南工扎實深厚的課程設計，帶領學生在每一項工程操作之前，先建立完整的知識基礎，才能在實作中更深刻理解背後的原理，也讓學生在實際操作中更深入理解工程原理。  大量實作、接觸現場，從實務中累積出專業即戰力  除了課堂上的操作，土木科也積極透過競賽與專題，引導學生將知識真正應用於實際問題。  例如，學生曾組隊參加正修科技大學木橋載重競賽，從木材裁切、打磨到橋梁組裝，歷經兩個月反覆製作與調整，最終獲得外觀特別獎。土木科二年級王同學表示，雖然橋梁承載能力仍有進步空間，但看到團隊一步步完成作品，仍讓他感到十分有成就感。  圖：學生參加橋樑載重競賽展示成果  方老師也指出，土木科最大的特色，就是讓學生「做中學」。學生不只是完成作品，而是在反覆操作、修正與驗證中，逐漸培養工程判斷能力，學生也會在不同年級，分別考取測量丙級、建築製圖應用-電腦繪圖項丙級、工程測量乙級等三張證照，累積未來升學或就業的競爭力。若直接投入職場，畢業學生將具備基本施工與監造能力；若選擇升學，也能良好銜接土木工程、營建工程等相關科系。  除了校內課程，土木科每學期也安排企業參訪，帶領學生走進建設公司、工程顧問公司、鋼筋工廠及材料檢驗中心，了解不同工程環節的實際運作。部分學生更有機會參與寒暑假的校外實習，親身進入工地現場，提前體驗工程工作的內容。透過一次次與業界接觸，學生不只是認識未來職涯，更能理解課堂所學如何真正應用於工程實務。  專業、實作、創新，培養面向未來的工程人才  談到土木科最重要的特色，受訪教師以「專業、實作、創新」三個關鍵字作為總結。「專業」代表扎實的工程知識；「實作」代表大量操作與現場經驗；而「創新」則是持續導入無人機測繪等新技術，讓學生能與時俱進，接軌產業發展。  圖：學生學習操作無人機設備  方老師也觀察到，許多學生在三年的學習中，最大的改變並不是學會多少技術，而是逐漸不害怕動手，也願意主動尋找解決問題的方法。從學生觀點來看，王同學認為，只要喜歡動手做、願意學習，就能在土木科找到自己的舞台；郭同學則認為，具備邏輯思考能力、願意面對挑戰的學生，都很適合投入這個領域。  從基礎理論、工程實作到創新技術，成大南工土木科不只是教學生如何完成一項工程，更希望培養學生面對問題時的工程思維，讓每一位學生都能在未來的升學與職涯道路上，穩穩築起屬於自己的專業基礎。  開箱土木科學習日常！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

