原標《面試心得(M/N/P/立錡/天鈺/瑞鼎)》

文/DCARD 網友

當初面試也參考了版上許多心得，因此也來發一篇當初面試的小小心得，第一次發文，排版不週請見諒，以下N是發哥舊新人價。

~~~~學歷背景~~~~

中字學四大電機碩，面試職缺是類比RD，碩論題目是LDO。實驗室領域是做元件製程跟模擬的，基本上完全背道而馳。大部分時間都是單幹，因此有特別修過CIC的一些相關課程。

~~~~求職方向~~~~

本身是台南人，希望能待在台南，而且新竹物價房價都太高小弟負擔不起QQ，因此台南>新竹。考慮到發展性的話能碰到Serdes最好，真找不到才會考慮其他領域。

~~~~面試公司~~~~

1. 天鈺(台南)

這間是通過人力銀行主動找我的，原本人資開的職缺在新竹，後來我說想待台南人資就重新開給我台南的職缺，考慮到位置在成大附近市區，生活機能還蠻好的，所以想說可以去試試看，就算沒上也可以賺賺經驗。

一面:

進去先給你一張試卷填寫，讓你寫30分鐘左右，題目不會太難而且也不多，大概是MOS 特性、名詞解釋、layout畫法、米勒補償以及電路學的東西。寫完之後等主管進來。主管一進來就先問題目卷沒寫或寫錯的部分，看看你有什麼想法。基本上主管人很好，過程中會慢慢引導你，所以也不用太擔心沒寫出來會怎樣(當然也不能太誇張)。 之後是白板題，由於部門是做純power的，主要問buck和boost的運作原理、bandgap電壓公式推導。主管原本看我是做LDO所以不太期待我能答出來，不過剛好修課有修到所以還算熟悉，所以如果可以的話多修相關課程還是很有幫助的。

接著是報碩士作品，途中主管會問你相關問題，包括怎麼設計、設計考量、想解決的問題以及量測考量之類，上面這些問題在面試前一定要先想好要怎麼回答，如果碩論裡面有些結果有問題也要想辦法圓過去。最後報完之後主管會介紹部門，然後問你有沒有什麼問題，沒有就結束面試了。

二面:

一面完隔天就收到通知約二面了(速度真快)。二面比較輕鬆，大主管還有買飲料請我喝XD。這階段就是在聊天而已，但也是要準備好問題問要不然面試很快就結束了。然後大主管有問有投哪些公司、選擇考量以及志願序。這部分我是沒全講，畢竟還要排序，所以我只列一間比較大的跟其他比較小間，然後把要面試的公司排在二順位，給人一種我不一定會去但有很大機率去的錯覺(但只對二線廠適用)。整體來講第一次面試真的會緊張，所以盡量在面第一志願前多找幾間練練經驗。

結果:offer get (N-2)

2. 立錡

這間也是自己主動找的，曾經的類比IC龍頭。被發哥併入以後專門幫發哥做電源管理，學長姐很多在裡面做數位，原本有打算投沒想到先找上來了，想說有前一次面試經驗應該沒問題，結果反而是最慘的一次。

一面:

主管進來直接先讓我問問題，問完之後叫兩個工程師進來一起聽我報碩論。比起前面天鈺問得更細，還會詳細問我電路的運作原理問到他們徹底了解為止，然後也是有問設計考量，並且根據你的回答繼續深問。大概問的問題如下:

A. 畫出NMOS剖面圖。

B. input offset來源?

C. mismatch的解決方式?

D. layout怎麼解決mismatch?

E. vgs大還是小對mismatch比較好?

F. 2u/2u跟4u/1u的size哪個mismatch比較好?

問到最後兩個已經答不太出來了。後面就是針對大學研究所的成績跟修課詢問，有被當的科目也是也先想想怎麼掰比較好。從問答的過程可以感受到立錡的類比實力堅強，雖然過程頗慘但真的學到很多。

結果:無聲卡

3. 群聯(竹南)

部門主要是做DDR/PHY的，高速介面算是蠻符合我興趣的，但公司真的很偏僻= =。從竹南火車站搭計程車途中啥鬼都沒有，想吃東西只能叫熊貓。如果想存錢倒是不錯的選擇。

一面:

一進來給你寫一份試卷，主要考積分器、bandgap跟divider。主管進來之後一樣根據你試卷上的回答來問問題，不會的就空著別打腫臉充胖子。然後開始報投影片，有前兩次經驗基本上報告已經駕輕就熟了，而且主管不是做LDO的，因此報告過程蠻順利的都沒被打斷。接著就是發問時間，一樣把原本準備好的問題丟出去問，沒啥好講的。不過中間有問主管為啥會待那麼久，他直接回答錢太多腳麻走不動，還蠻誠實的XD。

二面:

一面完大主管直接進來二面，完全沒時間準備。不過也是簡單報告一下碩論而已。之後就是單純聊天。不過問到一些私事像是有沒有女友之類不知道用意是啥。然後也是問有投哪些公司。這邊有講到有投台南滷肉我覺得是敗筆，因為他看我是台南人眉頭還皺了一下，要不然整體過程還算順利。

結果:一個半月後人資打來詢問意願

4. 瑞鼎(台南)

部門是做車用電子的，也是做高速介面的部分，地點在中西區。雖然沒有天鈺位置好但也還是在市區。而且最近幾年也是賺蠻多的。在二線廠裡算TOP的了。算是我前三志願。

一面:

進來也是寫考卷，題目有夠多，除了考bandgap、米勒補償、constant-gm、MOS非理想效應這些之外還有考PLL、verilog。之後兩個不同team的主管各帶一個人進來面試，一樣報碩論，中間主管沒問什麼問題。然後開放給你問問題。跟前面都差不多。

二面:

一面完大概兩個禮拜通知二面，地點一樣在台南。這階段單純聊天問問題，所以二面你要準備足夠份量的問題來問才不會太快結束。另外主管有稍微暗示分紅好像不錯的樣子。也有問到志願序，我是直接講優先台南，看的出來主管很滿意XD。

結果:offer get (N-1)

5. MTK(竹北)

部門是做TV USB 3.0的，也是Serdes，跟立錡一樣在台元。網路上看發哥TV似乎很操，但考慮到格局跟發展性還是過來面試了。竹北這邊我有面兩個部門，因為時間不同分開講好了。

部門A一面:

進去先考多益，我英文爆爛指考580，不過好像也沒怎麼樣。之後四個長官進來，看他們睡眼惺忪的樣子感覺似乎真的操。之後就是報碩士作品。因為LDO跟OPAMP很類似所以主管都直接問OPAMP了，問題如下:

A. 輸入電壓增加時哪個MOS會先進linear?

B. VDD下降時哪個MOS會先進linear?

C. 單級放大器變cascode時頻率響應變化?

基本上問題不難，考你基礎而已。之後一樣問有面哪幾間，志願怎麼排，這邊我是實話實說，畢竟主管看我是台南人，如果我說發哥先的話主管應該會覺得我在唬爛，所以還是實話實說了。

部門A二面:

當天收到二面通知，聽同學說發哥有二面幾乎穩了，所以就沒特別準備。進去只有稍微講解碩論在幹嘛而已。然後問了一下放大器的增益怎麼算。之後一樣閒聊，中間大主管再次詢問志願序，我還是照實回答，現在想想感覺還是唬爛比較好QQ。

結果:無聲卡，人資後來有打電話說主管覺得我不會來就沒錄取了

部門B一二面:

跟上面一樣部門只是不同主管，因為大主管也有來所以是一二面一起，剛開始不知道還以為兩個都是小主管而已。我進來是直接報告投影片，由於我的系統頻率響應比較複雜很難直觀解釋，但大主管希望我能用直觀的方式講解，導致中間雙方卡了很久在討論，甚至有點火藥味。整個面試光報碩士作品就一個半小時了，後來時間不夠的關係報告到一半就被強迫終止了。最後小主管大概介紹一下部門就結束了。事後想想會嫌貨的才是買貨人這句話真的沒錯。

結果:一個月後人資打電話來詢問意願

6. NTK(台南)

台南的話這間應該是首選，最近幾年賺很多，有認識在裡面的學長姊都是笑呵呵的說滷肉真香。因為我是通過內推方式投履歷，所以人資那邊要等所有部門回覆才會發通知，所以這家等兩個禮拜才收到面試通知。

一面:

進來直接寫考卷，考卷題目很多時間也很趕，所以不用指望能寫完，挑會的寫就好。考的東西基本上都大同小異，題目不難但是範圍很廣，如果只鑽研自己研究領域沒去修其他課還是會有很多寫不出來，所以能多修課還是多修比較好。進來之後主管也沒問考卷，直接讓我報告，中間針對有疑慮的部分詢問，到這邊基本上會問什麼問題應該都心裡有數了。之後就是閒聊，主管有特別問到這學期怎麼還有修課，我回答想多學一點東西，看的出來主管很開心，所以面試的時候表現你好學的部分也是很加分的，然後也是有問有投哪幾家，這邊就照實回答就好。

二面:

兩周後通知二面，地點在新竹。進來直接報投影片，因為一面已經報過所以大主管大部分都在聆聽而已沒啥發問。之後就是閒聊，大主管有提到新竹的分工比較細，所以每個人專精自己的領域，台南要做的電路比較雜，但相對也學得多。另外部門偏研發所以分紅不會比事業處多但下班時間就早一點。最後口頭給offer這樣。

結果:offer get (N-1)

