在「人工智慧對企業和職業發展的影響，如何增進自己能力成為重要趨勢」這篇文章中，粗略地提到了企業對科技進展的態度。該文章主要聚焦於科技業，強調人工智慧技術在幫助工程師的工作中扮演著極其重要的角色。藉由不斷進步的人工智慧技術，工程師能夠更有效地解決問題、提高生產力，並加速產品開發速度。本文將探討幾項人工智慧技術如何協助工程師的方式。

在現代科技行業中，人工智慧已成為一個熱門話題，其快速發展和創新應用正深刻地改變著我們的生活和工作方式。

在「人工智慧對企業和職業發展的影響，如何增進自己能力成為重要趨勢」這篇文章中，粗略地提到了企業對科技進展的態度。該文章主要聚焦於科技業，強調人工智慧技術在幫助工程師的工作中扮演著極其重要的角色。藉由不斷進步的人工智慧技術，工程師能夠更有效地解決問題、提高生產力，並加速產品開發速度。本文將探討幾項人工智慧技術如何協助工程師的方式。

機器學習和數據分析

機器學習是人工智慧的一個分支，能夠讓電腦透過學習和改進任務的執行能力。在完成訓練之後，模型不需要由程式工程師進行操作，而是提供其他工程師更有效解決複雜問題的方式。工程師可以運用機器學習算法來分析大量數據，從中提取有價值的資訊並預測未來趨勢。這樣的數據分析能夠協助工程師做出更明智的決策，同時節省時間和資源。

例如「**Manufacturing intelligence to forecast and reduce semiconductor cycle time」 、「Cycle-time key factor identification and prediction in semiconductor manufacturing using machine learning and data mining」**這兩篇論文的目的都是利用機器學習來預測半導體生產的運行時間，進而分析和優化整個製造流程，讓工程師和管理層能夠做出更好的判斷。

自然語言處理和智能助手

自然語言處理是人工智慧中的另一個重要領域，其充滿著各種不同的方法和理論。它的目標是使計算機能夠理解和處理人類語言。BERT 和 GPT 是其中最受歡迎且具有重要影響力的模型之一。而 ChartGPT 的出現進一步引起了更多人對這一領域的關注。

許多科技公司希望將自然語言處理應用於各種工具中，例如語音助手或聊天機器人，這些工具能夠理解並回答工程師的問題。最終目標是簡化工程師在尋找資源時的互動過程，從而節省寶貴的時間。

除了聊天機器人等應用之外，許多科技公司也在不斷研究和開發自然語言處理技術。例如，內部資源在許多公司中可能非常零散。假設工程師希望解決Ａ問題，傳統的方式可能需要慢慢的查手冊或者問學長嗎，但透過 AI 工具，可以馬上知道哪個文件的哪一頁或哪個影片的哪一秒可以解決問題。這樣全知全能的知識搜尋平台可能是自然語言處理在科技業中的一種應用方式。隨著 ChatGPT 和其他大型語言模型 ( LLM ) 的出現，會有越來越多有趣且實際的應用將不斷涌現。

自動化測試和線上監控

在軟體開發過程中，測試是至關重要的一環，它確保軟體能夠正常運作並具備高品質。人工智慧技術提供了自動化測試的解決方案，能夠自動執行測試用例並生成相關報告。這樣的自動化測試能夠大幅提高測試效率，同時減少錯誤和人為失誤的風險。

此外，透過線上監控系統，可以確保系統運行狀態正常，並及時發現和處理問題，從而提升系統的可靠性和穩定性。在疫情之後，越來越多的科技公司著重於居家工作 ( WFH ) 。在人工智慧技術不斷強大的趨勢下，技術方面的挑戰已經不再是問題。

結論

科技業正處於人工智慧技術的革命浪潮中，這些新興技術正在改變工程師的工作方式和效率。上述的上述的人工智慧技術都為工程師提供了更強大的工具和支援，使大家能夠更有效地解決問題、提高生產力，並加速產品開發的速度。

往後的世界，隨著人工智慧技術的不斷發展，這些工具只會更多元， 更加便利，可以預見工程師的工作將變得更加智慧化和高效率，為科技業帶來更大的突破和創新，也希望各家公司趕緊投入資源，把這一切快速的推進。

這篇文章 人工智慧在科技業中的應用：提升工程師工作效率的新利器｜專家論點【史塔克實驗室】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

前幾篇文章已經討論了「半導體工程師的條件」和「工程師的職場壓力來源」，在本篇文章中，將提及筆者在台積電擔任工程師時每天都會面臨到具有挑戰性的魔王會議，即「生產會議」。

前幾篇文章已經討論了「半導體工程師的條件」和「工程師的職場壓力來源」，在本篇文章中，將提及筆者在台積電擔任工程師時每天都會面臨到具有挑戰性的魔王會議，即「生產會議」。

筆者在台積電的第一份工作是擔任製程整合工程師，主要負責全面掌控線上產品的製程，以滿足客戶的產品需求，提高產品良率，降低客戶成本並提升滿意度。

簡單來說，筆者所在的部門主要負責良率管控。由於有些工程師部門不再需要輪大夜班，因此每週大家會輪流擔任「特早班」的職責，需要在早上六點左右到達公司，提前分析前一天晚上發生的各種事件。早上這麼早到公司的目的，就是為了準備九點的「生產會議」。與這場會議有關的部門，尤其是要報告的幾個部門，都會像參與一場戰鬥一樣緊張。

會議前的準備

「特早班」是早上準備報告的關鍵人物之一，正如前文所提，早班人員需要提前分析前一天晚上發生的各種事件。那麼，究竟需要分析什麼呢？ 由於貨物在工廠內全天候運作，偶爾會出現生產機台運作不順的情況，可能會導致貨物受到影響，例如刮傷、灰塵掉落、氣體濃霧異常、曝光扭曲等異常狀況。在這種情況下，筆者所在的部門需要根據當時拍攝的貨物狀況，推測可能是哪些機台出現了異常。這種工作有點像偵探尋找犯人或醫生判斷身體哪些部位出現了問題。