【104職場力】

「HR人資數據分析」從步驟、使用工具到10種分析面向一次懂

文：先行智庫原文標題：什麼是HR人資數據分析？要分析什麼？從步驟、使用工具到10種數據分析面向，本文一次告訴你！隨著數據分析技術的成熟，以及入門門檻逐漸降低，各行各業逐漸在思考如何應用數據分析，為工作帶來全新的價值，或者是提高決策品質，甚至是創造新商業機會。身為人資夥伴，我們也可以思考手上擁有的數據，例如：出缺勤數據、績效考核數據、調薪紀錄、職務異動紀錄、員工投入度、訓練課程滿意度調查、加班紀錄等，可以如何分析？該設立哪些管理指標？能用何種圖表呈現？怎麼打造員工數據戰情室？要做到什麼樣的程度才可以？使用什麼樣的工具比較合適？在今天這篇文章，我都會幫大家詳細解答。目錄 HR人資數據分析簡介1.1 人力資源近年發展趨勢1.2 HR人資數據分析是什麼？1.3 為什麼要做HR人資數據分析？如何做HR人資數據分析？2.1 HR人資數據能分析什麼？2.2 有哪些數據可以做HR人資數據分析？2.3 該使用何種工具比較好？Excel還是Power BI？2.4 做HR人資數據分析的6個步驟 HR人資數據分析關鍵議題3.1 招募數據分析3.2 訓練數據分析3.3 員額數據分析3.4 離職數據分析3.5 績效數據分析3.6 證照數據分析3.7 差勤數據分析3.8 薪酬數據分析3.9 人格數據分析3.10 接班人數據分析落實人資數據分析4.1 Power BI人資戰情儀表版4.2 實踐人資數據分析可能遭遇的難題 1. HR人資數據分析簡介 1.1  人力資源近年發展趨勢近期人力資源發展趨勢，可以概分為三個階段。第一階段，人資主要處理勞檢、出缺勤統計、勞健保與團保、調薪與晉升公告等庶務型工作。第二階段，人資開始成為企業的策略合作夥伴，例如：規劃具備競爭力的薪資福利、根據業務發展方向擬定訓練架構、制定能鼓勵員工的績效考核辦法、優化整體招募流程以提升企業形象。第三階段，人資走向數據驅動，例如：量化個渠道的招募招募成本、量化每個部門的缺口狀況與人力結構、從課後滿意度評分問卷找出辦課重點、善用人格測評分析結果將人才擺在適當位置。這三個階段並不是互相取代，而是同時並進的。換句話說，HR不僅僅要具備運營能力，在大數據時代，也必須要有數據驅動決策的技能。人力資源在過往會被認為是以人為本的行政相關工作，但在科技進步的趨勢下，也開始要涉及數字化管理。手把手帶你掌握E化 x 數據 x AI【數位人資管理師】 >> 1.2 HR人資數據分析是什麼？ HR人資數據分析，就是運用數位工具，將與人力資源相關的數據進行分析，從中獲取洞察的過程。在這段過程，不論你是使用何種工具，如：Excel、Power BI、Tableau等都是可以的。當然也不限最終的呈現形式，如：PPT、Word、Excel、儀表板。只要HR的工作中有涉及到數字，這段過程廣義來說，就能算是HR人資數據分析了。其實這並不是一件非常遙遠或很困難的事情，因為HR平常在做的報表或報告，基本上都會做到與數字相關的統計和分析，例如：培訓的滿意度、加班時數、敬業度調查、招募人數統計、職務異動統計等。只是在於這些統計和分析的結果，是否對於決策有正向助益。 1.3 為什麼要做HR人資數據分析？做HR人資數據分析，最主要的目的是「做出更好的決策」，讓下決策不再憑經驗或憑感覺。例如：要去哪裡找到合適的人才？招募預算應該要如何更有效配置？招募團隊與招募工作應如何調整？我們可以透過分析「履歷收件的有效性」，做為決策的參考依據。透過HR人資數據分析，能讓我們知道要前往的方向，與評估所需投入的資源與時間，避免將本就有限的資源，投入到代價高且多餘的項目，讓我們將精力更集中在能提升效率的工作。還能夠提高論點的說服力，也能更有底氣的協調跨部門支援。更重要的是，我們可以用數字，來衡量HR的績效表現，讓老闆可以更清楚的知道HR貢獻的價值。 2. 如何做HR人資數據分析？ 2.1 HR人資數據能分析什麼？我們可以從人資工作的流程，選、用、育、晉、留，這幾個面向先思考想解決的問題有哪些？想要知道的訊息有什麼？接著再進一步思考，要解決這些問題，需要分析哪些數據？或者是用什麼樣的數據做佐證。例如：在招募的部份，我們就會想知道哪個招募管道效益最好？招聘預算該如何配置？在訓練的部份，老闆就會想知道辦訓練課程是否值得？如果值得，又該辦哪些的訓練對於實現業務增長是有正向助益？ 2.2 有哪些數據可以做HR人資數據分析？我們可以將數據先分成2大類，一類是HR相關的數據，另一類是非HR相關的數據。 HRIS系統、PMS系統、LMS系統、招募管理系統、證照管理系統等能倒出來的數據，都屬於HR相關的數據，例如：員工基本資料、加班時數統計、面試邀約紀錄、薪資實發清冊、獎金名冊、職務異動、晉升紀錄、敬業度調查、教育訓練滿意度調查、證照到期統計、績效分數明細表等。非HR相關的數據，像是財務數據、進出貨數據、庫存數據、不良品統計數據等。我們可以將HR數據與非HR數據做結合，這樣就能更清楚後端人力資源與前端工作的關聯性。 2.3 該使用何種工具比較好？Excel還是Power BI？不論用什麼樣的工具，都可以用來做數據分析，沒有哪一種最好，只有哪一種最適合你，這兩種工具的使用情境是不太一樣的。如果你只是要做出一兩張圖表，而且還要將圖表貼到簡報上，Excel會比Power BI來的更容易操作。但如果你製圖的頻率很高，需要一次展示多張圖表，希望將多樣的人力資源數據都整合在一起，那Power BI會是比較適合的。簡言之，如果只是單點式的做分析，Excel就足以，如果需要做全面的整合，Power BI會是更好的選擇。 2.4 做HR人資數據分析的6個步驟做人資數據分析有6個步驟，千萬別一下子掉入工具的選擇，我們必須依照這幾個步驟，一步一步踏穩，才能讓數據發揮它的價值。這6個步驟分別是：問題思考、資料彙整、資料清理、資料視覺化、數據洞察探索、展示報告與共享。 3. HR人資數據分析關鍵議題你可以設計一套完整的、有系統的HR人資數據分析框架。你也可以針對招募、訓練、員額、離職、績效、證照、差勤、薪酬、人格、接班人等議題，單獨做數據分析。接下來我會針對常見的這幾個議題，做詳細介紹。 3.1 招募數據分析大招募時代來臨，許多企業都面臨缺工與招募不到人才的問題。