~~~~面試總結~~~~

最後來總結一下好了。首先是自我介紹的部分，修相關課程跟下線作品要特別highlight。對主管來說有下線經驗比什麼都重要，哪怕不能work也要放，TSRI的晶片實作課程能上盡量上，畢竟有結業證書可以證明下過線。列出相關課程可以讓主管知道你學的很廣，展現好學跟積極的態度。報告投影片簡潔一點，論文中太過細節的東西不要列出來，讓主管自己問就好。沒把握回答的部分就別放上去，要不然會一直被狙擊。投影片的主要目的除了介紹自己作品之外，還可以把主管引導到自己有把握的部分，所以不會的部分能藏就藏。然後有餘力可以先報給其他同學聽，旁觀者蠻容易看出問題的。

接著面試題目，基本上MOS元件特性像是channel-length modulation、body effect這些東西必考，另外bandgap 、constant-gm、米勒補償也很常出。這些都是基本題一定要拿下。有些公司還會考其他像是LDO、PLL、charge pump、verilog、setup time hold time這些比較進階的，但都很簡單，考你會不會而已。如果有寫出來的話，看主管反應加分還蠻多的。所以這邊再次強調修課的重要性，行有餘力去修其他IC的相關課程不會吃虧。

最後是閒聊部分，這階段就是讓你問問題的。這些問題也是面試前就可以先想好的，一方面可以了解部門在幹嘛一方面可以展現積極度。我自己是一定會問的:部門做什麼產品、通常幾點下班(不過這個通常有問跟沒問一樣)、福利制度、需要跟哪些部門co-work、新人訓練，剩下的會根據主管的回答繼續深問。然後主管最後通常一定會問你投哪些公司，要你排志願序。這邊我建議回答根據一線廠跟二線廠來分。如果你現在面的是二線廠且不是第一志願的話，你可以誠實說你有面其他一線廠，然後把對方的公司排到二志願，給人一種我不一定會去但有很大機率會去的錯覺，這樣比較不影響錄取結果，也不用怕之後放鳥會黑掉。但如果今天是面一線的話，不用囉嗦直接把對方排第一志願，因為一線廠找人比較容易，後面一堆人搶著進，沒必要在一個不一定會進來的人身上浪費時間。阿如果你是真強者的話上面那些當我沒說。剩下的問題PTT應該都能找到，我就不多做贅述了。最後祝各位都能找到理想的工作。

※本文由 DCARD 網友 授權勿任意轉載，原文《面試心得(M/N/P/立錡/天鈺/瑞鼎)》

這篇文章 【學長姐帶路】六間知名類比 RD 面試心得 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

原標《在 2024 年對找第一個數據工作的學習指南》

文/AdamChang

回首過去幾年的工作時間，對數據的工作有了更深的理解，在 2024 的這個時刻，跟前幾年的數據工作已經很不一樣。數據分析的工作開始逐漸細化，在整個數據分析的完整流程中，定義了更明確的分工與角色。

而角色的分化，對於想要進入這個領域的人而言，在選擇上更加多元也更加複雜。儘管如此，市場上仍然是有一些共通的職務需求。

在這邊文章中，會從我自己的工作經驗上，跟大家分享，如果你想要進入這個職務，需要累積的共同需求，一共七個項目，希望能有助於想要進入這個職務的朋友。

一、累積統計知識

統計分析是數據分析的基礎，不管到任何產業上，只要是從事數據分析行業，基本的統計分析知識都是必須的。

學習如何分析趨勢的統計方法、學習做實驗的方法、學習分析原因的方法、學習預測的方法…等，諸如此類基於數據去了解真實世界的方式，以及透過數據去產生決策的方式，這些都是做數據分析的必要基礎。

二、學習好 SQL

SQL 算是數據分析的基本工具之一，做數據分析的第一步驟就是：我們要先取得數據。

SQL 就是取得數據之中最基本的工具，數據絕大多數都會被存取在資料庫中，雖然現在有更多元的資料型態，也有不同的取用數據的方式，但 SQL 絕對是在其中比重高的需求之一。

