SkillTrendLab
技能 · 資料工程 · 基礎與解題

Apache Spark

分散式資料處理引擎。

2.2%
核心 AI 職缺提到
78
筆職缺
51
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 Apache Spark。

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 Apache Spark。

Apache Spark 在「資料科學家」職缺中的出現比例(19.2%)至少是全體核心 AI 職缺(2.2%)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。

  1. 151 筆中有 29 筆 · 至少整體兩倍
  2. 113 筆中有 3 筆
  3. MLOps/平台工程師2.6%
    38 筆中有 1 筆 · 樣本未達獨立頁面門檻,不列入解讀
  4. 1,741 筆中有 38 筆
  5. AI 研究員1.7%
    60 筆中有 1 筆 · 樣本未達獨立頁面門檻,不列入解讀
  6. 175 筆中有 1 筆
  7. 225 筆中有 1 筆
  8. 321 筆中有 1 筆

和它一起出現的技能

分母是提到 Apache Spark 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

  1. Python85.9%
    程式語言 · 67 筆
  2. 機器學習 · 52 筆
  3. SQL60.3%
    程式語言 · 47 筆
  4. 機器學習 · 35 筆
  5. ETL42.3%
    資料工程 · 33 筆
  6. 資料工程 · 31 筆

上線與交付

類別:DevOps、雲端、工具

  1. AWS46.2%
    雲端 · 36 筆
  2. Git41.0%
    工具 · 32 筆
  3. Docker39.7%
    DevOps · 31 筆

框架、LLM 與領域訊號

類別:框架、LLM 應用、領域知識、辦公軟體

  1. 框架 · 36 筆
  2. PyTorch44.9%
    框架 · 35 筆
  3. LLM41.0%
    LLM 應用 · 32 筆

產業與地區分布

佔這個技能的職缺數。

產業
  1. 軟體與網路
    27
    34.6%
  2. 金融與保險
    23
    29.5%
  3. 電子與硬體製造
    12
    15.4%
  4. 批發零售與電商
    5
    6.4%
  5. 半導體
    2
    2.6%
  6. 醫療與生技
    2
    2.6%
  7. 其他製造業
    2
    2.6%
  8. 專業服務
    2
    2.6%
  9. 顧問與行銷服務
    1
    1.3%
  10. 營建與不動產
    1
    1.3%
  11. 運輸與物流
    1
    1.3%
地區
  1. 台北市
    51
    65.4%
  2. 新北市
    12
    15.4%
  3. 新竹市
    4
    5.1%
  4. 高雄市
    4
    5.1%
  5. 台中市
    3
    3.9%
  6. 新竹縣
    2
    2.6%
  7. 屏東縣
    1
    1.3%
  8. 桃園市
    1
    1.3%

這個數字從哪裡看出來

78 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
    5
  2. 職稱
    0
  3. 職務說明
    76
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。