在招募工作中，你可以分析：要去哪裡找人？怎麼縮短人才招募時間？如何用最少成本，招募到最好的人？要回答上述問題，我們可以從許多招募指標和數據中，找到合適的線索。還可以將這些指標建立成招募戰情儀表板，把所有的指標圖表攤在同一張儀表板上，用更宏觀的視野來看公司的招募狀況。透過客觀的數據分析，將能夠給我們足夠的決策參考情報。但如果你要做招募數據分析，就需要有招募相關的數據才行，例如：開缺報表、面試紀錄表、Offer Delivery的紀錄表。有了情報之後，我們也可以從每一個招募工作環節，仔細檢視還能如何改善，藉由優化招募流程，解決招募工作面臨的問題，或者是採取一些創新的作法。 3.2 訓練數據分析科技進步速度飛快，加上近期景氣低迷的因素，許多企業都意識到投資員工教育訓練的重要性。在教育訓練工作中，你可以分析：要辦什麼樣的訓練才能夠對應到公司業務發展所需？要花多少錢在教育訓練才合理？舉辦的教育訓練有沒有效？教育訓練是一個相對比較難用數據衡量的議題，通常都只會想到分析課後回饋問卷。但如果心有餘力，也可以去蒐集前端部門有的數據，例如業務部門就有業績數據、生產線就會有不良品或停機相關的數據。接著就能夠將後端的HR數據，與前端的數據串聯做分析，以了解訓練課程的投資，對於工作成效是否有直接的助益。 3.3 員額數據分析隨著組織不斷擴大，如何用有限的人力配置，發揮最大的價值，是做員額數據分析最重要的目的。在員額headcount的部份，你可以分析：公司員工人數和營業收入是否成正比？人力的組成結構是否健康？面對組織未來的策略發展，公司的人力配置要做哪些調整？預算數與實際員額數是否有明顯的差距？ 3.4 離職數據分析員工離職，我們除了做離職面談，其實還可以做數據分析。你可以分析：關鍵人才人才離職率、員工離職的原因統計、員工離職所產生的成本、造成員工離職的主要因素。而這些分析結果，你也可以用一些比較特殊的圖表，更精準傳遞你想訴說的訊息。 3.5 績效數據分析人資部每年都會收到各部門主管針對部門員工做績效考核分數的數據，如果這些數據只是用來記錄就有點可惜了，我們可以將這些數字更進一步做分析，用來激發員工潛能、找出潛力人才。你可以分析：每位員工歷年來的績效趨勢、連續若干年績效表顯都很亮眼的員工、與員工績效有正相關的因素是什麼、績效與調薪之間的關係。 3.6 證照數據分析各行業因為法規或業務發展的關係，需要考取證照。如金融業就會有壽險、證券、期貨等證照；科技製造業就會有化學品、堆高機、急救人員、工安、衛生管理等。資訊業可能就會有各原廠的認證考試。在證照的部份，你可以分析：即將到期的證照張數、證照張數的服務能量是否能滿足業務需求、每人已過期或到期的證照張數。 3.7 差勤數據分析同仁的請假與加班狀況，會影響到員工的身心健康與工作成效。請假與加班的數據，一般都是用來通知當事人，或者是當事人的主管。但除了通知用途外，這些數據你還可以用來分析：各部門平均加班時數、哪些部門或哪些員工有異常加班的狀況、加班費的支出是否可以再降低、有哪些員工年底到了但特休使用率還未達80%。 3.8 薪酬數據分析近期科技業大裁員的消息，讓我們意識到人事費用，對於企業而言是一筆不小的開支，需要審慎的發放與運用。該如何提高人事成本的韌性？在景氣大好時能大舉徵才？在景氣不好時又能夠有效控管人事成本？做薪酬數據分析，是首要任務。在薪酬這塊，你可以分析：公司與同業的薪資水準、人均營收與人均成本、薪資結構的合理性、薪資級距、是否逐年調薪、薪資發放的公平性。 3.9 人格數據分析如果企業有做人格測評，通常每人都會收到一份數字化報告。但如果分開單獨看一個人的測評結果，不容易了解團隊整體的樣貌，因此我們可以將每一位員工在測評中的數據彙整後，做交叉比對，藉此分析：主管與非主管的人格特質差異、離職與在職員工的人格特質差異、各部門的人格特質是否符合業務需求。從中可以了解什麼樣的人適合擔任主管？什麼樣的人離職風險更高？團隊的組成是否有需要再調整？ 3.10 接班人數據分析許多企業在現在都面臨的接班問題，但挑選接班人除了依照主觀判斷，還要拿出客觀數據，才能夠讓接班人的挑選更具有說服力。最常見的一種方式就是人才九宮格，可以藉由績效分數和潛力分數進行判斷，找出超級明星或潛力明星。（參考文章：如何運用Power BI找出企業接班人？）當然你也可以分析每一位接班人：過往執行的重大專案數、近年績效表現、年資與年齡。 4. 落實人資數據分析 4.1 Power BI人資戰情儀表板在做HR人資數據分析時，你可能會針對許多的管理指標，繪製出視覺化的圖表。就算準備的再周全，一樣有很高的機率，會被問到你準備資料以外的問題。而且從你取得數據，經過加工，再送到報表閱讀者手中，就已經不是即時的資料了。再加上不同的閱讀者，看報表的角度也都不盡相同，如果要針對每一個閱讀者的習慣與喜好，個別製作報表，是相當耗時耗力的工作。為了讓HR數據分析能更全面涵蓋老闆會問的問題、為了讓數據能更即時的傳到老闆手中、為了讓數據能用自助式的方式讓報表閱讀者自行篩選調整格式，我們可以透過Power BI做HR人資數據分析。請參考以下範範本： 4.2 實踐人資數據分析可能遭遇的難題要落實人資數據分析，並不是短時間就能完成的事情，可能還會遇到許多挑戰等待你克服。最可能遇到的就是數據蒐集難題，像是缺乏重要的數據，該如何布局蒐集數據的管線與流程。也可能會遇到溝通的挑戰，像是如何讓用人單位意識到，人力資源的數據報告有利於業務增長。還可能會遇到資料整合難題，例如資料散落在各方，缺乏整合管道，如何有效率的彙整。這些問題都不是短期內就能輕鬆被解決的，但唯有這些難題被克服以後，才能夠落實人資數據分析。了解更多Power Bi 相關的學習資源 >> 學更多【Power BI】，馬上報名 >> Power BI 資料視覺化 Power BI HR管理分析師【招募數據視覺化】 Power BI 資料清理與建模 Power BI DAX函數運用人資必備數據Know-how都在這裡> > 用Power BI 做視覺化數據分析，企業導入時會遇到六大階段 HR數位轉型怎麼做？以數據分析為驅動從這15個數據指標，開始建立你的招募漏斗你的招募數據報告，老闆看不懂？因為你沒有「資料視覺化」 HR這樣做數據分析報告，老闆才想聽！