如果想從事數據分析，SQL 就是一定要會的技能。

三、學習 Python

拿到了數據後，就要來實際處理和分析數據，而 Python 就是目前主流在處理數據和分析數據的主要工具之一。

SQL 雖然可以取用數據，也可以處理數據，但並非唯一的處理工具，通常在實際的工作中，會和 Python 相輔相成。

學習 Python 會是想加入數據分析產業時，也需要累積的技能之一。

四、學習故事力

故事力，又稱 Storytelling。在每一個數據分析專案裡面，都需要跟合作單位、利害關係人、客戶、或是老闆等等，說明我們的分析洞見，以及說明『為什麼我們要做這個分析』。成功的提案和洞見，故事力在其中都是不可或缺的角色。

學習如何透過數據說商業故事，是成為數據分析人員的重要技能。

五、針對產業做研究

產業研究在 2024 年這個時間點，逐漸成為數據分析人員的重要技能之一。根據我自己工作上的觀察，現在有越來越多的企業，在招募數據分析人員時，都希望他們能夠透過分析，幫企業帶來新的商業洞見。

如果對數據分析工作有興趣，我非常建議大家可以針對自己有興趣的產業做研究，這份研究除了可以加深對產業的理解，同時也可以成為自己作品集的一部分，是一件非常划算的事情。

六、學習資訊系統知識

數據分析是一個跟資訊科技非常緊密結合的行業，在早期做分析時，很多時候就是從資料庫裡面撈取數據，並跑統計分析結果而已。

現在隨著資訊科技的進步，數據分析人員需要接觸的資訊工具越來越多元，比如要會雲端、會大數據處理、會機器學習、會深度學習、會資料庫的管理、會部署模型服務等等，越來越需要多元化的資訊科技服務。

學習基礎的軟體系統知識，雖然面試時不一定會考，但是會是在工作上非常加分的技能。

七、嘗試透過數據，解決真實世界的問題

有一個常見的討論是，要面試數據分析工作，需要有一個自己的作品集。

這個概念大方向來說絕對是加分的，但最好是『有意義的』作品，而不是為了做作品集而做的作品。

有意義的作品，最好是來自於解決一個真實世界的問題。比如說，我想要尋找網站上最低價的商品，所以我做了一個爬蟲比價的分析。或者說，想了解哪一個國家具有發展潛力，所以就做了國際經濟的分析。又或者是因為想找更好的工作，大量蒐集和分析求職網站的職缺，找出產業的需求是什麼。

解決真實世界的問題，會讓你的分析更有價值，也更能讓其他人感同深受，認同你的分析結果。

總結

以上這七點，是我這幾年從事數據分析工作下來，認為數據工作者可以參考的學習方向，分享給大家參考。如果你對數據分析的工作有興趣，

可以往這些方向做學習和累積。

※本文由 AdamChang 授權勿任意轉載，原文《在 2024 年對找第一個數據工作的學習指南》

這篇文章 【學長姐帶路】數據分析師必備七大技能 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

原標《2024下半年前端工程師求職經歷分享》

文/Ching

前言

在今年9月因職涯發展考量，再度投入了前端求職市場，前前後後總共面了15家公司，在這段過程中，非常感謝每一間提供面試機會的團隊，且大概有一半的面試有專業的技術考，透過這些機會再次檢視自己當下的程度，與需要更加進步、調整的方向，在這裡整理並作分享，希望可以幫助到廣大的求職者。

大綱

• 求職背景
• 求職紀錄
• 求職過程
  - 求職心得 & 體悟
• 對於市場的觀察&心得
• 總結
• 技術面試題整理文章(持續更新中)

求職背景

以下為本身當時的求職狀態：

1. 半年遊戲產業的Junior前端工程師實務工作經驗，在職情況下求職
2. 以React框架為最主要的開發框架，熟悉react hook, react-router-dom等工具，有大約一年的開發經驗
3. 在工作的半年中持續有開發Vue2 & Vue3的經歷，VueX, pinia也都有用過
4. 熟悉樣式庫TailwindCSS, MUI, Bootstrap
5. 使用Vite作為打包與開發工具
6. 目標加入一個重視技術、開發細節，把產品品質做好的團隊，沒有偏好的產業

推薦文章>>八個月自學轉職前端工程師 — 面試篇

求職紀錄

在八月底開始投遞履歷、一個多月左右的面試過程中，總共面試了15家公司，以下爲notion表格結果，依據職稱、結果、產業、是否有技術考整理：

註：電商包含廣告、旅行社、科技業的線上電商平台，金融包含投資、銀行業

求職過程

因為這次的求職相對想要盡快找到下家，在沒有限定特定產業條件下，策略還是以海投為主，爭取多一點面試機會。雖然相對會比較累也不確定公司的優劣，但過去面試經驗也有遇過非常不起眼的機會，但面試後非常驚艷，技術力非常出眾，且面試流程非常專業的團隊，所以這次還是以爭取多一點的機會為優先。

求職最煎熬的部分，還是不確定性與辛苦的等待，雖然開始投遞後，陸續都有穩定一週大約三個面試機會，一開始很慶幸還好有不少的機會，但距離拿到第一個正式的offer，足足花了三週多的時間。

這期間內不斷經歷的，不外乎以下幾個狀況：

1. 初試沒原因的直接收到無聲卡&感謝函
2. 覺得自己在技術面試與考官聊的不錯，兩天後直接被發感謝函
3. 技術面試回答出七成以上，充滿期待的等待一週之後被刷掉
4. 花了大量時間成本，但面試的團隊條件甚至比原本更差

過程中被滿滿的自我懷疑、緊張、焦慮等負面情緒包圍，擔心自己的職涯與未來發展，同時要把當時的工作好、協調面試時間與請假，感到是否在浪費自己的時間，或者自己的條件不足拿到理想的offer….等。

雖然就結果來說拿到4個offer看起來還可以，但從開始面試到拿到第一個offer，足足花了三週多。前期累積的不安與焦慮真的苦不堪言，還好壓力在拿到第一個offer被釋放，後期的面試也慢慢越來越順，最後也有拿到符合需求的職缺offer。回過頭來看，對於求職者有幾個提醒與領受：​

