SkillTrendLab
EN
技能 · 工具

ONNX

跨框架的模型交換格式。

2.4%
核心 AI 職缺提到
85
筆職缺
72
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。

  1. 電腦視覺工程師
    12 筆職缺
    10.6%
  2. MLOps／平台工程師
    4 筆職缺
    10.5%
  3. AI 硬體／邊緣運算工程師
    6 筆職缺
    4.9%
  4. 演算法工程師
    12 筆職缺
    3.7%
  5. AI 研究員
    2 筆職缺
    3.3%
  6. AI 工程師
    42 筆職缺
    2.4%
  7. LLM／NLP 工程師
    3 筆職缺
    1.7%
  8. AI 產品／專案經理
    2 筆職缺
    0.7%
  9. 智慧製造／AOI
    1 筆職缺
    0.4%

和它一起出現的技能

在提到 ONNX 的職缺中，同時提到其他技能的比例。

  1. Python
    程式語言
    91.8%
  2. PyTorch
    框架
    81.2%
  3. TensorRT
    工具
    67.1%
  4. C++
    程式語言
    65.9%
  5. TensorFlow
    框架
    62.4%
  6. Deep Learning
    機器學習
    56.5%
  7. Computer Vision
    機器學習
    56.5%
  8. System Architecture
    方法與流程
    48.2%
  9. Linux
    DevOps
    44.7%
  10. LLM
    LLM 應用
    42.4%
  11. Edge AI
    機器學習
    38.8%
  12. MLOps
    機器學習
    37.6%

產業與地區分布

佔這個技能的職缺數。

產業
  1. 軟體與網路
    45
    52.9%
  2. 半導體
    12
    14.1%
  3. 電子與硬體製造
    12
    14.1%
  4. 專業服務
    5
    5.9%
  5. 其他製造業
    4
    4.7%
  6. 醫療與生技
    3
    3.5%
  7. 電信、媒體與數位內容
    2
    2.4%
  8. 政府與非營利組織
    2
    2.4%
地區
  1. 台北市
    36
    42.4%
  2. 新竹市
    13
    15.3%
  3. 新北市
    10
    11.8%
  4. 新竹縣
    9
    10.6%
  5. 桃園市
    7
    8.2%
  6. 台南市
    3
    3.5%
  7. 台中市
    3
    3.5%
  8. 高雄市
    2
    2.4%
  9. 彰化縣
    1
    1.2%
  10. 雲林縣
    1
    1.2%

這個數字從哪裡看出來

85 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。

  1. 雇主技能標籤
    0
  2. 職稱
    0
  3. 職務說明
    85
這一頁的資料
資料日期
2026年9月11日
本期核心 AI 職缺
3,523
方法版本
2026.09.1

本頁尚未列入搜尋索引：還需要第二期資料才能談變化。

研究方法 →所有技能 →