【104職場力】

從數位工具到商務實戰──義民高中資料處理科：培養跨域競爭力的數位職人

如何讓學生在 AI 崛起與網路經濟爆發的時代脫穎而出？義民高中資料處理科給出了一個清晰的答案。這門兼具「資訊技術」與「商業管理」的學科，不僅教導學生如何操作電腦、考取證照，更著重於跨領域的邏輯思維與實務整合。在這裡，學生從最基礎的文書處理出發，逐步踏入會計、經濟與商業專題製作的殿堂，在數字與程式碼之間，編織出屬於自己的未來職涯藍圖。跨域思維的先行者：結合資訊與商務的學科優勢「資料處理科最核心的優勢，就在於它的『跨領域』。」義民高中資料處理科陳昭君主任在訪談中一針見血地指出。面對許多國中生與家長常將「資訊科」與「資料處理科」混淆的疑問，主任給出了一個簡單而明確的判別方式：「資訊科是工業類群，面對的是機器；而資料處理科（資處科）則是商業管理群，面對的是人。網路世界的基礎是電腦，當你具備了電腦操作能力，又懂得商業運作邏輯，就能直接跨入電子商務與現代商務的領域。」在課程設計上，資處科將複雜的電腦應用與統整商管知識相結合。高一到高三的學科內容涵蓋兩大體系：資訊技術：電腦軟體應用（Word、Excel、PowerPoint）、中英文輸入、計算機概論與Python 程式語言。商業類科：會計學、經濟學、商業概論到專題製作。這種雙軌並進的訓練，讓資處科的學生在面對複雜的商業環境時，既擁有清晰的邏輯思維，又具備資料處理的執行力。圖：學生透過上機實作，培養文書能力從基本功到高階應用：以證照檢定奠定實力自信在義民高中資處科，學習成果不只體現在課堂的聽講上，更落實在具體的證照考取與技能檢定中。學校規劃了一套循序漸進的證照地圖，協助學生在三年內建立無可替代的硬實力。「我們透過考取證照的過程，給孩子們建立信心。」主任分享，高一時學生會先從電腦軟體應用丙級、TQC 辦公室應用軟體（Word、Excel、PowerPoint）以及中英文輸入開始扎根；到了高二、高三，則進階挑戰高難度的「電腦軟體應用乙級」檢定，以及人工記帳會計丙級等專業證照。目前就讀資處科的林同學與戴同學，便充分展現了這項環境帶來的專業實力。林同學在三年內考取了包括電腦軟體應用乙級與丙級、商教會會計一級檢定、人工記帳會計丙級等多張高含金量證照；戴同學也順利拿下了電腦軟體應用丙級及多張 TQC 證照。這些努力，成為他們畢業時最堅實的備忘錄。圖：高中三年努力考取多張證照，展現學以致用的實力理論與實務的交會：專題製作打開職涯的無限可能隨著 108 課綱的推進，「專題製作」成為資處科高三學生最重要的核心課程。專題製作要求學生必須主動整合三年所學，從無到有地完成一項縮小版的商業研究或企劃報告。主任分享，目前科大在競賽與專題上喜好的取向，多圍繞在 ESG（環境、社會與治理）、APP 應用、產品行銷企劃與活動企劃。因此，學生的專題主題也緊扣這些時代脈動，例如有組別便以「心理舒壓」為核心研發創意點子，完成了具備高度整合性的專題成果。在專題製作的過程中，學生必須寫出完整的企劃書，內容涵蓋室內設計構想、成本預算控制、人力資源配置、行銷宣傳策略等。主任透露：「在討論行銷推廣時，學生提出想利用 Instagram作為宣傳通路。我不直接教他們怎麼進行推廣，但我會以過去做行銷的經驗挑戰他們：『你們的推廣策略就只有這樣嗎？要怎麼寫文案？文稿跟圖片要怎麼呈現？』」這種高互動性的引導，讓學生養成思考每一步驟背後的邏輯與效益。圖：高三專題成果，榮獲商業類技藝競賽獎項，展現跨域整合與實作能力多元進路與特質媒合：找到屬於自己的發光舞台「讀資處科，最大的好處就是未來的出路非常寬廣。」主任驕傲地表示。由於兼具資訊與商管背景，資處科畢業生在統測升學時擁有極大的優勢，可選擇的落點涵蓋：資訊管理系、企業管理系、財務金融系、會計系、財稅系等…甚至是跨足跨域的工業管理、資訊工程系等。對於有志於在高中畢業後直接投入職場的「實用技能班」學生，資處科也提供了充足的就業準備。林同學與戴同學便分享，身邊選擇直接就業的同學，多數能順利進入餐飲業、零售通路（如全聯）等服務產業服務。更有實用技能班的孩子在畢業後，一邊在知名科技公司（如緯創）上班，一邊在國立大學研究所繼續深造，實現了產學無縫接軌。究竟什麼樣的孩子適合就讀資料處理科？主任與兩位學生的分享總結出了以下幾項人格特質：樂於與人互動、不排斥溝通：商管群的核心在於服務與協調，具備良好的文字與言語表達能力是重要基石。對數字與細節具備敏感度：不需要數學成績頂尖，但必須對數字有耐心，能從簡單的數據中發現脈絡。喜好操作電腦、不排斥邏輯思考：面對系統與程式工具，願意動腦思考其運作邏輯。航向數位未來的羅盤：在多變環境中發光的跨域英才在義民高中資料處理科的三年的時光裡，學生學到的從來不只是死板的軟體操作，而是一套與現代數位世界對話的方式。從高一敲擊鍵盤的生疏，到高三能在講台上自信展示專題成果；從面對數據的迷惘，到能用多元工具梳理資料邏輯。這群資處科的學生在細節中鍛鍊判斷力，在跨領域的碰撞中摸索自我，陪伴著他們走向未，在各自的領域裡閃閃發光。開箱資料處理科學習日常！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