1. 面試結果受到眾多不可控因素影響，不一定與自身價值有關
   比較健康的態度，應該是把面試當作自己階段性的檢視與回顧，確認學習方向與成長狀況的機會。從面試可以得到的都是自己平常不曾注意、忽略的問題點，持續復盤並精進，並可以知道現在市場需求的技能，也能依據此來做日後的調整。
   團隊缺額緊急程度、公司編制調整的策略，headcount & position budget、開發的產品線規劃….等因素，都直接影響一個candidate是否會被錄取，這些都是面試者沒辦法準備、應對的部分，甚至沒有對錯的人格特質、講話方式，都可能主觀的改變結果，真的沒有被錄取，就當作是沒緣分也不為過。
   收到感謝函的感受真的不好，但絕對不要因此認為自己的能力有問題，受到AI與前幾年大量的初階工程師進入市場，至今可能都尚未消化完，且現在的職缺可能一部分是所謂幽靈職缺，除非candidate非常優秀，到超過90分的水準，否則都不足以讓優秀的團隊願意開出offer，甚至一般水準之上、70、80分的程度都不一定能有好的結果。
2. 不要急於要在短時間內找到下家
   自己在面對這次的轉職態度，真的算是蠻急的，也因此讓一開始投入市場的過程更加煎熬與痛苦。現在反思，從準備投遞履歷、開始面試過程、初試、複試、挑選合適的職缺、到決定要接受哪個offer，過程需要至少一個月以上的時間，是非常合理、正常的。
   在有這樣的預設心理下，在面試的過程也可以保持相對健康的態度，不會過度被得失心影響面試表現，也可以好好挑選符合自己期待、需求的職缺，避免為了趕快上岸而挑選到差強人意的選項。不斷自我檢視、復盤每次面試的表現，都是漫長的求職過程必經之路。
3. 等候offer結果的時間不一定很長
   這次面試的前期，剛好結果都需要等一週以上，加上一開始真的任何offer都沒有收到，在煎熬後等到的結果是否定的當下，真的會覺得等候的時間記漫長又痛苦。
   但後面在面到一些博弈公司，因為團隊較為新創，很突然的經歷到面試兩三天後就收到offer、或二面完當天下午就收到人資打電話來談薪資條件。甚至最後決定加入的團隊，是在已經有offer要在一週內回覆的情況下，與主管與面試官協調是否能加速面試流程，原本要等大概兩週的時間，最後戲劇化的在一週內就談好薪資。
   收到offer的時間，不單只能苦苦的等候，事後寄folloup信函、產業特性、職缺緊急程度、當下的協商條件，都是影響等候offer時間的因素，亦不需要過度解讀時間長短的意義。
4. 不用抱持工作經歷一定要無縫接軌才敢離職
   因為自己相對還是非常junior的程度，且資歷也相對只有短短的半年，在不知道市場的熱度下，怕裸辭求職會面臨較長時間的無經濟來源時期，因此還是不敢貿然離職，只敢帶職請假安排面試。
   在離職的狀態下，相對也是告訴面試公司，自己是可以隨時到職的，在安排上相對更加好安排。在沒有經濟負擔的情況下，只要能力、資歷、面試表現符合職缺的需求，有短暫的空窗期其實並不影響拿到offer的機會。

對於市場的觀察&心得

1. 市場職缺是否因AI而減少？
   自己的觀察是，雖然一定有受到AI的影響，但市場中仍有不少的職缺，暫時並不需要擔心會被AI取代，業界專案的複雜商業邏輯、新舊專案之間的整合、maintainance、operation等，還是需要人腦去執行與擔責。但相對來說，市場中好的職缺當然相對較少，且門檻也高，不單單技術力、面試表現就足以拿到offer，甚至資歷不夠長仍會直接被刷掉。
2. Junior level門檻是否真的提高了？
   肯定的，junior level的門檻的確提高了不少。現在的junior level要會的技能、經歷要求都越來越高，甚至以零經驗轉職者來說，要踏入這個產業也越來越嚴苛，自己甚至有遇到面試官說，不會發面試機會給零實務經驗的求職者。
   但機會仍然有，像是博弈產業、新創團隊來說，還是相對有比較多的機會可以爭取，當然就會需要承擔一定的風險與制度方面的不完整。
3. 過去經歷的產業是否影響爭取不同產業的職缺？
   自己在一開始求職不斷碰壁時，曾經一度懷疑是否自己的在職公司為博弈業，影響自己在一些資訊、金融公司的求職結果，也甚至擔心是否未來職涯會被侷限在博弈，沒辦法爭取電商、廣告之類的其他領域。
   感謝在與一些前輩對談後，了解其實重點還是在本身的技術力、經歷條件是否符合職缺需求，並不會有所謂被侷限的狀況。可能一些相對老牌的金融公司，的確會因為有博弈的經歷而直接不給予面試機會，但並不會有被整個金融產業封殺的情況。

總結

求職是一個漫長、辛苦的過程，不只挑戰面試者的技術力、表達力與經歷，更是考驗心理、耐心、決策與毅力的挑戰。

在經歷一個多月的等待、煎熬後，慶幸有拿到符合自己現階段需求的offer，回頭看雖然一路跌跌撞撞，但也在來來回回中不斷自我檢視與成長，提醒自己這並不是終點，並期許在這個新技術不斷迭代的領域中，不停止學習與成長，不甘於現況，不斷往前進，期待在新的工作中有意想不到的挑戰與成長。

接下來也會在分享這段時間遇到技術面試的題目&復盤整理的分享文章，希望自己的分享可以給每一位有共同經歷的求職者一點點幫助與鼓勵！

※本文由 Ching 授權勿任意轉載，原文《2024下半年前端工程師求職經歷分享》

這篇文章 【學長姐帶路】經歷多場前端工程師面試，談2024年求職挑戰與應對策略 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

原標《[personal growth] 2024 暑期實習面試心得（AI / SW）》

文/小連同學

前言

就我的了解，原來台灣實習的風氣只有在商管院盛行，現在風也吹到這裡來了⋯這樣是好是壞？不知道。我碩零的時候有一個閱讀《研究生完全求生手冊》的反思報告作業，我給教授的檔案裡直白地寫著：

本書開門見山直述唸研究所的目的為：學習「做研究的方法」和「解決問題的方法」，我非常認同其說法，但就目前的升學環境及現實面來看，大多數人的目的不在此，大多數人可能希望藉由碩士文憑得到更高的起薪，又或是期待未來就業的升遷可以更順遂，我的目的其一也不例外，但我也⋯⋯

對我來說，在研究所階段確實有把發現、解決問題的能力提升，但讀沒完的 paper 和每個都越看越像的 SOTA 讓我一直在思考—現在學的這些之後工作真的有用嗎？雖然我是抱持「現在學的東西不一定能現學現賣，但一定會在未來的某個時候派上用場」的態度，可是也希望多投資一些心力在「真的有用」的事情（至少我現在的判斷認為有用）」上。

我打算再去看看職場到底長怎樣，兩個月也好（謝謝謝謝老闆）。

以下會分五怕，由於本人廢話 murmur 很多，可以直接跳到有興趣的部分看

1. 背景
2. 投遞狀況（最後拿到 4 個 offer）
3. 面試分享
4. 面試技巧分享
5. 對實習的想法和心態

- 背景

116 資工純血，過去大三有一份資料工程實習經驗，碩論做 AI 影像相關。原本找實驗室時就規劃一升二暑假要實習，主要是想確認自己到底要繼續往 AI 走還是鬼轉 SW（兩個月其實也很難確認啦），也想看看自己耐不耐得住真正工程師的工作。