然而，不能直接將分析和推測的結果在會議上報告。在會議之前，需要和與各部門進行協調 ( Align )，確保意見一致。舉例來說，如果我們推測問題出在蝕刻部門，我們一定會與該部門溝通，告知他們我們的推測原因和理由，並討論在會議中如何呈現這些資訊。透過與各部門的協調，能夠確保在生產會議上提供準確的數據和分析結果。這種溝通和協調的過程是非常重要的，因為它有助於確定問題的根源，提出解決方案並促進整個製程的改進，更重要的是能夠提高會議的效率，減少會議上無謂的爭論。

早上九點 生產會議

早上 9 點，生產會議正式開始。作為一個「廠級」會議，廠長和各部門的高層都會參加其中。在會議上，有時會出現需要跨部門處理的事項。就像筆者所在的部門一樣，如果在會議前沒有做好準備或事先進行協調，A 部門需要 B 部門的協助或解釋，而 B 部門沒有提前準備或耽擱，這就會讓會議變得非常尷尬。

雖然部門主管會帶著早班人員一起參加生產會議，但對於新人工程師來說，這樣的場合壓力真的很大，在會議上經常都能聽到工程師被嚴厲指責的情況。不過反過來說這也是一個很好的磨練機會。從事前的分析、溝通協調到會議上的報告邏輯，都能在壓力下快速成長。

會議結束，這才只是開始

生產會議結束後，工作並未結束。這只是一天的開始。會議結束後，我們需要持續追蹤某個事件的進度和找出其根本原因 ( Root Cause )。主管們都希望事件是獨立發生的，不會再次出現相同的問題。儘管有時候要實現根本性的改變並不容易。

舉個例子，當耗材接近壽命臨界值時，事件發生的機率就會增加。但由於預算的限制，提前更換耗材可能不太現實。要改善這種情況，我們可能需要進行多次實驗，以找出耗材壽命快結束時的改善方法，或提出新的耗材計劃。這種持續的改進過程是半導體工程師的日常工作之一。我們必須思考並提出解決方案，不斷優化製程和系統，以確保產品的品質和效能。這可能涉及與其他部門的合作，進行詳細的數據分析和實驗設計，以驗證和實施改進措施。

總之，除了應付每天 Routine 的例行工作外，各部門還必須處理許多突發狀況，而這些突發狀況往往是最令人疲憊的。不管是天災還是人禍，都帶來了額外的挑戰。例如，2016 年的大地震，雖然震央位於高雄市美濃區，但最大震度卻是在臺南市新化的 7 級，當時許多機台和貨物都受到了影響。這真的是筆者印象最深刻的一次事件。因為發生在在過年前夕，許多工程師不僅在當天晚上被要求返工支援，整個過年期間都需要有工程師全天候的持續處理問題。

在筆者的個人的經驗中，「生產會議」是每個在工廠待過的工程師的重要一環，會議迫使大家學會準確地解讀和分析大量的數據，並能夠清晰地表達出觀點和建議。當然，近年來也有推動利用 AI 人工智慧來提升工程師的效率，這又是另一個值得探討的議題了。

這篇文章 台積電工程師每日的「生產會議」甘苦談｜專家論點【史塔克實驗室】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

上一篇「人工智慧對企業和職業發展的影響」中，我在文章中舉了幾個例子是在近期人工智慧發展下，企業會如何思考以及員工該如何面對這種趨勢，這篇會針對目前學生面臨到的幾個趨勢，可以怎麼去適應。

上一篇「人工智慧對企業和職業發展的影響」中，我在文章中舉了幾個例子是在近期人工智慧發展下，企業會如何思考以及員工該如何面對這種趨勢，這篇會針對目前學生面臨到的幾個趨勢，可以怎麼去適應。

紐約公立學校將「禁」學生使用 ChatGPT

隨著 AI 的進步，雖然 ChatGPT 才問世後不久，但很快就為學界帶來衝擊，美國紐約市公立學校陸續開始禁止學生使用該軟體，以避免「作弊」情形出現，並可能將連帶引起其他學校跟進。這也開始引發許多的討論，人工智慧就是來幫助人類的，那為什麼作業或者能開書的狀況不准使用呢？

台灣也很快有老師及學校提出看法，台大就表示，教師應先釐清在課程中使用 AI 生成工具的原則和規範，並在課程初始就將相關規定明確標示於課程大綱內，藉以和學生達成共識避免爭議。成大資工蘇文鈺教授也說目前 ChatGPT 目前在實作方面，暫時並不擔心會被機器人直接做出來，也允許學生無限制採用 ChatGPT，至於傳統的資工系的資料結構，演算法等，採用制式的上課與作業方式，確實已被攻克，所以這些科目的任課老師需要多費心思重新設計課程。

AI 都能幫忙寫作業了，為什麼老師還要規定？

那接下來就會想要討論，機器人都能幫我寫作業，那為什麼還需要親自作答，主要就是因為學東西最重要的就是能夠真的了解該知識，重點是學習的「過程」，而不是「答案」，雖然很八股，但從寫程式這一點看起來確實是如此，而且從長遠的目標來看，唯有好好學習，才能更強大的駕馭機器人，最近火紅的 ChatGPT、Midjourney 如果給予一個不太會使用的人，也不會得到多好的成果，像是使用 Midjourney 參加比賽並且得獎的 Jason Allen 聲稱自己也是花了很多時間研究，畫出上百幅的作品，才有最後成果。

筆者認為人工智能和機器學習技術的不斷發展，學生學習方式和職業發展也隨之發生了變化。人工智能可以提供更多的資源和工具，從學生的角度，可能也要好好思考一下，什麼東西是重要的。其實抄作業這件事許多學生都做過，只是以前抄同學作業，現在有機器人幫忙寫其實是好事，學生們可以開始利用科技，達成某種目的；而產生教材的老師方會比較辛苦，需要設計有鑑別度的作業，或者要思考一下該如何讓學生了解學習該堂課之後，他們需要增進的能力是什麼。

結論

總之，隨著人工智慧技術的不斷進步，未來學生可能會面臨一些挑戰和變化，學生會需要掌握更多的科技和技能，以及具備更強的解決問題和創新能力。而且也要知道這些技術的可行性跟侷限性，目前 ChatGPT 仍可能會產生一些不正確或模棱兩可的答案，有時候生成出來的內容，一看就知道有問題，使用者自己也必須判斷和確認該答案的正確性及可參考性，這時候就是訓練學生該如何使用這些工具的時候了。