【104職場力】

「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＞

【104職場力】・軟體工程

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。

【104職場力】・人才招募

問卷設計用AI怎麼做？Gemini輔助6步驟完成Google表單、自動分析結果

市場調查是很專業的工作，不過如果只是小規模的市調，也可以用AI工具幫忙設計，好處是可以快速獲得方向跟靈感，節省憑空構思問題的時間！作者以Gemini示範如何快速完成Google表單問卷，以及運用AI統計問卷結果並加以分析。本文節錄自《最強！Google AI 工作術》。文／蔡宜坦、施威銘研究室本文目錄（點擊可快速前往）問卷設計快速生成！請AI幫忙設計問卷內容如何把準備好的問卷題目製作成Google表單？Google問卷表單回覆怎麼看？讓AI幫你深入分析問卷結果企業若能掌握消費者的消費意向，便能推出更符合需求的產品或服務。想要了解消費者的需求與意願，最常見的方法就是做「市場調查」，例如新品試用調查、滿意度調查等，這些方式都能獲取消費者最真實的意見回饋。然而，市場調查是很專業的工作，涉及問題分析、抽樣方法、樣本規模、問卷設計、問卷發放、問卷回收與結果分析等，每個環節都要謹慎處理，以免誤差影響分析結果。市面上有許多公司提供線上市調服務，但是大部分都需要付費。其實如果只是小規模的市調，也可以用AI工具幫忙設計，不僅如此，AI還能統計問卷結果並加以分析，會成為你的市調好幫手！這一節我們就要實做用AI協助做線上市調問卷的過程。使用AI： Gemini：https://gemini.google.com/ 問卷設計快速生成！請AI幫忙設計問卷內容假設你已經想好問卷的目標，例如想要問消費者對新產品的購買意願、想要調查某活動的滿意度等，在設計問卷時，就可以透過提示詞告訴AI你想做什麼，讓AI協助生成相關的問題。下面就以「市集活動滿意度調查」為例，我們要請AI擬出10個問題，詢問消費者對活動中每個環節的滿意度，作為下次辦活動的參考：【提示詞】幫忙設計〔問卷主題〕問卷要收集〔填入收集資料〕，可以參與問卷填寫後的〔填寫後提供獎勵或進一步互動方式〕我想知道〔描述目標使用者〕的顧客對於〔可輸入更多想提問的項目〕的滿意度和印象好（或不好）的地方請設計〔指定生成數量〕個題目圖／旗標科技《最強！Google AI 工作術》輸入提示詞後，AI馬上就做出一份問卷，包含問卷標題、問卷前言、還有10個題目的問答項目。像這樣請AI製作問卷，好處是可以快速獲得方向跟靈感，而且AI整理的問題有明確的架構，例如它先問活動體驗，再問回饋建議，最後才是填寫抽獎資料，這已經具備基本的問卷架構，可以節省憑空構思問題的時間。你也可以再請AI調整或是自行增減項目，製作出更符合需求的問卷。【問卷設計】GEMINI生成結果：包括：問卷標題、問卷前言（簡介問卷內容和說明獎勵機制），可提升受訪者的參與意願圖／旗標科技《最強！Google AI 工作術》擬出十個問題（節錄）圖／旗標科技《最強！Google AI 工作術》如何把準備好的問卷題目製作成Google表單？假設AI產生的問卷題目大致符合需求，接著就要將題目製作成可正式發布的問卷。目前大多數線上市調都是以Google表單製作的，如果你從來沒有製作問卷的經驗，也可以請AI教你製作步驟，下面就為你示範（如果你對Google表單已經很熟悉，即可略過此部份的說明）。 1. 直接請AI教我們做：AI馬上列出操作步驟，跟著步驟即可將問卷內容建立成Google表單。由於前面已經請AI準備好題目，可以在設定題目時派上用場。【提示詞】可以教我如何將問卷內容轉換成Google表單嗎？圖／旗標科技《最強！Google AI 工作術》 2. 登入並新建Google表單：試著按照AI第1個步驟的說明，進入Google表單網頁：https://docs. google.com/forms/。進入Google表單後，會看到一個「+」鈕，按下此鈕就可以建立新表單，要在登入狀態才能使用這功能。圖／旗標科技《最強！Google AI 工作術》 3. 輸入表單標題及說明：接著會進入「未命名表單」的填寫畫面，請依序輸入表單標題與問題/答案。只要將剛剛AI寫的內容依序複製過來即可。選取並複製問卷標題，貼到表單標題欄位（可再自行修改）選取並複製問卷前言，貼到表單說明欄位（可再自行修改）圖／旗標科技《最強！Google AI 工作術》 4. 輸入表單問題及答案：接著開始輸入問卷中的問題／答案。之前AI已經幫我們把問題列好，直接複製到Google表單中即可，你當然也可以繼續視狀況調整。複製AI寫好的問卷問題，將問卷的問題貼到表單中選擇「評分」，就會自動出現五個星等的選項按此「+」按鈕可以繼續新增下一個問題圖／旗標科技《最強！Google AI 工作術》 5. 完成後選擇發布：請繼續依照相同的操作，陸續以AI生成的問卷內容為基礎，複製到Google表單，並視需求修改文字內容，表單內容會自動儲存在Google的雲端硬碟裡。最後，按下右上角的發布鈕，即可完成問卷的製作。按下「發布」按鈕目前設定是只有知道連結的使用者才能進入問卷頁面，再次按下「發布」鈕即可圖／旗標科技《最強！Google AI 工作術》 6. 取得問卷連結：問卷發布後，我們只要取得這份問卷的連結，即可分享出去，比如將問卷網址置入社群網站或是電子報，邀請別人來填寫這份問卷。已經發布的表單，這裡的發布鈕會變成「已發布」鈕，請按一下圖／旗標科技《最強！Google AI 工作術》按「複製作答者連結」按鈕。你可以勾選縮短網址項目，讓網址更簡短好記。按複製即可複製此問卷的連結，接下來就可以把這個連結分享給目標消費者了。最後按「儲存」鈕。圖／旗標科技《最強！Google AI 工作術》 Google問卷表單回覆怎麼看？讓AI幫你深入分析問卷結果延續前一節的內容，當顧客填完問卷後，可以等累積到一定的量（樣本數），再開始統計資料，以便從數據中統整出有價值的資訊。本節我們要先從Google問卷表單中取出顧客的回覆資料，接著就可以請AI來統計和分析問卷的結果了。瀏覽Google問卷結果並另存新檔問卷調查進行一段時間後，當你登入Google表單，切換到回覆頁次，即可瀏覽顧客的回覆。為了方便後續用AI分析結果，我們要將問卷結果匯出成Excel試算表檔案。切換到「回覆」頁次可查看顧客的回覆。按下「在試算表中查看」即可自動將問卷結果匯出成試算表，點擊「建立」。接著會自動開啟Google試算表，請執行「檔案 / 下載 / Microsoft Excel（.xlsx）」命令，將檔案儲存成Excel格式，並下載到電腦裡圖／旗標科技《最強！Google AI 工作術》提醒：如果下載的是逗號分隔值檔案（.csv），表單中有些中文字會變成亂碼，因此建議儲存為Excel檔。請AI分析問卷結果前面我們已經準備好問卷回覆的統計表（Excel 格式 /.xlsx），接下來只要把檔案丟給AI，就可以請AI幫我們分析了，非常方便！【提示詞】協助分析活動的優缺點直接把檔案丟給AI，請AI分析活動的優缺點。AI馬上做出優缺點分析報告，你可以看到整體評分、優缺點、改進建議等細節，也可以繼續發問，和AI討論怎麼做會更好圖／旗標科技《最強！Google AI 工作術》從這一章就可以知道，以前需要想破頭的文案，還有費時費力的問卷調查與分析工作，現在已經可以靠AI節省大把時間囉！就連研究報告也可以讓AI助你一臂之力喔！節錄自：旗標科技《最強！Google AI 工作術：以 Gemini 3 為核心，串聯 NotebookLM 與滿滿 AI 工具, 搞定資料分析、簡報製作、教育訓練等日常工作》／蔡宜坦、施威銘研究室著推薦閱讀：搞定會議紀錄！AI語音轉逐字稿怎麼做？NotebookLM、Gemini操作解析 AI生成簡報工具怎麼選？Gamma、Felo、NotebookLM等6大AI工具推薦如何用AI準備證照考試？NotebookLM學習備考超實用5步驟完整解析