所以先列出了所有有開 AI / SW 缺的公司（人力銀行 / linkedin 關鍵字從頭看到尾），確認 JD 可以接受，就開始海投。

- 投遞狀況

共應徵 23+1 個 intern，7 個進面試，最後拿到 4 個 offer

我從三月底陸陸續續投到五月中，前面一個多月完全沒有人理我，後面半個月兩週面了全部進面試的。所以我覺得有時候機緣 >> 實力履歷經歷，如果你剛好在某個 HR 瘋狂盯著系統找人的時段投遞，就比較有可能被撈到。

投遞無聲

聯發科 AI&Computing / IT、瑞昱 ML / 影像、台積電 DNA 計畫（？）、美光 intern program（？）、Garmin DS、啟碁 AI / ML、趨勢 資料分析

投遞已讀

台達電子 車用 AI、聯詠 演算法、Synopsys RD（感謝信）、群創 車用 SW

進面試

1. 友達光電 AI 演算法開發
2. 群聯電子 數據分析與軟體設計工程師
3. 立錡科技 軟體開發（原本投 AI）
4. Moxa 四零四科技 軟體研發實習生（投遞時可排志願）
5. 威盛 CV&DL（也有投 SW 但沒面談）
6. 華邦 DS（也有投影像 / 資料工程 但沒面談）
7. 研華 edgeAI PM（公司主動邀約 ><）

- 面試分享

（D 為投遞履歷當天）

1. 友達光電 AI 演算法開發

D 聯繫

D+4 一面
很基本的了解問答：說明 DL/ML 專案經驗、碩班的研究方向、暑期專案內容（給定資料和期待產出超級明確，這個部分很棒）、mentor 制度。非常簡單直白的對談，最後就直接約了隔天二面。

D+5 二面

多了比較多遇到問題的情境題，比如：如何學新技術、需要 coding help 時會怎麼做、沒有具體指標時如何驗證專案成效⋯等等。這個環節也來回確認了我這邊對這個題目到底有沒有興趣，主管的意思也是希望有興趣才會更勇於嘗試。

D+6 offer get

HR 有再以電話聯繫簡單問問 behavior question，比如遇到最挫折的事為何及如何克服、最大壓力的時期怎麼面對、過去最有成就感的事⋯等等。從網路上的評價到跟主管和 HR 接觸都感受得到公司對實習生真的有用心（提供住宿、交通車對南部專程上去的學生滿友善的）。

2. 群聯電子 數據分析與軟體設計工程師

D+4 聯繫

D+10 一面

• 有 coding test，考 Python、題目感覺比 leetcode easy 更 easy
• 面試邀約是主管自己寄的，信中提到實習是雙贏，因此我有特別準備簡單的職涯發展規劃（也一路延用到往後面試），表示應徵動機、如何共創雙贏。我認為這個 mindset 是大家在找實習時要時刻提醒自己的，不只是公司給你機會和 title，你也要有所收穫、滿足自己的預期，才能達雙贏。
• 問模型選擇、某個環節為何這樣做問很細，要很清楚自己在幹嘛才能回答得好（有提到的技術一定要熟）；有一些提問來自於我在介紹 project / 研究方向時的刻意留白，口頭沒有說明（或簡介）、但有附圖，其實也是有所準備（預先 assume 面試官的一些問題），這招我覺得不錯！

3. 立錡科技（Ricktek） 軟體開發

D+3 聯繫

D+12 一面

• 有 coding test，原本應該要考 C，但因為我的專長（？）改考 python，題目（也是）感覺比 leetcode easy 更 easy
• 不得不說因為是聯發科子公司，讓我有更重視這場面試的感覺，雖然其他也有幾間是 IC 公司，但在面立錡的時候特別有參與半導體產業的感覺（主管很在意能不能接受接觸底層 HW），在介紹工作內容時，就提到滿多 design house 的 domain knowledge ，大概是在給充足的心理準備。其實我在這個環節就開始回答得有點勉強了：）
• 部門會對接很多不同產品，所以很重合作能力、如何應對擺爛和共事摩擦（具體會問：有沒有放棄組員、就真的不是你的錯但事情卡住了怎麼辦⋯⋯這類型的問題），我這邊在回答後收到的評價是— — 我太理性了（這跟我本人的認知不太一樣 XD）
• （前面提到我有做職涯發展規劃的簡報嘛）在講這個環節的時候感覺被機會教育了（學生可愛的地方真的在這 ==），簡而言之就是我很大聲地說我！要！Work！Life！Balance！我沒意識到我好像就像個 00 後立志整頓職場的學生⋯⋯想當然沒後續：）

4. Moxa 四零四科技 軟體研發實習生

overall title 是軟體研發實習生，看起來是很多部門都有開缺，細分後有 11 個不同職缺可以排序，我面的是軟體 DevOps 工程師。

D+3 聯繫

D+13 一面

• 面試前有簡單的 Python 線上測驗
• 問履歷上的內容問很細（我還真的忘記某個細節偏尷尬 ==），一些含糊的敘述（ex：「模型優化」是哪個面向的進步、「資料清洗」實際上洗了什麼資料型態或有沒有增減欄位）都可能會被拿出來問，比如視覺化圖表是做什麼圖表、用途為何、這樣表示可能有何優缺點。
• 可能因為 team 在公司裡的角色關係，主管很重視溝通、協作能力，剛好我用了滿多經歷佐證跨領域合作能力，在分享的時候就有 qualified 的感覺。（這其實也有點算運氣成分，因為 JD 沒有特別標註什麼 team 和軟實力的 requirement，我剛好有對到 ><）
• Interview 是雙向交流的感覺，最後主管還有給我發展方向的回饋，以對我的背景、專業了解後推薦去認識一個工具（還貼網址）。我從過去在補習班工作中就體認到我重視的是：遇到好老闆 >>>> 薪水公司福利等等等，當下和主管面談時就已經覺得— — 這應該是看得到我的主管！（TT）

D+16 offer get

5. 威盛 CV&DL

D+12 聯繫

D+13 一面

• 沒有 coding test
• 先談專案內容和公司介紹（這部分比較沒有給我台廠的感覺，什麼是台廠的感覺我也沒辦法闡述⋯），專案用到的技術明確，但相關產品和問題描述還沒有很清楚的輪廓，聽起來是看暑期當下需求或現況，自由發揮的空間感覺給得滿大。
• 我自己覺得我有把我對實習的期待表現出來，主管也很重視這個部分，有詢問如果這樣那樣安排會符合你的預期嗎？是願意傾聽、溝通的主管，對於過去實習生的學習體驗滿有信心的，也強調決定權（實習收穫、要去哪間公司、想做什麼⋯）都在你們學生，除了了解背景和專案之外的環節，是滿愉快的談話。

