技能 · 機器學習
MLOps
把模型訓練、部署與監控當成工程流程來運作。
- 9.9%
- 核心 AI 職缺提到
- 348
- 筆職缺
- 234
- 家公司
- —
- 30 天變化 · 第二期起
哪些職位要求它
在該職位的職缺中,提到這個技能的比例。
- MLOps/平台工程師15 筆職缺39.5%
- 32 筆職缺21.2%
- AI 研究員9 筆職缺15.0%
- 26 筆職缺14.9%
- 203 筆職缺11.7%
- 13 筆職缺11.5%
- 18 筆職缺5.6%
- 3 筆職缺2.4%
- 7 筆職缺2.3%
- 3 筆職缺1.3%
和它一起出現的技能
在提到 MLOps 的職缺中,同時提到其他技能的比例。
- 程式語言84.5%
- LLM 應用62.1%
- 框架49.7%
- 機器學習48.6%
- 方法與流程47.7%
- DevOps46.0%
- 機器學習44.3%
- 工具42.8%
- LLM 應用41.4%
- 41.1%
- LLM 應用37.4%
- LLM 應用34.5%
產業與地區分布
佔這個技能的職缺數。
- 軟體與網路12435.6%
- 電子與硬體製造6418.4%
- 金融與保險4412.6%
- 半導體4011.5%
- 專業服務185.2%
- 批發零售與電商144.0%
- 醫療與生技133.7%
- 電信、媒體與數位內容102.9%
- 其他製造業102.9%
- 顧問與行銷服務82.3%
- 政府與非營利組織20.6%
- 營建與不動產10.3%
- 台北市19154.9%
- 新北市4312.4%
- 新竹縣267.5%
- 台中市236.6%
- 新竹市195.5%
- 桃園市174.9%
- 高雄市113.2%
- 苗栗縣61.7%
- 台南市51.4%
- 雲林縣30.9%
- 屏東縣10.3%
- 彰化縣10.3%
這個數字從哪裡看出來
348 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46
- 職稱12
- 職務說明328