【104職場力】・AI

如何用AI準備證照考試？Gemini Notebook學習備考超實用5步驟完整解析

用AI怎麼準備考證照、檢定？本文以iPAS（經濟部產業人才檢定）的AI應用規劃師能力鑑定為例，解析如何利用學習神器Gemini Notebook（原NotebookLM）的各項功能，輕鬆備考專業證照！從利用「心智圖」和「對話提示」進入學習狀態、用「報告」和「學習卡」蒐集考題、用「對話互動」找考古題答案，以及最後進行即時測驗，本文節錄自《零花費上手！Gemini 3 / NotebookLM / Nano Banana Pro / Veo 3.x 最強 AI 組合技》。文／施威銘研究室本文目錄（點擊可快速前往）步驟1：定義對話風格與回覆內容長度步驟2：「心智圖」、「對話提示」協助進入學習狀態步驟3：利用「報告-學習指南」、「學習卡」蒐集潛在考題用NotebookLM「報告-學習指南」蒐集考題用NotebookLM「學習卡」蒐集考題步驟4：運用「對話互動」找到考古題的答案小技巧：使用「語音摘要 - 評論」像老師給建議步驟5：透過「學習卡」、「測驗」進行即時測驗（編按：NotebookLM於2026年7月更名為Gemini Notebook。以下為原始文章：）蒐集潛在考題，輕鬆備考專業證照今天要準備考試，不管是一般日常的小考、大考，就算是考證照、讀法規，NotebookLM都能幫上大忙！接下來，讓我們以準備iPAS（經濟部產業人才檢定）的AI應用規劃師能力鑑定當作情境，而該檢定會需要研讀The EU Artificial Intelligence Act（歐盟人工智慧法案），法規不只是英文的，內容還非常多，該怎麼準備才好呢？ NotebookLM網址：https://notebooklm.google.com/ 【本文案例】PAS+ AI應用規劃師能力鑑定介紹>>至【104學習】看介紹The EU Artificial Intelligence Act（歐盟人工智慧法案）如果你對於準備這個檢定有興趣，可以進入到The EU Artificial Intelligence Act的網頁（https://artificialintelligenceact.eu/），查找到相關法規資料的PDF檔。步驟1：定義對話風格與回覆內容長度透過定義對話風格，可以讓NotebookLM變成一位指引你學習的導師。還可以進一步選擇回覆內容的長度，決定這位導師的解說詳細程度。定義對話風格，設定為「學習指引」（圖片來源／旗標）步驟2：「心智圖」、「對話提示」協助進入學習狀態由於歐盟人工智慧法案的資料真的很多，在你匯入資料後，可能也不知道該從何開始。這時可以透過「心智圖」掌握整體法案的架構，下一步則能點選心智圖中的任一標籤，或是點選「對話提示」，幫助自己先從其中一個部分開始學習。以點選「對話提示」為例，NotebookLM在學習指引的對話風格下，會逐步引導學習。【對話範例】我的目標是準備IPAS（經濟部產業人才鑑定）的AI應用規畫師能力鑑定。想知道歐盟法案如何透過風險分類約束各種人工智慧應用與基礎技術？ NotebookLM在學習指引的對話風格下，會詢問你的學習目標（圖片來源／旗標）步驟3：利用「報告-學習指南」、「學習卡」蒐集潛在考題 NotebookLM中已有內建3個功能，可以輔助蒐集潛在的考題，分別為「報告 - 學習指南」、「學習卡」、「測驗」。由於「測驗」雖然具有互動功能，但卻無法輕易將題目、答案複製下來，所以在蒐集潛在考題部分，建議使用「報告-學習指南」、「學習卡」。為了縮小備考的範圍，更容易聚焦學習，可以選擇心智圖的某一標籤，或是對話提示的特定學習目標（本案例的步驟2為歐盟人工智慧法案如何透過風險分級與規範），來自訂指令，讓學習指南的內容不會太發散。我們會保留原先系統的指令，並把希望它聚焦範圍的指令補充上去。用NotebookLM「報告-學習指南」蒐集考題【提示詞】報告內容以「歐盟人工智慧法案如何透過風險分級與規範，平衡技術發展和基本權利保障？」為主軸。英文部分是原先系統的指令，補充說明希望聚焦的範圍（圖片來源／旗標）不論是測驗題、申論題，都會更切中你指定的範圍來提問：可複製題目測驗題會附上解答申論題可透過對話提問，來取得答案與引用來源（圖片來源／旗標）用NotebookLM「學習卡」蒐集考題學習卡也可以進一步透過指令來聚焦。【提示詞】學習卡測驗範圍以「歐盟人工智慧法案如何透過風險分級與規範，平衡技術發展和基本權利保障？」為主軸。設定卡片數量、設定難易度、說明希望聚焦的範圍（圖片來源／旗標）會顯示題目數量，並可下載題目跟檔案（圖片來源／旗標）下載後，會是csv檔，如果直接用Excel開啟，很可能會出現一堆亂碼。建議你將預設開啟檔案類型變更為記事本，題庫跟答案就能正常顯示。（備註：有多種方法能讓Excel正常開啟csv檔，但此處的重點是取得正確文字內容，並匯入NotebookLM，因此不在此詳述。）將CSV檔變更為記事本（圖片來源／旗標）將CSV檔變更為記事本，就能正常顯示完整題庫跟答案：題庫與答案用逗號 (,) 分隔（圖片來源／旗標）另外，由於目前NotebookLM的匯入來源尚不支援csv檔，所以你可以使用「貼上複製文字」的方式來進行匯入。善用快捷鍵Ctrl+A（全選）→Ctrl+C（複製）→Ctrl+V（貼上），神速完成匯入！將潛在考題，當作來源匯入NotebookLM 匯入來源（圖片來源／旗標）步驟4：運用「對話互動」找到考古題的答案除了可以將前一步驟的潛在考題，當作來源匯入之外，你還可以將考古題也匯入到NotebookLM。舉例來說，iPAS有提供AI應用規劃師能力鑑定的考試樣題，讓我們嘗試把這份檔案，匯入到NotebookLM中，並在問答面板提問。【提示詞】來源「iPAS_AI應用規劃師能力鑑定考試樣題(114年1月版)」中有一些題目，請使用「EU歐盟人工智慧法案」的內容來回覆。（圖片來源／旗標）如此一來，你可以方便對照題目跟答案、根據法規內容提供答案的解說，透過進一步點擊引用編號，還能查閱原文法規的內容！【TIP】當你明確指定來源時，可以輔助NotebookLM抓到你所需要的內容範圍。所以來源命名很重要，可以幫助自己辨識來源；把提問說清楚也很重要，才不會讓AI亂生一些無用資訊出來。小技巧：使用「語音摘要 - 評論」像老師給建議如果有某些法規你覺得比較艱深難懂，而且用文字完全讀不下去時，語音摘要功能就派上用場了！我們先前已經在第4章提過，透過「自訂」就能進一步下指令，讓語音摘要生成的內容更符合你的需求。有關於提示詞的小技巧，你可以掌握幾個提問方向：設定主題範圍明確指出特定問題進行討論使用某個地區的慣用語氣聚焦目標受眾（如兒童、專家）設定時間長度這裡我們要特別介紹的是語音摘要中的評論格式，這個格式可以提供專業評論、意見，並協助改善內容。所以你可以把自己填答申論題的內容，作為一筆來源匯入到NotebookLM。進一步請它使用歐盟人工智慧法案檔案作為依據，來給予填答狀況的建議。這個做法就有點像是你作答完之後，有一位老師來給予你口頭上的建議與講評～步驟5：透過「學習卡」、「測驗」進行即時測驗「學習卡」、「測驗」功能可以提供給你互動型態的測驗模式，你可以指定卡片數量、問題數量、難易度，並且能下指令，讓它依據你目前的需求來生成。【提示詞】學習目標是準備IPAS（經濟部產業人才檢定）的AI應用規劃師能力鑑定，希望先以「歐盟人工智慧法案的風險分級與規範」作為學習範圍。【自訂學習卡】設定卡片數量、輸入指令、設定難易度（圖片來源／旗標）【自訂測驗】設定問題數量、輸入指令、設定難易度（圖片來源／旗標）在生成之後，可以看到「學習卡」、「測驗」的題庫類型是不一樣的。「學習卡」（左）和「測驗」（右）的題庫類型不一樣（圖片來源／旗標）如果你希望在互動時，NotebookLM可以直接回答你問題，而不是一直追問你的學習狀態，可以把對話風格改回「預設」，或是自訂指令，讓它擔任一位解題專家。使用學習卡或測驗時可點選「說明」，會在對話面板中解說如果採用「學習指引」的對話風格，NotebookLM會再追問你目前的學習狀態若採用「預設」的對話風格，NotebookLM會直接提供解釋（圖片來源／旗標）（圖片來源／旗標）節錄自：旗標《零花費上手！Gemini 3 / NotebookLM / Nano Banana Pro / Veo 3.x 最強 AI 組合技，打造全能工作流》／施威銘研究室著