ChatGPT 產出的內容，真的可以完全代替人類的思考嗎？筆者建議，學生們可以多跟其他同學還有老師討論，獲取不同的觀點和建議，這樣不只能提升自我的能力，也是實現這些人工智慧應用的最大價值。

這篇文章 人工智能和機器學習對學生學習的影響，學生必須具備思考及判斷的能力｜專家論點【史塔克實驗室】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

從三月一直到暑假期間，是各大企業尋找新員工的高峰期，求職成為許多人必經之路。在這個過程中，人們經常面臨著各種選擇和困境，究竟要選擇哪一條路，才能讓自己更好地發展？如何克服種種困難，實現自己的職業夢想？以下是筆者的一些看法和經驗分享，希望對您有所幫助。

從三月一直到暑假期間，是各大企業尋找新員工的高峰期，求職成為許多人必經之路。在這個過程中，人們經常面臨著各種選擇和困境，究竟要選擇哪一條路，才能讓自己更好地發展？如何克服種種困難，實現自己的職業夢想？以下是筆者的一些看法和經驗分享，希望對您有所幫助。

人生的選擇

首先，關於選擇。人的一生總是在做選擇，在求職過程中，一定會遇到很多不同的機會，但是要如何選擇，才能讓自己走得更遠呢？

筆者認為，先確定自己的目標和價值觀是相當重要的事情。求職者需要先清楚自己到底想要什麼，以及什麼樣的工作能夠符合自己的理念和信仰。例如，如果比較關心社會責任和環境保護，那麼可以優先考慮那些環保型企業或非營利組織；如果比較重視工作的成就感和挑戰性，那麼可以選擇那些行業或職位比較有競爭性和發展前景的公司；如果比較重視薪水報酬，把薪水當成首要目標也是一種選擇。但若目標太遠，讓自己落到沒有選擇的境地，就需要適時調整。 總之，找到自己的目標和價值觀，能夠幫助你更清楚地了解自己的需求和想法，從而做出更明智的選擇。

筆者分享一下自己在博士求學期間的經歷。當時雖然尚未畢業，但偶爾會收到國外求職網站上的 Head Hunter 聯繫訊息，雖然我不排斥在國外工作，但是由於我之前的工作經驗偏向半導體製程，而我的博士研究方向是人工智慧和金融科技，所以並沒有答應那些獵人頭的 HR。

後來，前玉山科技長陳昇瑋到我們學校演講，那一場演講的主題是台灣金融科技未來的發展，會後我也詢問了一些金融科技未來會面臨的議題以及當時產業面的疑問，之後他邀請我進入玉山銀行兼職半年。我接受了這個工作邀約，因為我知道自己的未來會在軟體和金融科技行業，雖然當時我還在讀書，無法接受正式的全職工作，但是在學術研究和業界之間，總會有一些差距。透過這個機會，我更深入地了解了金融科技業界的需求。

求職時的困境

其次，談談如何面對過程中的困境。在求職的這段過程中，可能會面臨很多挑戰和困難，如激烈的競爭、職位不符合、面試失敗等。這些都是常見的問題，但是要如何克服這些困境，才能繼續前進呢？

首先，我們需要保持積極的心態，不要因為一次失敗或挫折而氣餒或放棄。要相信自己的能力和價值，並且不斷地學習和提升自己。此外，進行檢討也是很重要的一步。如果長期的求職失敗，我們需要重新檢視自己的目標和方式。

確認自己的目標是很重要的事情，如果總是設立一個過於遙遠的目標，例如薪水一次想提升的幅度過大，或者總是挑選與自己所學完全不相關的工作，可能需要好好思考自己真正想要的是什麼。如果確實有渴望達到的目標，接著需要問自己，到底缺少什麼？是相關技能嗎？還是有其他方面的不足的地方？好好思考之後記錄下來，或者直接詢問面試官，並且在了解後行動增進自己。

抱持著積極的態度跟學習的心

在求職的過程中，我們總是會遇到許多選擇和困境，例如面試失敗、沒有回音、薪資不符預期、以及痛苦的等待期等等。然而，只要我們堅持自己的信念和價值觀，保持積極心態，並且持續不斷地學習和提升自己的能力，便能夠克服困境，走向成功的職業生涯。

在求職過程中，編寫履歷和備審資料只是第一步，如果一直遭遇挫折，我們需要花時間反省和修正。可以參考網路上的教學資源，找出問題所在，並進行調整和改進。

此外，和他人交流和互動也是很重要的。現在網路資訊和社群非常發達，我們可以分享自己的經驗和想法，釐清問題並且認識更多的人脈，增加自己的機會和資源。

持續保持積極態度和學習心態，鞭策自己向前走，相信自己能夠實現目標，就能夠走向成功的職業生涯。

這篇文章 台積電主任工程師指點迷津：求職路上該如何面對挫折與失敗？｜專家論點【史塔克實驗室】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

無論是剛畢業或者轉職，相信面試對於多數人來說都是必經之路，不是所有人都有足夠的資金跟天賦當老闆，透過這篇文章，筆者希望和大家分享在科技業面試的經驗，盡量用條列式劃出重點，讓大家快速可以準備好上戰場。

無論是剛畢業或者轉職，相信面試對於多數人來說都是必經之路，不是所有人都有足夠的資金跟天賦當老闆，透過這篇文章，筆者希望和大家分享在科技業面試的經驗，盡量用條列式劃出重點，讓大家快速可以準備好上戰場。

筆者學經歷：

• 台灣大學電機博士，碩士主修半導體，博士專攻機器學習集金融科技領域。
• 曾任職於台積電主任工程師，玉山銀行機器學習工程師，以及量控科技股份有限公司技術顧問職務。
• 同時擔任無界塾創新教育協會、台灣發展研究院的講師。
• 也曾創立卡樂比創新教育和健細胞科技股份有限公司。

面試前需要準備哪些東西？

面試最主要的目的是讓雙方了解彼此，就像約會一樣。畢竟工作跟談戀愛類似，如果不討論試用期，簽下去就會有綁定的關係。因此，雙方是否適合非常重要。通常市場是屬於資方市場，剛畢業的求職者會盡全力討好公司，就像追女生時當工具人，什麼都說好，低身下氣，任人擺布。但其實長大後就會發現，只要持續提升自己的魅力和價值，找工作和找另一半一樣，不需要委屈自己。找工作重要的是找到一個適合自己能力和可以待的環境。