D+26 offer get

6. 華邦 DS

D+17 聯繫
剛好投遞完沒幾天，我去參加華邦在學校的模擬面試活動，遇到的 HR 還說要留我的名字，但當下結束說掰掰之後也沒有特別交換聯絡方式哈哈哈。後來也隔了好一陣子都沒消息，不抱期待後接到電話的感覺很微妙⋯

D+19 一面

• 沒有 coding test
• 具體開發工作在於解決 marketing、sales 等等不同 team 對 AI 的需求，比如說利用 LLM 優化客服 bot，我有問是不是不太會接觸對外的產品，主管很直接了當地跟我說不會，就是對內的 AI 服務開發。跨域合作這點滿吸引我的，但還是比較想多了解公司產品（IC）的開發。
• 老實說面到後面已經有點疲乏了，可能也是因為心有所屬（？），這場有點沒印象了，比較有印象的問題是—問研究方向和市面上的工具有何不同、競爭力在哪，我是真的覺得 RIS 比一般 segmentation 任務更有實用性，我想做的 new label 也滿酷的，但要真的產品化，我目前沒頭緒。

D+33 offer get

接到電話的時候滿驚訝的，這個時間點約六月中（很像候補上的 XD），不過還是非常感謝華邦的肯定，讓我的命中率超過五成⋯⋯夭壽

7. 研華 edgeAI PM

D 主動聯繫

D+2 一面

• 主管在了解完我的背景後，很認真在確認我的發展意向（be like 你希望把份內的工作做好、還是期待拿著麥克風站在指揮台上發揮所長），我是那種在裝會直接看起來很勉強的那種（差低），但我確實在說可以嘗試 PM 工作的時候講得很順，邊講邊覺得可能我比較適合做 PM 欸 ==
• 我簡報裡面講跨域合作的篇幅都不少，這個 PM intern 應該算是 hold 產品單位的那種（不是 project 為單位，或是我不懂），所以和不同 team 的溝通會很重要，這個 meet 感覺有讓主管好奇我過去的合作經驗。
• 我自認面試前對公司背景和 JD 的 survey 不太夠，整場就是吃我的臨場反應，還有過去在 DAC 培養的 mindset。我面試後還是想先試當個工程師，但也萌生了往這應該也滿不錯的念頭（堅定）。很感謝研華主動邀約的肯定，這次面 PM 的經驗也幫助我多了解了自己的職能！

- 面試技巧分享

主要分三個面向：面試簡報、技術問題、對答 / behavior question

面試簡報

1. 每張簡報視為一個 module，每個 module 想要 deliver 的軟硬實力、自身價值要很明確，就可以在每次面對不同公司、不同職缺時，insert 或 delete 以客製化，再換換公司的 logo 和主視覺顏色，事半功倍（這次有份只做不到十分鐘就直接上共享螢幕了 ><）！
2. 關於架構：對還沒畢業的學生來說，以時期劃分 outline 能讓經歷更有時間順敘 / 逆敘感地被說出來，可以把這份簡報想成進入職場前的故事書。
   我自己是從研究所時期（研究方向、研究方法）開始分享，接著大學時期（畢業專題）、實作成果（不同 task 的影像專案），到課外活動（社團 / 工作經歷、企業合作專案），最後再重複強調自己的專業和個人特質，搭配應徵動機和 qualification 更具說服力！

簡單自我介紹後先大致說明接下來要分享的內容有哪些

技術問題

基本 algorithm、data structure、OS⋯⋯等等就不多說，google 一下就有很多準備方向的懶人包；coding test 的時候記得和面試官保持思考交流，剩下的就是刷題（沒辦法啊可悲啊）。主要是在問專業技術的時候，我覺得有兩個 tips 可以分享：

脊椎骨定位及分割任務產出 demo

1. 視覺化、視覺化、視覺化！不管是成果 demo、數據觀察或是模型架構，都想盡辦法視覺化（還敢給我貼程式碼啊 ==），可以是圖表、流程圖、示意圖⋯等等，如果專業技術只有條列式說明的話就太可惜了，有料是需要「被看見」的！
2. 重複確認面試官的問題核心：有些面試官再提出問題後會在補充很多公司目前的問題或是延伸會遇到的情境，在接收問題時可能會因此失焦（而且有些面試官會補充很長一段時間到自己也有點失焦 XD），所以可以在換你回答時，再用你自己的話簡要描述一次問題。
   （比如：我想確認一下，所以是想了解目前在受 XX 影響之下，我手上有 XX 技術和 XX 工具，如果遇到 XX 的問題，我會怎麼做嗎？）

對答 / behavior question

How to Use the STAR Interview Method for Your Benefit

1. STAR 原則真的滿好用的，不管什麼問題都通，可以回答得比較貼合問題重點、不偏題！但我覺得初期不太好上手（會忘記 T 完之後要接 A、S 和 T 不太好區分），要多練習，而寫的練習效果不如直接用講的來得好！
2. 快速對問題切面向＋列點敘述，表現超好（至少自我感覺如此 XD）！這樣不只展現思緒清晰，也可以幫助你在回答時更有自信！
   我在面 PM 的時候體感最明顯，比如問你覺得身為一個 PM 要做的事有哪些？快速拆「確認資源、時間控管、人力分配」等等面向之後，分別列點說明實際任務，像是人力分配舉例會配合到的三個 team、去逐一提到可能要考慮的事情。
3. 在進面試前可能就需要填很多資料了，在這個階段就可以同時準備 behavior question，幾個常見的問題可以有多種不同版本的回答，可以因應你面試當下了解到的工作內容，去決定要用哪個版本回答。
   比如問遇到最挫折的事情為何：如果是面偏技術職位、強調自學能力時，我會以過去 implement 時遇到困難的版本回答；如果是面看重軟實力的職位、強調溝通能力時，我會以之前在社團處理合作問題的經驗去回答。

- 對實習的想法和心態

你可以捲，但是你要知道你在捲什麼啊

我的動機超級明確，而且對每間公司都通用：
我想要確認適合我的職涯發展組合！

核心目標：確認職涯發展組合「技能 × 公司規模 × 領域」

• 公司規模：我大三在凱鈿行動科技實習過六個月，應該算是 300 人左右的新創軟體公司，上下班時間滿彈性的、環境也比較輕鬆開放；這次暑期實習想要體驗 1000 人以上的大企業（先不考慮 FAANG 或是外商等等），看自己比較適合哪一種。
• 產業領域：我覺得以 CS 來說，不管什麼工作都是專業 apply 在不同 domain 上，所以對這個產業好不好奇也是我滿在乎的部分。如果就在台灣工作來說，肯定還是半導體產業香、也想看看台灣這塊強到底是怎麼強起來的，所以主要目標也是幾間半導體大公司（但面立錡的時候開始打退堂鼓了 XD），再來就是幾個跟我本身興趣比較相關的產業。
• 技能：我鎖定的大取向（？）算是明確（AI ≥ SW >>>> FW >PM），剩下就是每次面不同職位的時候說不同話：比如面 AI 會說就目前了解的台灣職缺可能會有什麼問題，在這樣的環境下我能不能持續發揮所長；如果面 SW 會說我還在摸，希望可以透過這兩個月多釐清自己適合的方向。