【104職場力】・AI

【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）

【104職場力】・AI

Claude Cowork排程任務怎麼用？讓AI定時工作，自動產出報告教學

想讓Claude定時幫你完成重複性工作？本文解析Claude Cowork的Schedule排程任務功能，教你設定執行時間、權限與模型，打造自動搜尋資料、整理內容、產出報告的AI工作流程。本文節錄自《Claude 萬用手冊》。文／施威銘研究室本文目錄（點擊可快速前往） Schedule：讓Claude定時幫你做事實戰：每天早上接收台股盤前快報建立排程任務手動試跑排程任務使用Cowork模式前，請先確認你已升級到Claude Pro以上方案（需付費訂閱），並安裝最新版Claude Desktop。Cowork是桌機版獨有功能，網頁版與行動版無法使用。Claude網址：https://claude.ai/下載桌機版：https://claude.ai/downloads延伸閱讀：Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇 Schedule：讓Claude定時幫你做事前面介紹的Cowork任務，大多是「你下指令、Claude執行、完成後交回結果」的一次性流程。不過，實務上有些工作並不是只做一次，而是每天、每週或每月都會重複出現。例如每天早上的市場快訊、每週五的工作週報、每月初的對帳整理，這些工作通常規則固定、格式明確，但每次都手動執行又很花時間。這時就可以使用Cowork的Schedule（排程任務）功能。 Schedule可以把一個任務的提示詞、執行時間與工作環境固定下來，讓Claude在指定時間自動執行。它和一般Cowork任務的能力差不多，一樣可以使用Connector、Skill與Plugin；差別在於，一般任務是你手動開始，排程任務則會依照時間表自動啟動。排程任務大致有幾個特性：只需要設定一次任務內容可以依照固定頻率自動執行，例如每小時、每天、平日或每週每次執行都會開啟新的任務回合，並讀取當下最新的資料、檔案或Connector內容執行結果會保留在任務清單中，方便日後回頭查看能使用一般Cowork任務可用的Connector、Skill與Plugin 接下來，我們就來看看要怎麼設定排任務吧！實戰：每天早上接收台股盤前快報我們會以「每天早上8:00自動產生台股盤前快報」作為範例，示範如何建立一個排程任務。這個任務要做的事很單純：每天早上，Claude會自動搜尋最新的台股大盤、國際股市與指定自選股資訊，整理成一份Markdown格式的盤前快報，存到指定資料夾中；同時也會建立一封Gmail草稿，方便我們檢查後寄出。也就是說，我們會把原本每天都要手動查資料、整理重點、寫成快報的流程，改成由Claude定時完成。接下來就來看設定方式。建立排程任務首先，進入左側欄的Scheduled頁面，點擊「+ New task」，可以看到兩種建立排程任務的方法： Create with Claude，就是透過Claude一步步引導你建立排程。這種方式適合你只有大概想法，但還不確定任務細節該怎麼寫的情況。 Set up manually，即手動設定。這種方式適合你已經知道任務要做什麼、何時執行，以及要使用哪些工具。本例會使用手動建立的方式，直接設定盤前快報的排程任務。點擊Scheduled，進入排程任務頁面；點擊+ New task，開啟建立選單；本例選擇「Set up manually」，開啟手動設定視窗。（圖／《Claude 萬用手冊》）【TIP】注意！排程任務只有在電腦開機、未進入睡眠，且Claude Desktop持續開啟時才會執行。若希望排程任務能準時執行，建議開啟Keep awake，並確認Claude Desktop沒有被關閉。開啟手動設定視窗後，就可以開始填寫排程任務的名稱、任務描述、任務內容、工作路徑、模型與執行時間等設定。其中最重要的是任務內容。這段文字就是Claude每次執行排程時會依照的提示詞。因為排程任務會反覆執行，若提示詞寫得太模糊，Claude每次都要花更多推理成本判斷你想要什麼，也比較容易產生不穩定的結果。建議把資料來源、例外處理、輸出格式、檔名規則與後續動作都寫清楚。特別是排程任務通常會長期執行，模型選擇也要考量使用量。如果任務是固定流程、規則明確的工作，通常不需要使用最高階模型；本例雖然不算深度推理任務，但步驟較多，包含搜尋、整理、寫檔與建立Gmail草稿，因此使用Sonnet系列會比Haiku更穩定。本例範例提示詞如下：【提示詞】所有資料都用今天搜尋的結果，不要靠記憶，抓不到就標「資料缺漏」，過程中不要問我。1. 國際與台股大盤：幫我看昨天台股、美股、日韓股市主要指數（加權、櫃買、道瓊、那斯達克、日經、KOSPI）的收盤點數和漲跌幅。2. 自選股：2330、2414、2317、3008、2603，每一檔列出昨日收盤、漲跌幅，以及近24 時內的重大新聞或公告1–2則（含連結）。3. 輸出：Markdown格式，分四段——國際盤、台股大盤、自選股、重點關注。存到StockBrief 資料夾，檔名yyyy-mm-dd.md（今天），同名覆寫。4. 另外把內容轉成精簡的純文字郵件版，用Gmail擬稿到flag-examples@gmail.com，主旨「盤前快報-yyyy/mm/dd」。（圖／《Claude 萬用手冊》） Create scheduled task：任務名稱建議使用英文或數字，因為Claude的任務名稱不支援以中文命名選定工作路徑資料夾，本例為StockBrief 權限模式選擇「Act without asking」，避免排程執行到寫檔或建立Gmail草稿時停下來等待確認選擇Sonnet系列模型。本例屬於搜尋、整理、輸出與建立草稿的固定流程，不需要使用Opus；但步驟較多，使用Sonnet會比Haiku更穩定設定排程任務的執行時間點擊「Save」儲存（圖／《Claude 萬用手冊》）儲存後，可以在Scheduled頁面的任務列表中看到剛建立的排程任務。（圖／《Claude 萬用手冊》）【補充】設定排程的第三種方法除了Create with Claude和Set up manually之外，也可以直接在新的Cowork任務中描述你想建立的排程任務，讓Claude協助規劃。這種方式適合你已經知道大方向，但還沒整理好完整執行細節的情況。你只要先說明想建立的任務類型、執行頻率，以及大致要完成的步驟，Claude就能根據你的描述補齊任務內容、時間設定等。若資訊不足，它也會先提出問題，確認後再進入排程任務的建立流程。明確指出要建立「排程任務」；提供簡單的步驟大綱，Claude就能根據你的大綱，協助補齊排程任務的設定細節。（圖／《Claude 萬用手冊》）當資訊不足時，Claude會先提出問題，協助補齊任務設定；確認必要資訊後，Claude會進入排程任務的建立流程。（圖／《Claude 萬用手冊》）手動試跑排程任務設定完成後，建議先手動試跑一次，確認任務能不能順利完成。尤其是第一次建立排程時，不建議直接等到正式排程時間才看結果。因為如果提示詞、權限設定或資料夾路徑有問題，排程可能會在實際執行時失敗，反而錯過原本要產出的內容。即使還沒到排程時間，也可以從Scheduled頁面的任務列表中點進任務詳細頁，手動啟動測試。點擊剛建立的排程任務，進入任務詳細頁。（圖／《Claude 萬用手冊》）點擊鉛筆圖示，可打開排程任務設定視窗，進行編輯修改；點「Run Now」，即可立刻手動執行一次排程任務。（圖／《Claude 萬用手冊》）啟動排程任務後，左側任務清單中會出現Scheduled區塊，顯示正在執行的排程任務。點擊該任務後，就可以進入執行視窗查看進度。排程任務的執行方式和一般Cowork任務很像。Claude會先根據提示詞規劃步驟，接著搜尋資料、整理內容，最後把Markdown檔寫入指定資料夾，並在Gmail中建立草稿。點擊正在執行的排程任務，可以進入任務視窗查看過程 Runs：會記錄這個排程任務的每次執行紀錄 Progress：Claude依照提示詞規劃的任務步驟 Context：會顯示此排程任務，點擊後可以回到任務詳細頁（圖／《Claude 萬用手冊》）任務完成後，Claude會將生成的 Markdown檔寫入指定資料夾，它也會在Gmail中建立對應的盤前快報草稿。（圖／《Claude 萬用手冊》） Gmail草稿中查看Claude建立的郵件內容，確認內容沒有問題後，可再由使用者手動寄出或分享。（圖／《Claude 萬用手冊》）這樣就完成排程任務的建立與測試了。節錄自：旗標《Claude 萬用手冊：Claude.ai | Desktop | Cowork | Code Mode | Design | Computer Use | Skills | Connectors | Plugins》／施威銘研究室著推薦閱讀： Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇 Claude Skills怎麼用？內建與個人Skill差異、適用情境及使用方式憑借書證免費用GPT、Claude！教育部推「館館有AI」擴及47所大學「Claude Design」新登場！AI工具生成原型、簡報怎麼做和修改？告別Token焦慮！Anthropic提供4個有效降低Claude Code成本祕訣！