因此，在進入實際的面試關卡之前，要先準備好自己的心態和資料。現在讓我們來看看需要準備哪些資料。

1. 中、英文履歷表
2. 自我介紹投影片
3. 面試公司的資料
4. 面試或者筆試的題目

中、英文履歷表

首先是履歷的部分。通常我會準備兩份。第一份是中文的完整履歷，裡面會包含最詳細的學歷、經歷，以及歷年來所做過的重大專案和成就。在台灣的許多公司都會要求自傳，所以我通常會將自傳與這份完整的履歷放在一起。現在各大求職平台都內建了履歷的格式，在 1111 平台裡面，只需要按照步驟進行操作就可以完成履歷，並且可以下載。

其次，我會準備一份英文的簡歷。這份簡歷有多層用途。由於我曾經申請過海外的工作，我知道國外的履歷通常偏好一頁的篇幅，以求在短時間內突出求職者的重點。因此，製作英文簡歷同時也可以訓練自己如何用簡潔的語言推銷自己。在製作英文簡歷時，我推薦去 LinkedIn 上點擊其他求職者的簡歷，學習他們的寫作方式，這是最快進步的方法之一。

最後，提醒大家履歷是需要定期維護的，至少每半年或每年要更新一次，以了解自己在這段時間的進步和成就。

自我介紹投影片

有時候我在 Dcard 或者 PTT 上會看到社會新鮮人在問面試時是否需要做投影片。對此，我建議如果你自認為不是演講魅力破表的偶像，就花點時間做投影片吧。

在製作投影片的同時，也可以幫助自己訓練面試時的自我介紹流程，畢竟面試者一定會問你自我介紹。所以，大家不要偷懶，有做就有加分。視覺化的呈現可以更加幫助你在面試時的口語表達。

內容的話，基本上就是參考我上述的英文簡歷，讓自己可以在有限的篇幅跟時間下介紹自己，切記雖然推薦要做投影片，但不要太長。以2~5頁為限，以「簡短的自我介紹(3-5 分鐘)」以及「參與過的重點專案」為主，不要放入太多對方不會想知道的資訊。

蒐集公司資訊和前人面試狀況

在前往面試之前，先稍微研究一下即將面試的公司。大多數公司在網路上都有相關的資訊和評價。考官們在面試前會先查看面試者的資料，因此為了公平起見，作為求職者也應該了解對方公司的業務和相關資訊。

了解前人的面試經驗也是非常有幫助的。可以尋找相關的網路論壇或社交媒體，了解前人在該公司面試的過程和狀況。他們的經驗和建議可以幫助面試者更好地準備面試。例如，該公司的面試流程、問題類型、面試官的風格等等。

也可以詢問朋友或職場上的人是否認識該公司或在該公司工作過。請他們提供一些經驗，例如該公司的文化、工作環境、工作壓力等等。這些資訊可以幫助你判斷是否適合在該公司工作，也可以讓你在面試時更好地展現自己的價值和優勢。

總的來說，蒐集公司資訊和前人面試狀況是非常重要的，可以幫助面試者更好地準備面試，並確保你選擇的公司是符合你的期望和要求。

面試或者筆試的題目

這個項目會根據公司和職位的不同而有所差異。根據作者的經驗，它可以分為電腦科學類型和非電腦科學類型。

非電腦科學類型，除了英文之外，通常不會有太多筆試。而面試題目則會根據職位所需專業而定，方向也會多變。建議面試者在前往面試之前，搜集前人的面試經驗和考題資訊。

對於電腦科學類型，越來越多的應徵軟體工程師的公司，會讓考生考 LeetCode 或 HackerRank。這兩個網站都是用來檢測軟體工程師對於程式設計的掌握程度。想要提高，就需要多練習，多「刷題」。亞洲學生對這點不陌生，因為一直在考試就對了。

以下是兩個練習網站的網址，供大家參考：

• Leetcode
• HackerRank

面試當下的心態及態度

最後要跟大家分享的是當下的心態，大家最害怕的部分可能就是面試的問題還有臨場反應。

面試當下重要的態度:

• 積極的態度
• 專注
• 禮貌
• 不卑不亢

在面試中，我們很難了解未來的工作態度。因此，在除了表現對該職位和公司的興趣之外，面對自己不熟悉的問題時，更應該表現出積極的態度。而這種積極的態度不是裝懂，而是利用自己所知道的知識進行邏輯推理。

在一次面試中，筆者被問到網路傳輸時的訊號速度，近年來的硬體規格大約落在哪個範圍。儘管我不知道正確的答案，但我記得在碩士期間聽過光通訊運用在網路傳輸上的速度規格、自己在上網時的測速還有近年來電信業者主打的網速約為多少，經過推理出來的答案和面試官討論後，並沒有太大的差距。這讓面試官看到了我的一些特質。因此，我想分享的是，在面試中我們應該盡力讓對方看到我們的特質，最低限度的是不要撒謊或裝懂，而應該努力體現自己，展現最好的一面。另外，在提問方面，也是展現積極態度的好方式之一。

最後要提醒的心態就是「不卑不亢」，意味著面試者要保持自信，也要保持謙虛。保持自信意味著你相信自己的能力和價值，並且相信自己會找到適合自己的工作。然而，同時也要保持謙虛，意味著你要承認自己的不足，並且持續學習和成長。也意味著不需要委屈自己。

在找工作的過程中，面試者可能會遇到一些讓你感到不舒服或者不合理的情況，例如工資太低或者公司的文化和價值觀不符。在這些情況下，不應該妥協自己的價值觀和標準。就像前面我舉的感情例子，強迫自己身處在不喜歡的環境，是會讓自己很不開心的，除非是有很堅定的理由（薪水、未來成長性等等），先撇除比較現實的條件之外，面試者應該尋找適合自己能力和可以待的環境，這樣才能確保你在工作中感到快樂和有成就感，也會做得比較長久。

