SkillTrendLab
技能 · 框架 · 框架、LLM 與領域訊號

TensorFlow

Google 的深度學習框架。

14.8%
核心 AI 職缺提到
521
筆職缺
334
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 10 個職位類別的職缺提到 TensorFlow。

在 8 個有獨立頁面的職位中,有 3 個職位至少五分之一的職缺提到 TensorFlow:電腦視覺工程師 33.6%、資料科學家 29.1%、演算法工程師 21.5%。

TensorFlow 在「電腦視覺工程師」職缺中的出現比例(33.6%)至少是全體核心 AI 職缺(14.8%)的兩倍,比整體更集中在這個職位。

TensorFlow 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。

  1. 113 筆中有 38 筆 · 至少整體兩倍
  2. 151 筆中有 44 筆
  3. AI 研究員23.3%
    60 筆中有 14 筆 · 樣本未達獨立頁面門檻,不列入解讀
  4. 321 筆中有 69 筆
  5. MLOps/平台工程師21.1%
    38 筆中有 8 筆 · 樣本未達獨立頁面門檻,不列入解讀
  6. 1,741 筆中有 287 筆
  7. 175 筆中有 27 筆
  8. 123 筆中有 11 筆
  9. 225 筆中有 5 筆
  10. 305 筆中有 5 筆

和它一起出現的技能

分母是提到 TensorFlow 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. Python88.5%
    程式語言 · 461 筆
  2. 機器學習 · 359 筆
  3. 機器學習 · 328 筆
  4. C++40.9%
    程式語言 · 213 筆
  5. 機器學習 · 190 筆
  6. 方法與流程 · 183 筆
  7. MLOps27.5%
    機器學習 · 143 筆

上線與交付

類別:DevOps、雲端、工具

  1. Git31.7%
    工具 · 165 筆
  2. Linux27.1%
    DevOps · 141 筆
  3. Docker25.1%
    DevOps · 131 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. PyTorch91.9%
    框架 · 479 筆
  2. LLM43.8%
    LLM 應用 · 228 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
    155
    29.8%
  2. 電子與硬體製造
    115
    22.1%
  3. 半導體
    80
    15.4%
  4. 專業服務
    38
    7.3%
  5. 醫療與生技
    37
    7.1%
  6. 金融與保險
    32
    6.1%
  7. 其他製造業
    26
    5.0%
  8. 電信、媒體與數位內容
    11
    2.1%
  9. 批發零售與電商
    11
    2.1%
  10. 營建與不動產
    6
    1.1%
  11. 顧問與行銷服務
    5
    1.0%
  12. 政府與非營利組織
    2
    0.4%
地區
  1. 台北市
    225
    43.2%
  2. 新北市
    74
    14.2%
  3. 新竹市
    60
    11.5%
  4. 新竹縣
    50
    9.6%
  5. 台中市
    37
    7.1%
  6. 桃園市
    25
    4.8%
  7. 高雄市
    19
    3.6%
  8. 苗栗縣
    11
    2.1%
  9. 台南市
    10
    1.9%
  10. 南投縣
    3
    0.6%
  11. 屏東縣
    1
    0.2%
  12. 花蓮縣
    1
    0.2%

這個數字從哪裡看出來

521 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
    191
  2. 職稱
    0
  3. 職務說明
    446
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。