【104職場力】・AI

為什麼我的AI特別難用？掌握五大AI職場溝通術，讓它成為你的最佳助理！

「幫我摘要」、「寫個企劃」，拋出這些指令所產出的結果，是否讓你對AI的期待一再落空？若答案為是，你可能正錯失AI高達九成的潛在生產力。AI的強大與否，取決於「提問的品質」。本文並非提供生硬的指令模板，而是要建立「AI溝通邏輯」。我們將透過B2B業務開發、會議紀錄等真實商務場景，展示如何透過「精準提問」，讓AI在幾分鐘內產出深刻的商業洞察，讓工作效率與決策品質提升至全新層次。文／人資市集前言  你是否也曾興致勃勃地打開 ChatGPT 或 Gemini，想讓它規劃一份行銷企劃，結果出來的卻是千篇一律的空洞答案？或者，想請它整理一份會議紀錄，但抓的重點總是搔不到癢處？  如果你曾遇到以上窘境，甚至開始懷疑 AI 是否言過其實，那麼問題可能不是出在 AI 太笨，而是我們「還沒學會如何與它有效溝通」。  AI 如同一個知識淵博、能力超群的「超級實習生」，它什麼都會，但就是不懂你的習慣與真正的需求。而這門課程將揭示，如何透過學習「與 AI 對話的藝術」，徹底解決溝通卡關的痛點，將這位實習生，培養成我們最強大的工作夥伴。（內容摘自104 人資市集《 AI職場溝通術：LLM大型語言模型應用技巧》線上課程）   痛點一：為何我說破嘴，AI 還是不懂我？  「幫我寫個計畫。」、「這份資料摘要一下。」  這種模糊的指令，正是導致我們與 AI「來來回回、無效溝通」的元兇。當我們給的指令不夠精確，AI 就只能靠「猜測」來完成任務，結果自然難以符合期待，導致你會覺得使用 AI 比不用還花時間。  這門課程的核心，就是要教你擺脫這種依賴運氣的溝通方式。透過學習一套有系統、有邏輯的「提示工程（Prompt Engineering）」方法，你下的每一道指令，都能像GPS導航一樣精準，直達目的。  解鎖精準度的秘密：為 AI 注入「角色靈魂」的五大要素  那麼，如何打造一道精準的指令？關鍵在於「角色扮演」。與其把 AI 當成冰冷的機器，不如將它視為一位特定領域的專家。這裡將告訴大家一套萬能公式，透過掌握以下五大要素，就能讓 AI 的產出品質大躍升：  身份標籤： 定義具體且專業的職位。與其跟 AI 說「你是一個文章編輯」，不如說「你是一位擁有20年經驗的旅遊書本編輯」，AI 就會戴上專家的眼鏡，提供更深入的見解。   目標受眾： 決定資訊密度與難易度。讓 AI 知道這段話要說給誰聽。指令中加入「我的受眾是公司董事會」，AI 就會講求數據與投報率；若受眾是小學生，AI 則會改用故事和比喻。   語氣風格： 模仿特定的思維模式。你可以要求 AI「你是一位嚴格的雜誌總編輯」，它就會用更嚴苛、更嚴謹的角度來審視文章，找出所有潛在問題，而不只是溫和地給予建議。   任務邊界： 設定知識範圍與限制。給出具體的「該做」與「不該做」，避免 AI 胡說八道。例如「請規劃食譜，但不要推薦任何需要烤箱的料理」，這樣就能得到真正可行的方案。   互動引導(CoT)： 啟動思維鏈 。面對複雜任務時，命令 AI：「在開始前，請先對我提問，以搜集你需要的資訊」，透過一來一往的討論，共同產出最完美的報告，而不是讓 AI 一口氣生成所有內容。  掌握這五點，就像是為 AI 提供了一份清晰無比的工作說明書(Job Description)，它將徹底停止猜測，開始精準執行。  痛點二：工作場景複雜，AI 真的能幫上忙嗎？  理解了方法論，讓我們看看它在真實商務場景中的威力。  【使用範例一：B2B 業務的超級武器 —「企業先知」】  情境： 明天要拜訪一家潛力大客戶，但手上那份上百頁的客戶年報，根本沒時間細讀。  痛點： 如果不了解客戶的狀況就貿然拜訪，很難切中要害，甚至可能錯失商機。  AI 解決方案： 課程將教您如何活用上述五大要素，建構出如下的「企業先知」Prompt：  透過這樣精準的指令，AI 就能在幾分鐘內，為您產出一份直指核心的「商業洞察報告」，讓您充滿自信地走進會議室，一開口就「輕鬆講出對方的痛點」，讓客戶對您的專業刮目相看。  【使用範例二：會議後的定心丸 —「會議記錄員」】  情境： 剛結束一場與客戶長達兩小時的重要會議，錄音檔裡充滿了各種決議、待辦事項和客戶的臨時想法。  痛點: 會議結束後，馬上要投入下個任務，根本沒時間重聽錄音。光靠潦草的筆記，深怕遺漏了關鍵承諾或重要細節，若沒即時追蹤，可能影響客戶信任，甚至丟掉案子。  AI 解決方案: 課程中的「會議記錄員」Prompt，能將冗長的會議逐字稿，瞬間變成一份結構清晰、重點明確的行動指南：  別再讓無效溝通，限制了你和 AI 的潛力  從快速洞察客戶需求、整理海量用戶回饋，到撰寫全公司公告，AI 的應用潛力遠超你的想像。要解鎖這股強大的力量，關鍵就在於「精準提問」。這門課不僅僅是教你幾個指令模板，更是要建立一套屬於你的「AI 溝通邏輯」，讓您未來面對任何工作挑戰，都能舉一反三。  厭倦了對 AI 雞同鴨講嗎？想體驗指令一下、成果到位的暢快感嗎？  立即加入「 AI職場溝通術：LLM大型語言模型應用技巧」課程，學習如何駕馭 AI，搭配9大職場實用範例，讓您的工作效率與決策品質，提升到全新的層次！  企業用戶歡迎申請課程免費試閱，並選擇「104人資市集 | 企業訂閱制方案」，課程每人每年最低33元起/堂，最低$10,000起搞定全公司整年度的AI導入培訓。亦可團購或授權課程，歡迎點擊下方專人諮詢。  免費試閱了解方案專人諮詢提升員工帶動企業的成長！最划算的教育訓練方案首選>> 超過7000+的HR都報名過的104人資學程！求職成效提升至4.5倍！>> 　成為人資市集Line好友獲得最新課程優惠及免費講座資訊>> 訂閱人資市集電子報獲得專家工作分享及產業新知 >>

【104職場力】・AI

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。

【104職場力】・半導體

【104 talks】必學的聰明工作術!-從邏輯思維到工具應用，全面提升工作效能｜2/20 線上免費直播

文／104人資市集「104 talks」致力於協助職場人士的知識學習與能力提升為每位忙碌的職場人士，創立一個能夠高效學習的節目平台，集結各領域專業講師的知識與分享，為職場人士帶來啟發和新視角。必學的聰明工作術!-從邏輯思維到工具應用，全面提升工作效能 2025年想讓工作變得更輕鬆、高效嗎？這場講座將帶您解鎖全新的工作思維，從掌握大局、時間管理到善用AI技能，讓繁瑣流程迎刃而解，能更精準且有策略的執行，輕鬆達到事半功倍的效果。一起加入這場聰明工作術的旅程，讓工作變得更簡單！講者及主題介紹 ★黑馬思維－看懂局勢跳脫平凡的密技- 主講人 : 楊東岳 | 大玩創意有限公司執行長 ★掌握時間成本，創造高效任務管理策略- 主講人 : 曾正文 | PMP 國際專案管理師 ★用AI方法徹底改造工作，輕鬆成為效率達人！- 主講人 : 林尚能 | 企業經營顧問 ★這輩子免學Excel公式，用AI全部解決 - 主講人 : 吳承穎 | 查特普拉斯管理顧問有限公司共同創辦人講座資訊：講座時間：2025/2/20（四）13:30~15:00 報名截止時間：2025/2/18(二) 活動形式：線上免費直播適合對象：所有職場人士價值：3600元 → 免費立即點我免費報名【報名流程】 1. 活動前1天，我們將以Email寄送活動通知及相關資訊給您，請隨時留意Email，以免遺漏。2. 本講座會以Youtube直播的方式進行。【注意事項】報名前，請詳閱課程內容及購買須知。  104 人資市集保有相關課程內容調整及講師之變動權，可能視情況進行適當的修改與調整。  104 人資市集保留報名審核權利。  如有課程相關問題，請至聯絡我們留下相關訊息。．　．　．最划算的全方位教育訓練方案！免費申請全課程試閱 >> 推薦你更多相關的好文章>> 【104 talks】時代 vs 世代：不可不知的 EAP 推動要點 | 興智國際執行長黃智儀【104 talks】現代領導者的人生進化指南 | 波波黛莉共同創辦人黃晨皓 Kim 【104 talks】AI 數據智能時代的工作再定義 | 微軟人資長王有蘋【104 talks】運用心理能量，職場一路順暢 | 蘇予昕心理師【104 talks】啟動你的能量計畫，打造高效人生 | 最速總經理王冠翔【104 talks】提前佈局不被市場淘汰！第二曲線創新學 | 郭瑞祥滿足中小企業的培訓需求！超過150+課程任選 >> 訂閱市集電子報與你分享專家文章及最新活動訊息 >> 加入104人資市集 Line 獲得新知與獨家優惠！

【104職場力】・AI

有任何收穫或想分享的，都來和大家一起聊聊吧！