技能 · DevOps · 上線與交付
Docker
容器化工具。
- 17.3%
- 核心 AI 職缺提到
- 610
- 筆職缺
- 371
- 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 Docker。
在 8 個有獨立頁面的職位中,有 3 個職位至少五分之一的職缺提到 Docker:LLM/NLP 工程師 27.4%、資料科學家 25.2%、AI 工程師 24.5%。
沒有任何一個有獨立頁面的職位,提到 Docker 的比例達到全體核心 AI 職缺的兩倍。
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。
- MLOps/平台工程師73.7%38 筆中有 28 筆 · 樣本未達獨立頁面門檻,不列入解讀
- LLM/NLP 工程師27.4%175 筆中有 48 筆
- 資料科學家25.2%151 筆中有 38 筆
- AI 工程師24.5%1,741 筆中有 426 筆
- AI 研究員13.3%60 筆中有 8 筆 · 樣本未達獨立頁面門檻,不列入解讀
- 電腦視覺工程師8.0%113 筆中有 9 筆
- 智慧製造/AOI5.3%225 筆中有 12 筆
- AI 硬體/邊緣運算工程師4.1%123 筆中有 5 筆
- 演算法工程師3.7%321 筆中有 12 筆
- AI 產品/專案經理1.0%305 筆中有 3 筆
和它一起出現的技能
分母是提到 Docker 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
- Python85.7%程式語言 · 523 筆
- System Architecture51.1%方法與流程 · 312 筆
- REST API35.3%方法與流程 · 215 筆
- Machine Learning33.6%機器學習 · 205 筆
上線與交付
類別:DevOps、雲端、工具
- Git62.9%工具 · 384 筆
- Linux45.3%DevOps · 276 筆
- CI/CD44.9%DevOps · 274 筆
- Kubernetes43.6%DevOps · 266 筆
- AWS32.8%雲端 · 200 筆
框架、LLM 與領域訊號
類別:框架、LLM 應用、領域知識、辦公軟體
產業與地區分布
佔這個技能的職缺數。
- 軟體與網路26042.6%
- 電子與硬體製造12220.0%
- 半導體487.9%
- 金融與保險447.2%
- 電信、媒體與數位內容264.3%
- 醫療與生技243.9%
- 其他製造業233.8%
- 批發零售與電商193.1%
- 專業服務193.1%
- 營建與不動產111.8%
- 顧問與行銷服務81.3%
- 餐旅與生活服務20.3%
- 台北市32553.3%
- 新北市9114.9%
- 台中市467.5%
- 桃園市325.3%
- 新竹縣284.6%
- 新竹市254.1%
- 高雄市243.9%
- 台南市122.0%
- 苗栗縣122.0%
- 彰化縣50.8%
- 雲林縣20.3%
- 南投縣20.3%
這個數字從哪裡看出來
610 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0
- 職稱1
- 職務說明610