技能 · 機器學習 · 基礎與解題
Statistics
推論與檢定的統計方法。
- 3.5%
- 核心 AI 職缺提到
- 122
- 筆職缺
- 86
- 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 9 個職位類別的職缺提到 Statistics。
在 8 個有獨立頁面的職位中,有 1 個職位至少五分之一的職缺提到 Statistics:資料科學家 22.5%。
Statistics 在「資料科學家」職缺中的出現比例(22.5%)至少是全體核心 AI 職缺(3.5%)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。
- 資料科學家22.5%151 筆中有 34 筆 · 至少整體兩倍
- AI 研究員8.3%60 筆中有 5 筆 · 樣本未達獨立頁面門檻,不列入解讀
- 演算法工程師4.7%321 筆中有 15 筆
- LLM/NLP 工程師3.4%175 筆中有 6 筆
- 智慧製造/AOI3.1%225 筆中有 7 筆
- 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
- AI 工程師2.4%1,741 筆中有 41 筆
- 電腦視覺工程師0.9%113 筆中有 1 筆
- AI 產品/專案經理0.3%305 筆中有 1 筆
和它一起出現的技能
分母是提到 Statistics 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
- Python80.3%程式語言 · 98 筆
- Machine Learning71.3%機器學習 · 87 筆
- Data Analysis54.9%資料工程 · 67 筆
- Deep Learning39.3%機器學習 · 48 筆
- SQL29.5%程式語言 · 36 筆
- System Architecture27.1%方法與流程 · 33 筆
上線與交付
類別:DevOps、雲端、工具
框架、LLM 與領域訊號
類別:框架、LLM 應用、領域知識、辦公軟體
- PyTorch34.4%框架 · 42 筆
- LLM30.3%LLM 應用 · 37 筆
- TensorFlow29.5%框架 · 36 筆
產業與地區分布
佔這個技能的職缺數。
- 軟體與網路3024.6%
- 電子與硬體製造2621.3%
- 醫療與生技2016.4%
- 金融與保險1613.1%
- 半導體129.8%
- 專業服務54.1%
- 批發零售與電商54.1%
- 顧問與行銷服務54.1%
- 其他製造業32.5%
- 台北市5847.5%
- 新北市1613.1%
- 台中市1310.7%
- 新竹縣108.2%
- 新竹市86.6%
- 桃園市54.1%
- 高雄市43.3%
- 台南市43.3%
- 彰化縣10.8%
- 苗栗縣10.8%
- 花蓮縣10.8%
- 南投縣10.8%
這個數字從哪裡看出來
122 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16
- 職稱2
- 職務說明113