謝謝大家看完這次的文章，如果大家喜歡我的內容，可以用一杯咖啡的金額贊助讓我更有動力創作。

• 斗內連結：http://bit.ly/3u71zAH
• 如果想看我更多東西，可以點擊後方連結:  https://portaly.cc/starklab2020
• 裡面有我的podcast節目、程式線上課程、產業分析文章、程式實作分享文章! 歡迎來參觀

這篇文章 台積電主任工程師分享面試經驗：別只準備中文履歷，英文簡歷可以有多層用途｜專家論點【史塔克實驗室】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

近年來，人工智慧的快速發展開始對企業還有員工產生影響。隨著A.I的發展，傳統企業的運作模式和工作方式都將面臨改變。

儘管許多文章恐嚇著哪些職業最容易被取代，如客服代表、行政助理、資料輸入員、工廠工人、銀行櫃員、產品設計師、法律人、銷售人員、廣告製作人和財務管理人員，雖然以科技人的角度來看，不必過於擔憂，不能輕易地使用“取代”這個詞語來恐嚇這些職業。使用“取代”這個詞語很容易讓人們覺得人類將不再需要進行這些工作。但也不能完全沒有警惕，科技是一個趨勢，了解科技可以為個人和團體帶來更大的利益。

近年來，人工智慧的快速發展開始對企業還有員工產生影響。隨著 AI 的發展，傳統企業的運作模式和工作方式都將面臨改變。

在 2023 年五月，IBM 首席執行官透露，約有 30％ 的內勤工作將於未來五年內被人工智慧取代;這30％的職位包括員工通過離職或退休的工作職位，而非直接裁員。這顯示企業正在精簡人力資源並優化效益。在經歷了 COVID-19 疫情後的通膨現象，許多企業為了利潤最大化採取了精簡人力的措施，高科技企業也不例外。此時，人工智慧的大量應用為企業提供了一個思考的空間，他們考慮是否可以通過 AI 工具使少量員工完成與原來相同的工作量。如果可以的話，減少支出且保持利潤和工作效率相當，那麼何樂而不為呢？

儘管許多文章恐嚇著哪些職業最容易被取代，如客服代表、行政助理、資料輸入員、工廠工人、銀行櫃員、產品設計師、法律人、銷售人員、廣告製作人和財務管理人員，雖然以科技人的角度來看，不必過於擔憂，不能輕易地使用「取代」這個詞語來恐嚇這些職業。

使用「取代」這個詞語很容易讓人們覺得人類將不再需要進行這些工作。但也不能完全沒有警惕，科技是一個趨勢，了解科技可以為個人和團體帶來更大的利益。

對企業來說，追求的是「最大利益化」

企業追求的是「最大化利益」，透過相似或更高的投資報酬率來創造等值或更大的效益。以「工廠工人」為例，儘管機器手臂和自動化技術已經很成熟，但在初期建置時需要較高的資本投入。當訂單不穩定、現金流等問題無法負荷時，用科技取代人力並不一定是最佳方案。否則為何到現在還有工廠工人存在？

此外，關於某些文章提到民眾認為「服務業」容易被取代，值得思考的是便利商店店員的例子。可能有很多人認為店員是可有可無的，透過自動化結帳就可以消除店員工作。但在國外，Amazon 早已推出類似的無人商店概念，例如 Amazon Go。該商店採用手機作為進店消費的憑證，並使用影像辨識技術判斷顧客拿了哪些商品。儘管如此，自 2023 年 4 月起，Amazon 卻宣布關閉多家 Amazon Go 商店。原因在於越來越多人開始採取遠距辦公的工作型態，以及許多科技企業採取精簡策略，Amazon 也不例外。這個例子跟「工廠工人」一樣，不是科技無法達到，而是成本太高。用科技取代人力並不一定有意義。

上面的例子中考量的因素不僅僅只有成本，還有其他的因素，例如台灣的 7-11 也曾發展無人商店，但經過數年的測試，他們發現無人商店在台灣並不適合，因為店員的人情味無可取代，而且台灣的消費市場偏好熱食，熱食產品會因為無條碼可刷，因此建置的成本跟技術也相對較高。因此，7-11 近年來投入研發自動販賣機，認為這是比無人商店更實際的選擇。每個企業都會透過科技來提升效益，但對於企業而言，了解人工智慧的技術發展和應用場景是非常重要的，許多企業也正在積極進行相關研究，各家企業會找到屬於自己的路。

對員工來說，增進自己相當重要

對於現代科技，筆者認為平時可以閱讀相關文章並討論科技趨勢，甚至參加相關培訓和課程，以增加自己的能力，都是很值得去做的事。透過這些方式，我們可以了解科技的技術在自己所在的行業中的應用，並學習如何運用這些技術創造價值。

儘管這篇文章沒有對 AI 可能取代人類這個議題表示悲觀，但是 AI 確實破壞了許多專業的門檻，如商業設計。以往商家所花的錢與成果成正比，但現在使用 AI 後，過往花的固定成本可能會得到更好的成果，老闆花少少的錢得 60 分的圖片跟設計樣式，現在有了 AI 之後相同的金額可能會得到 80 分甚至更高的成果，這樣可能會排擠到一大批不專精的設計師，也可能會讓專業的設計師感受到危機感。運用 AI 技術或者如何創造出更多價值，可能是未來設計師必須要具備的能力之一。

就像過去紡織和棉花工業的生產自動化一樣，工人失業和社會運動的反對聲浪一度高漲。當時，大量的手工工人失去了工作機會，因為機器能夠替代他們的勞動力，並且常常發生毀壞紡織機的事件。歷史看似不斷地重演，但目前 AI 雖然還不至於馬上取代人類的工作，但是如何善用 AI 這個工具相當重要，以及如何提高人類的價值也是不可或缺的。例如，現代紡織業中大量的衣服都是由機器生產，但是手工製衣的產業仍然存在，並且專業性和差異化是其生存之道。

過去，我們認為每個人都可以學習程式，程式也是一種工具，可以讓不同的職業更加便利。然而，現在越來越多的公司將 AI 程式封裝好直接提供給使用者，例如 AI 繪圖、AI 演唱合成技術、AI 監考系統、AI 聊天機器人等等，如果讀到這邊認為我舉的例子還太少，那就對了！全球各地都在幫 AI 找新的工作機會，但人類是否有在學習和提升自己的能力呢？

