技能 · 機器學習 · 基礎與解題
Deep Learning
以多層神經網路為核心的機器學習。
- 20.9%
- 核心 AI 職缺提到
- 737
- 筆職缺
- 431
- 家公司
歷史資料從 2026年9月11日 開始。要看出增減,需要一期至少相隔 30 天、可以比較的後續資料。
它在哪些職位最常被提到
每一列的分母是該職位本期的職缺數,依比例排序。
本期怎麼讀
本期有 10 個職位類別的職缺提到 Deep Learning。
在 8 個有獨立頁面的職位中,有 5 個職位至少五分之一的職缺提到 Deep Learning:電腦視覺工程師 48.7%、資料科學家 41.1%、演算法工程師 36.1%、LLM/NLP 工程師 30.3%、AI 工程師 20.7%。
Deep Learning 在「電腦視覺工程師」職缺中的出現比例(48.7%)至少是全體核心 AI 職缺(20.9%)的兩倍,比整體更集中在這個職位。
解讀規則:「比整體更集中」是指在有獨立頁面的職位裡,至少 10 筆職缺提到這個技能,而且比例至少是全體核心 AI 職缺的 2 倍;「常被提到」是指一個職位至少 20% 的職缺提到它。這些句子描述的是本期開著的職缺,不是趨勢。
- 電腦視覺工程師48.7%113 筆中有 55 筆 · 至少整體兩倍
- 資料科學家41.1%151 筆中有 62 筆
- 演算法工程師36.1%321 筆中有 116 筆
- LLM/NLP 工程師30.3%175 筆中有 53 筆
- AI 研究員30.0%60 筆中有 18 筆 · 樣本未達獨立頁面門檻,不列入解讀
- AI 工程師20.7%1,741 筆中有 361 筆
- MLOps/平台工程師15.8%38 筆中有 6 筆 · 樣本未達獨立頁面門檻,不列入解讀
- AI 硬體/邊緣運算工程師9.8%123 筆中有 12 筆
- 智慧製造/AOI7.1%225 筆中有 16 筆
- AI 產品/專案經理2.6%305 筆中有 8 筆
和它一起出現的技能
分母是提到 Deep Learning 的職缺數:其中同時提到各技能的比例,依三種閱讀角度分組。
基礎與解題
類別:程式語言、機器學習、資料工程、資料庫、方法與流程
- Python83.2%程式語言 · 613 筆
- Machine Learning68.5%機器學習 · 505 筆
- C++40.3%程式語言 · 297 筆
- Computer Vision36.1%機器學習 · 266 筆
- System Architecture32.7%方法與流程 · 241 筆
- Algorithm Design26.5%方法與流程 · 195 筆
上線與交付
類別:DevOps、雲端、工具
框架、LLM 與領域訊號
類別:框架、LLM 應用、領域知識、辦公軟體
- PyTorch54.7%框架 · 403 筆
- TensorFlow48.7%框架 · 359 筆
- LLM41.3%LLM 應用 · 304 筆
- Generative AI27.7%LLM 應用 · 204 筆
產業與地區分布
佔這個技能的職缺數。
- 軟體與網路21629.3%
- 電子與硬體製造15621.2%
- 半導體10814.6%
- 專業服務709.5%
- 金融與保險486.5%
- 醫療與生技456.1%
- 其他製造業425.7%
- 電信、媒體與數位內容131.8%
- 批發零售與電商131.8%
- 顧問與行銷服務121.6%
- 營建與不動產70.9%
- 能源、公用事業與天然資源20.3%
- 台北市31042.1%
- 新北市8411.4%
- 新竹縣8411.4%
- 新竹市7710.4%
- 台中市628.4%
- 桃園市415.6%
- 高雄市283.8%
- 台南市202.7%
- 苗栗縣101.4%
- 彰化縣40.5%
- 南投縣30.4%
- 雲林縣30.4%
這個數字從哪裡看出來
737 筆職缺中,各有多少筆是從雇主填的技能標籤、職稱、職務說明看出來的。一筆職缺可能同時有多種證據,所以三個數字相加會大於職缺數。
- 雇主技能標籤190
- 職稱30
- 職務說明629