我自己是希望開始確認這些事情（首要確認技能要點哪！！）才把自己投到實習市場裡的，動機明確不管對自己、對公司來說都是好事，如果不知道為什麼自己要找實習、為什麼實習的經歷可以有價值的話，不如躺平。

有沒有實習沒差，有進步就好

整個四月我都在自我懷疑是不是我很爛，得失心很重，但後來心態調適得滿好的— — 如果真的哪裡都去不了，我就繼續待在快樂台南每天泡咖啡廳刷 leetcode 也 ok 吧，也可能因此更認真做碩論，二下再補實習也不遲。感謝過去的工作經驗，我現在其實也沒損失什麼，每一個快樂台南日子真的過得很滿足。

▲放一杯牽咖啡在這，表示滿足

我覺得有沒有實習沒差，重點是要是真的沒實習，代替實習工作在這兩個月的時間裡，也要進步而達到實質的累積，而且搞不好實習超水超鳥的啊！雖然我有點擔心分享這樣的觀點有沒有既得利益者的感覺，但我是真的覺得現在網路通透，可以學習的資源太多了。

你可以刷 leetcode、打 kaggle、一個人包前端包後端寫一個地震通知 APP、隨便開個套件玩一玩看能不能創新或延伸開發⋯太多了。關鍵都在執行力，而有執行力，就算沒實習、沒工作經歷，你也有很多專案可以 prove 你的進步（how prove 又是包裝的課題了）！

結語

離七月 on board 還有一小小段時間，我要好好去休息一下了。不管如何，永遠都要感謝一切。

實習不是正職，在基於負責任的前提下，我把這個機會視為嘗試和探索；不知道是不是受周遭環境或遇到的人影響，我覺得大家都好急，很想要趕快 prove 自己超前部署的能力，或是趕快把新的 title 掛在 linkedin 上，過去有個時期我也是如此。

但我現在真的覺得邊走邊看，職涯真的太長了、工作也不是生活的全部，又不是年新三百萬才能過上想要的生活，如果能認明自己想要的是什麼、可以畫出喜歡的生活樣子，我覺得才是我可以發自內心欣賞的成功（即使很多時候還是會貪心，但希望可以一直保持這樣的信念）！

在準備的過程中有一個定心丸故事，NVIDIA HR 在人力銀行敲我分享職缺，我原本以為只是宣傳的訊息，沒想到隔天 HR 真的打給我請我寄 CV，說會直接轉到主管那邊 review，雖然目前看來完全沒後續，但被 dream company 看見的感覺真的很好（TT），也讓我對自己更加有信心！

實習心得應該九月會生出來，歡迎你再回來！謝謝你看到這邊 ^_^
如果有任何我可以協助的，也請不用客氣和我聯絡！Feel free, feel free!

這篇文章 【學長姐帶路】7 大知名企業 AI/軟體實習工程師面試經驗懶人包：友達光電、群聯電子、立錡、Moxa 等！ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

原標《國泰人壽 Product Design 實習：官網預約顧問功能優化》

文/Millie Qiu

今年年初收到國泰 CAP 實習錄取通知，那份既雀躍又期待的感受至今仍然很清晰，我加入國泰人壽數位發展部擔任產品設計實習生，這半年間也累積了不少心得。

國泰敏捷實習計畫 (CAP) 是針對數位敏捷科技人才的學期間實習計畫，以專案導向為主，必須在 2–6 月的學期間，與 PM 一同合作完成專案目標。

這篇文章主要是記錄我的專案成果及思考脈絡，同時也會摻雜學習的心路歷程及筆記。因為接觸 UI/UX 的時間並不算長，會以初學者的視角來拆解專案流程，歡迎有興趣的各位繼續看下去！

▍專案背景

國泰人壽為台灣保險業之第一家上市公司，客戶數超過 800 萬人，在台灣幾乎每三人就有一人是國泰人壽的保戶。

在國泰人壽官網的商品頁面中，提供三種不同的諮詢方式，若客戶在使用過程中遇到任何疑問都能輕鬆解決；其中「選擇業務顧問」的簡易預約功能，更能讓客戶快速預約平台推薦的業務顧問完成投保。

三種諮詢方式分別為：預約業務顧問、諮詢商品客服、Line給我的業務員

然而我們發現，對保險商品有興趣而點進簡易預約流程的人數，跟最後實際完成預約的人數有明顯落差。

希望透過此次專案提出解決此問題的方案，降低簡易預約流程之間的放棄率，藉此促進更多筆預約數，進而提升保險商品的促約率。

設計流程

▍01 發現問題：數據分析

要進行優化，首先就必須知道問題到底出在哪，我希望能透過量化的數據找到一個強烈的動機，讓這份報告在結案時看起來不僅完整，更能真正為公司帶來效益。

因此在專案前期，我著手開始蒐集公司 Google Analytics 及 SAS 後台資料，以了解在整個簡易預約的流程中，到底是哪個環節出了問題、哪個步驟的用戶跳出率最高。

礙於我不是數據分析實習生，沒有瀏覽公司後台資料庫的權限，當所有實習生都為各自的專案忙得焦頭爛額的時候，我還是很主動（厚臉皮？）地去拜託數據 Team 的實習生，請他幫我撈出頁面上各個按鈕的點擊次數。（擁有一位熱心助人的神隊友是多麼可靠的一件事😂）

另外，由於 Google Analytics 推出新版的 GA4，能夠把網頁上的 Web 資料和追蹤 APP 取得的資料放在一起，光是搞清楚名稱跟網域的定義就花了我不少時間；我利用 GA4 新推出的「探索功能」來自訂報表，一邊查詢網路上的教學、一邊看公司的同事們的設定參數，自己摸索出了一套新規則，讓我能夠用「漏斗探索報表」看出一些數據端倪。如下圖：

「漏斗探索」可用於分析使用者在網站的瀏覽過程。報表概念與「行銷漏斗」類似，是將使用者旅程拆解成不同階段、步驟，觀察使用者從接觸到行動（例如購買），各個步驟「完成」或「放棄」的情況。

簡易預約完整流程與問題（已移除機敏/實際數據）

▍02 了解問題：使用者研究

感謝被我抽空抓出來做用戶研究的朋友們🥲

手邊已經有了數據，知道問題點出在哪，下一步我希望可以直面使用者，透過易用性測試找出流程中的痛點是什麼。

我預計進行為期一週的測試，總共邀請 6 位受測者來實際操作簡易預約流程，藉此了解用戶操作網站時的想法及需求。

執行專案遇到的困難❓

BUT！九把刀曾經說過人生最厲害就是這個 BUT，可以改變很多事情，無論是好的方面或是不好的方面......