最後不免俗套，人類只要努力增進自己就不會沒有工作，舊的工作需要的人力變少，但會產生新的工作需求，而且性質可能會類似。只要努力學習並掌握新的工具，我們仍然可以在不斷變化的世界中保持競爭力。

這篇文章 人工智慧對企業和職業發展的影響，如何增進自己能力成為重要趨勢｜專家論點【史塔克實驗室】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

職場壓力是現代人工作中難以避免的一個問題。特別是在科技行業中，高工時、快速追求高效率之下，還有人際關係的問題，壓力容易累積。本文將探討職場壓力的來源和影響，以及如何應對職場壓力。

職場壓力是現代人工作中難以避免的一個問題。特別是在科技行業中，高工時、快速追求高效率之下，還有人際關係的問題，壓力容易累積。本文將探討職場壓力的來源和影響，以及如何應對職場壓力。

壓力來源有哪些？

• 高工時以及工作量龐大
• 快節奏的生活
• 同事與上司溝通不良，無止境的責備
• 害怕學習成效不佳，無法勝任工作

以上幾點可說是科技業的縮影。為了在最短的時間內獲得最大效益，員工經常承受巨大的工作壓力。然而，這些壓力來源會對員工的身心健康產生負面影響，導致焦慮、抑鬱、睡眠問題以及身體疾病等問題。工程師開玩笑說每年的身體檢查都會有新的紅字。然而，這些實際上產生的心理和生理問題會進一步影響到人們的工作效率和生產力，使得工作變得更加困難。這不僅對員工不利，對公司也不是好事。

• 高工時和繁重的工作量：建議合理分配工作時間和工作量，制定優先級別，並尋求協助、委派部分工作給其他人或考慮外包部分工作。同時，保持良好的工作習慣和工作效率，以最小化不必要的延遲和重複工作。
• 快節奏的生活：建議養成健康的生活方式和日常習慣，例如定期運動、均衡飲食、保持充足的睡眠、減少手機使用等。同時，尋求放鬆和休息的機會，例如旅行、閱讀等。
• 與同事和上司的溝通不良，以及持續的責備：建議積極溝通並解決衝突，針對問題找到解決方案。同時，尋求建立良好的人際關係，增強自己的影響力和信任度。此外，當接收到責備時保持冷靜思考，並從中學習，避免過度反應。
• 學習效果不佳：建議定期評估自己的學習進度和學習方式，嘗試不同的方法和技巧以提高學習效率。同時，請求專業幫助和建議，例如尋求導師或學習伙伴的協助。

雖然每個職場的壓力來源不盡相同，因此需要針對不同情況和需求制定相應的應對方法。重要的是保持積極的心態和解決問題的意識，以克服職場上的種種困難。

筆者擔任過員工也有創業的經驗，多數主管的出發點是為了公司和團隊，希望提高產能和效率，因此對員工提出要求。員工的壓力源可能是認知差異，而引起的衝突。如果壓力太大而難以承受，可以透過公司管道或直接向主管反應，但需要注意的是，反應時要共同尋求解決方法，而非僅僅抱怨。另外，在與主管溝通時，如果提及自己的感受，坦誠和誠實很重要，但也需要注意措辭和說話方式，不能一味地把內心想法毫不修飾地傾訴給對方，這樣做絕非明智之舉。

舉個例子，我創業初期時，招收了第一名員工。我希望他能夠在工作時間之餘，幫忙做一些圖文宣傳設計，協助產品跟活動宣傳。然而，當我提出這個要求時，他卻以當初面試時沒談到這個工作內容、以非職務需求等理由拒絕了我的要求。

對於這樣的情況，我並沒有暴跳如雷，而是花費了很多時間和該名員工進行溝通，了解他的想法和顧慮。最終，我們達成了一個妥協：他願意在工作時間內做一些圖文宣傳設計，我也答應會在評估他的績效時考慮這部分的貢獻。在這個過程中，我們達成了共識，建立了相互理解和尊重的關係，透過溝通才能了解彼此的需求和限制，並且找到平衡點，實現雙方的利益。

總之，職場壓力是現代人工作中難以避免的問題。 無論是在新人期間還是成為了管理者，每個人都需要學會如何應對這些壓力。包括妥善管理時間、與同事和上司進行有效的溝通、保持正確的心態和學會處理壓力等等。

「溝通」是非常好的方法，互相地去理解，並且雙方找到平衡點，也包含了對自己的溝通，綜合以上所述，適當的溝通能夠幫助人們有效地應對職場壓力，並且建立良好的人際關係，透過溝通後適當的調整，我們可以更好地應對和克服困難，實現自我成長和成功。希望大家都能心裡更健康的面對工作各種挑戰。

這篇文章 工程師每年身體檢查都會有新的紅字？「溝通力」對職場壓力來說有多重要｜專家論點【史塔克實驗室】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

半導體產業是近年非常熱門的領域。主要是因為半導體產業的成長性越來越高，各種高科技產品都需要用到半導體。而台灣在這方面是全世界數一數二強的國家。筆者在這個領域已經研究了幾年，現在想和大家分享一下。

半導體產業是近年非常熱門的領域。主要是因為半導體產業的成長性越來越高，各種高科技產品都需要用到半導體。而台灣在這方面是全世界數一數二強的國家。筆者在這個領域已經研究了幾年，現在想和大家分享一下。

一些技術需要不斷突破的公司，他們的配置除了成熟的半導體製程製造之外，通常還有要帶領科技往前的研發單位。每一個職位都需要不斷學習，並且適應快節奏的生活步調。一般來說，多數人會到產線端去。產線上最常見到的幾個部門是製造部、四大製成部門（黃光、蝕刻、薄膜、擴散）、設備，以及製程整合。

筆者曾擔任過製程整合工程師，所以這篇多數會介紹這個職位。平常需要做的事情是針對線上產品進行檢測與監控分析，然後讓成熟製成的產品可以穩定生產，提升整體工廠的良率數值。在成熟製成的半導體工廠裡，通常設計上已經不太需要有變化，但是工廠內的生產機台都是24小時運作，只要機台發生些許變化，都會影響到線上產品的良率。這個職位會透過各種方式收集數據，然後透過證據先抓出哪些機台有異常變化，然後就要和其他部門（製成、設備）合作，來修復機台。

