技能 · 框架 · 框架、LLM 與領域訊號
Keras
TensorFlow 之上的高階模型 API。
- 2.7%
- 核心 AI 職缺提到
- 94
- 筆職缺
- 74
- 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 8 個職位類別的職缺提到 Keras。
在 8 個有獨立頁面的職位中,沒有一個職位有五分之一以上的職缺提到 Keras。
Keras 在「電腦視覺工程師」職缺中的出現比例(10.6%)至少是全體核心 AI 職缺(2.7%)的兩倍,比整體更集中在這個職位。
Keras 在「資料科學家」職缺中的出現比例(6.6%)至少是全體核心 AI 職缺(2.7%)的兩倍,比整體更集中在這個職位。
Keras 屬於「框架」,是框架、LLM 與領域訊號;請搭配下方和它一起出現的基礎與上線交付技能一起解讀。
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10.6%113 筆中有 12 筆 · 至少整體兩倍
- 資料科學家6.6%151 筆中有 10 筆 · 至少整體兩倍
- AI 研究員5.0%60 筆中有 3 筆 · 樣本未達獨立頁面門檻,不列入解讀
- 演算法工程師4.4%321 筆中有 14 筆
- AI 工程師2.4%1,741 筆中有 42 筆
- LLM/NLP 工程師2.3%175 筆中有 4 筆
- AI 硬體/邊緣運算工程師1.6%123 筆中有 2 筆
- 智慧製造/AOI1.3%225 筆中有 3 筆
和它一起出現的技能
分母是提到 Keras 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
- Python90.4%程式語言 · 85 筆
- Deep Learning87.2%機器學習 · 82 筆
- Machine Learning75.5%機器學習 · 71 筆
- C++47.9%程式語言 · 45 筆
- Computer Vision44.7%機器學習 · 42 筆
- NLP36.2%機器學習 · 34 筆
- C28.7%程式語言 · 27 筆
上線與交付
類別:DevOps、雲端、工具
這一組沒有技能進入列表。
框架、LLM 與領域訊號
類別:框架、LLM 應用、領域知識、辦公軟體
- TensorFlow91.5%框架 · 86 筆
- PyTorch84.0%框架 · 79 筆
- OpenCV36.2%框架 · 34 筆
- LLM34.0%LLM 應用 · 32 筆
- scikit-learn33.0%框架 · 31 筆
產業與地區分布
佔這個技能的職缺數。
- 電子與硬體製造2728.7%
- 軟體與網路1920.2%
- 醫療與生技1313.8%
- 半導體1111.7%
- 專業服務77.4%
- 電信、媒體與數位內容66.4%
- 其他製造業44.3%
- 金融與保險44.3%
- 能源、公用事業與天然資源11.1%
- 顧問與行銷服務11.1%
- 政府與非營利組織11.1%
- 台北市3234.0%
- 台中市1212.8%
- 新北市1111.7%
- 新竹市1010.6%
- 新竹縣99.6%
- 桃園市88.5%
- 高雄市66.4%
- 台南市33.2%
- 南投縣11.1%
- 花蓮縣11.1%
這個數字從哪裡看出來
94 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24
- 職稱0
- 職務說明79