在成熟製程的工廠中，還是會有新的產品進入的時候。這個新產品的意思，指的不是突破奈米技術的那種新產品，而是在相同製程技術下，客戶指派新的電路設計產品。製程整合工程師的工作也包含顧起種類新產品的重責大任。

初期需要確認各項製程窗口是否足夠。製程窗口的意思是指機台在運作時，都會有不同的參數是調控製成的變化。每一個新產品都需要重新去分析，否則有可能當線上機台不穩定時，製成窗口較小的產品就會遭受到嚴重的影響。所以通常會讓製成窗口（Window）開到最大。

中期會和製成部門進行各種電性的實驗，例如操作電壓、漏電大小、SOA等。和上方相同，做完實驗之後會去了解電性的窗口。在物理特性和電性分析的階段，都會有少量貨物在線上進行製成，稱之為 Pi Run。等到這些測試貨物都完成，客戶也滿意之後，就會回到上述量產的階段。

製程整合工程師是一個學習範圍相當廣泛的職務。他們需要了解製程的整體流程、物理特性以及電性。除了這些硬實力之外，這個職務還需要加強溝通能力。製程整合工程師經常需要充當溝通橋樑，向客戶報告各種實驗分析和數據，有時甚至需要傳達合理或不合理的要求，這種情況下接受或拒絕都是兩難。

另外，製程整合工程師還需要與工廠內部其他部門進行溝通。有時候，分析出來的數據和證據並不是所有部門都會接受，而且需要協力處理問題。如何有效收集有利的證據並說服其他部門和自己合作，這些溝通上的挑戰都是這個職務的日常生活。

這篇文章 想成為半導體「製程整合工程師」，需要具備什麼條件？｜專家論點【史塔克實驗室】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

上一篇我們看到了如果單純去讓機器學習去預測價格時，會遇到那些問題，最後這一篇，我們會來跟大家聊聊，學界的人是怎麼看待這一塊的，他們運用了哪些策略讓機器學習融入金融交易這個領域。

上一篇我們看到了如果單純去讓機器學習去預測價格時，會遇到那些問題，最後這一篇，我們會來跟大家聊聊，學界的人是怎麼看待這一塊的，他們運用了哪些策略讓機器學習融入金融交易這個領域。

在金融交易上，最重要的是策略！

在上一篇中，我們會讓機器傻傻的去「預測」股價，但有了股價，人類有可能還是不會去買賣股票，其實要讓機器來協助人類，無論何種領域，最重要的事情是「策略」，白話一點就是什麼時候要做哪些事情，要把大問題逐漸的拆解成小問題，然後透過機器來協助我們。

例如我們剛剛舉的例子，有了股價，但人類卻不知道什麼時候該買賣，那買入點跟賣出點可能就是一個需要解決的問題，用上面提到的拆解理念來分析的話，最大的問題是「從股票市場上賺錢」，往下專研的話就會有好幾條路，我們先簡化成一條簡單的策略路線：

「從股票市場上賺錢」-->「選定某個股」--> 「找到適當的時機」-->「買入」--> 「找到適當的時機」-->「賣出」。

好！我們看到了一個重點就是 「找到適當的時機」，我們就來參考 IEEE 的一篇論文 [1]，看看學界是怎麼來思考的。

這篇論文的策略，是希望機器學習模型可以找出股市的轉折點，然後來輔助交易。從下面的圖中，研究者先把歷史股價中，轉折的地方標注了起來，轉折的意思就是從「漲」變成「跌」的瞬間，或者是「跌」變成「漲」的瞬間。然後讓機器去學習這些資訊，來預測什麼時候是這個變化的瞬間，這樣聽起來，是不是比起直接預測股價好懂多了，也比較能拿來直接運用在交易市場。

像這種用機器學習模型找轉折點的技術在學界也有曾經流行一陣子，有相當多篇論文 [2] [3]。

另外一篇論文則是國內的論文 [4]，這篇論文提出來策略，則是解決上述「選定某個股」、「找到適當的時機」、「買入」、「賣出」。 

因為台灣的一些規定，會請各上市公司在每個月10號之前給出財報跟各種資料，而這篇論文則是使用機器學習來分析財報基本面，還有每天的股價技術面資料，然後每個月10號會給出20個推薦的個股，以及在每個月10號賣出所有個股，每個月11號買入機器模型推薦的股票，策略如下圖。

從實驗中的數據中看到年化收益率達到56∼132%，夏普比率為0.98∼1.52。

在學界跟業界其實一定都會有團隊開始使用機器學習來輔助交易，但是筆者認為機器學習不適用於所有人跟機構，除了不可預測性太高，風險之外，人性是一大弱點，人類真的會無條件相信自己創造出來的模型嗎？ 有時候人類自己賠錢就算了，但把這些行為交給機器時又是另外一件事了。

而且以投資而言，簡單的策略也可以賺錢的，因此不一定要用機器學習，這種高門檻的技術來輔助投資。

程式交易和機器學習交易的差異

最後我們真的要來統整一下二者的差異了。

量化投資、程式交易： 其實這二個名稱要混合一起看會比較好，因為首先這項技術是以統計維基基礎，透過數據分析還有數學運算來得到最佳的買賣點，並且加入程式得到自動化、系統性的交易方式。

機器學習的輔助交易：機器學習的演算法，早期的技術都是使用類神經網路或簡單的回歸模型，這些技術都是從統計學衍伸而來，可以預測未來數據的技術。機器學習是統計模型的延伸，用來「預測」未來資料的落點，然後協助使用者判斷未來趨勢。

複習完了二者簡單的定義，那最顯著的差異是什麼呢？

最大的差異在「人類」的介入方式與程度

在程式交易裡面，人類需要先完成分析，並且自己在市場中找的一個規則，然後把這些規則用數學模型告訴電腦，電腦做的事情，只有造著人類說的話進行。

而機器學習，則是機器自己找到一個在金融市場上的規則，人類要負責的事情是蒐集數據，以及設計機器該運算出來的結果。使用機器學習技術之後，人類開始期待 AI 找到人類無法觀察到的規則。

未來金融交易市場 AI 對抗 AI 時代

講到這個主題，很常聽到人家問我，未來如果都是機器人會怎樣？ 其實使用科技來輔助投資，在投資圈這樣做的人、團體已經越來越多了，但終究還是會有個入門檻，像是我上面介紹的機器學習輔助投資一樣。

但這個趨勢真的是不可逆的，雖然現在機器學習技術依然有門檻在，並非一般民眾容易跨入的領域，但是許多概念與技術一樣冒出來，前幾年我還在說 AI 寫的文章邏輯前後不通順，但 ChatGPT 推出之後，可能再過幾年，就會有邏輯通順可以寫小說的機器了。

唯有徹底了解這些技術的本質，了解每一個 AI 工具的交易行為模式，才有機會在這市場上取得先機，畢竟我們這幾篇提到的技術，還是離不開「人類」，也許某一天 就會面臨到 AI 對抗 AI 的時代，但人性的特色跟弱點還是存在著，沒有一個百分之百贏錢的方式，如果有天你靠著這些技術，連續好幾次交易都賠了錢，你會選擇繼續使用科技交易，還是自己下海？

[1] Integrating a Piecewise Linear Representation Method and a Neural Network Model for Stock Trading Points Prediction
[2] A dynamic threshold decision system for stock trading signal detection
[3] Integrating piecewise linear representation and weighted support vector machine for stock trading signal prediction
[4] 基於綜合特徵選擇方法優化投資組合的月交易策略

謝謝大家看完這次的文章，如果大家喜歡我的內容，可以用一杯咖啡的金額贊助讓我更有動力創作。

? 斗內連結：http://bit.ly/3u71zAH
? 如果想看我更多東西，可以踏入傳送門進入我的領域: https://portaly.cc/starklab2020

裡面有我的podcast節目、程式線上課程、產業分析文章、程式實作分享文章! 歡迎來參觀

這篇文章 程式交易跟A.I人工智慧投資的差異 （下）｜專家論點【史塔克實驗室】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

上一篇我們看到了程式交易，有些人稱之為量化投資究竟是怎麼運作的，這次我們來看看如果講到機器學習、人工智慧投資的話，又是什麼樣的世界?

上一篇我們看到了程式交易，有些人稱之為量化投資究竟是怎麼運作的，這次我們來看看如果講到機器學習、人工智慧投資的話，又是什麼樣的世界？

機器學習真的可以精準預測「價格」嗎？

在金融科技的圈子，認為這件事是不可能做到的，但就算是認同，我也絕對不敢斷定，或直接了當的大肆宣揚，畢竟科技的進步速度很快，搞不好在我文章出來的數年後，這件論點已經被推翻了，雖然筆者依然認為這件事很難做到，原因是如果真的做到精準預測股市價格，那市場的平衡將會大亂，很難想像機器預測股票價格之後，整個經濟市場的運作將會如何。

另一個不可能預測的論點，我們從技術的角度出發，是因為「預測延遲」的緣故。

大家先看到下面的示意圖，X軸指的是時間，越往右邊表示時間在前進，Y軸指的是價格；藍色的線是真的的股市價格曲線圖，紅色線是機器學習預測的價格曲線圖。

「預測延遲」的意思指的是紅色的線（預測的結果）永遠藍色線（真實情況）還要慢，如果不太懂得讀者，可以看到我標註的紅色點，剛剛講到X軸是時間，當時間推進之後，藍色線（真實情況）已經在往上漲，但是紅色線（預測）卻是告訴使用者不斷下跌，因此仔細看之後就會發現，要直接預測數值的話，是不可能拿來交易的。

網路上有很多教學文章，都是會拿預測股價來當練習範例，但希望大家不要以為學完那些範例就天下無敵，要了解一下你用的招式背後的含義是什麼，畢竟那些都是用來入門的學習；如果想自己找到網路上的教學文章來試試看，google 搜尋「Machine Learning Predict Stock Price」就可以找到了。

之所以會有這樣的問題，是因為股價並不是 stationary time series，而且在這種模型中使用 ohlc（開盤價、最高價、最低價、收盤價）來當特徵值，會變成一種有參考答案的預測模型，只要跟著收盤價的價格做些微調整，其實很容易讓使用者以為預測很準。

因此用機器學習來預測「股價」是很好的練習機器學習的範例，但要拿來實際的做下單，可能還是要好好考慮清楚。

所以.....機器學習，沒辦法拿來用在「交易」嗎？

我們就先「假設」機器學習無法預測股價好了，那機器學習對於股票市場的分析，就完全無用武之地了嗎？我們重新思考一下，大家在買賣股票的思考邏輯中，有直接預測未來價格再做交易判斷的嗎？從股市中獲利就一定要預測「價格」嗎？

像是我們上一篇提到的「量化交易」，通常是設計、撰寫交易策略（例如黃金交叉就買進，死亡交叉就賣出，或者是突破壓力線就買進，漲幅突破3%就賣出），在量化交易的邏輯中從來不用預測股價，因此我們可以知道其實不需要去預測未來價格也是能夠賺到錢的。

不用預測股價，而是去讓機器學習交易的訊號

既然叫做「機器學習」，那我們人類勢必要讓「機器」去「學習」一些知識，我們就可以讓模型去學習人類買賣的時機點，這個學問就很龐大了，因為每個投資者的策略方法不同，買賣的時機點當然也不一樣，這也是用機器學習輔助投資有趣的地方，大家設計出來的機器學習模型都不同，產生的交易訊號也不盡相同。

投資的重點在於買賣的時機點，什麼時候買，什麼時候賣非常重要，也就是策略。

下一篇文章我們再來找幾個範例給大家看看人類是怎麼訓練機器學習模型，讓人工智慧可以輔助投資這一塊。

謝謝大家看完這次的文章，如果大家喜歡我的內容，可以用一杯咖啡的金額贊助讓我更有動力創作。

? 斗內連結：http://bit.ly/3u71zAH
? 如果想看我更多東西，可以踏入傳送門進入我的領域: https://portaly.cc/starklab2020

裡面有我的podcast節目、程式線上課程、產業分析文章、程式實作分享文章! 歡迎來參觀

這篇文章 程式交易跟 A.I人工智慧投資的差異（中）｜專家論點【史塔克實驗室】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。