我的 Mentor 說：「客戶的資料都會保密哦！實習生沒辦法查看客戶端資料啦。」

聽起來非常合理，我當然也能接受這件事實，畢竟要是連我一個實習生都能直接聯絡到客戶，那該有多糟糕啊。

不過，沒辦法邀請真實客戶進行深度訪談，這件事確實令我有點焦慮。

所幸 Mentor 告訴我即便無法直接面對客戶，也可以先從身邊的親朋好友下手，邀請一些平時有在關注保險議題的朋友當受訪者。若是將訪綱及任務列得夠清晰明確，同樣也能從訪談中獲得有用的回饋。

她還補充，就連他們自己在做優化專案時也很難聯繫到客戶、甚至邀請客戶接受訪談，有時候光是募集受訪者就會先花上許多時間。我想這或許跟產業類別有關，金融保險業必須「注重隱私與個資」，這點是無庸置疑的。

▲Photo by UX Indonesia on Unsplash

我以前並沒有實際執行易用性測試的經驗。確定要找身邊的親友當受測者後，我上網作了許多功課，包含業界前輩們主持訪談的方法及心得、如何設計操作任務......等，過程中也與 Mentor 來回討論、修改訪綱好幾次，總算讓我拿捏到該怎麼把「問題問得精準」。

在設計訪綱前，要先設立好訪談目的及目標，釐清自己究竟想從這次的訪談中獲得什麼資訊、得到這些資訊對後續的分析有什麼幫助。

也可以思考「為什麼要問這個問題？」、「我想從這個問題知道什麼？」，讓所有的問題都依照原本設定的「目標」進行延伸，同時，也要避免問出一些引導式問題。

由於這是獨立的專案，訪談時需要的角色，包含主持人、觀察員、記錄員，全都由我一手包辦！要同時參考訪綱上列的題目、根據受測者的回答給予反應、思考下一題該問什麼、一邊打字做紀錄，我覺得在那六場訪談裡，我把大腦的多工功能發揮到淋漓盡致。

我承認這不是一個良好的訪談進行方式。思考時間太短，容易忽略掉一些小細節；甚至因為要打字紀錄，我也無法同步觀察受測者的表情變化。好在當時我有開啟螢幕錄影的功能，算是有稍微彌補這部分的缺失。

這次採用「放聲思考」訪談法，受測者需要操作指定任務同時將心中的想法講出，講出他們看到了什麼、想到了什麼、感覺如何，鼓勵受測者盡量講出心中的想法。

經過一番統整及分析，得到以下的操作結果：

💡 此階段的 Key Insight：

「幾乎所有受測者都對『自選顧問』的功能感到驚喜，且相當滿意這個功能。」

比起「只填寫表單就送出預約，不曉得來聯繫的顧問是誰」，受測者更喜歡能夠自己決定要預約哪幾位顧問，選擇的彈性度越高，越能對顧問產生的親切感及信任感。

▍03 定義問題：測試操作結果

綜合受測者操作時的描述，不斷詢問「為什麼」來挖掘受測者說出這句話時，背後的問題究竟為何。

其中一個問題是「進入點的按鈕文案引導不夠清晰」，且沒辦法看出後續有提供自選顧問的功能。若多數的使用者都相當滿意這個服務，是不是應該在前面就更凸顯這項優勢，來做出與競業的區別？

因此，我將我將這次專案的目標設定為：「如何能更強調自選顧問功能，以提升用戶的操作體驗」，並收斂出三項優化方向。

▍04 解決問題：流程規劃

在整體預約流程的部分，我將「選擇顧問」移至第一步驟，希望搭配進入點按鈕的文案調整，將使用者對服務的滿意度在這個階段提升到最高，後續需要提供個資填寫預約資料時，就不會感到過於煩躁。

另外，將「填寫預約資料」與「簡訊驗證」整合至同一頁面，減少頁面的跳轉，以簡化簡易預約流程的步驟數。

「填 寫資料」與「自選顧問」的步驟對調，是本次專案最大的改動。

▍04 解決問題：設計稿

📌 此次介面皆按照國泰人壽官網 StyleGuide 設計，以維持官網整體設計風格的一致性，便於後續維護及開發。

Step 1：選擇預約顧問

Step 1 : 選擇預約顧問 Before | After

過去用戶必須在第一步驟先填寫表單，表單裡的其中一個問項是「所在地區」，後續系統將根據用戶填寫的所在地區篩選條件相符的顧問。

由於做了步驟順序變動，我在頁面最上方新增一個選擇所在地區的「下拉式選單」，儘管將自選顧問移到第一步驟，用戶還是可以篩選相同地區的顧問。

另一方面，當初在進行易用性測試時，曾有幾名受測者發出這樣的疑惑：「咦？我不能單獨更新其中一位顧問嗎？」、「一定要同時更新所有顧問嗎？這樣如果我只對其中一個人不滿意怎麼辦？」。我點頭如搗蒜，覺得這是一個很好的建議，在專案裡肯定要多加這個新功能！

殊不知後來我發現，網站裡早就有提供這個功能了。

— — 那為什麼受測者當初會找不到？

原來這個「單獨更新」的功能被藏在顧問卡片右上角的叉叉 icon 裡，對使用者來說實在太不直覺、不易聯想。

因此我在這邊做了 icon 樣式調整，把叉叉 icon 直接換成重新整理的圖樣，如此一來能使操作提示更直覺，使用者也不會在這個功能上迷路了。

Step 1.1：【查看簡歷】彈窗

Step 1.1 : 查看簡歷彈窗 Before | After

「怎麼每一個人的 Hashtag 都是『服務態度佳』……」點擊查看簡歷後展開的彈窗，會發現 Hashtag 中所有顧問呈現的資訊都是服務態度佳，使得這個區塊沒有被妥善利用，亦無法呈現鑑別度。

我在這邊增加 Hashtag 的數量，除了顧問的個人特質，也可以放上業績、專業證照等資訊，讓用戶可以快速了解顧問的特質與經歷，提供更多選擇顧問的參考依據。

Step 2：填寫預約資料

簡易預約 (左) | 專站預約 (右)

國泰人壽的線上預約服務分成兩種，除了此次提到的簡易預約，還有另外提供專站預約。

簡易預約主打讓用戶瀏覽完感興趣、滿意的商品後，能快速進入到預約頁面，提供一個即時、便利又好操作的預約服務，瞄準特定的某種商品組合諮詢。

專站預約則會詳細羅列出所有顧問名單，也有更詳細的資訊（包含專業領域雷達圖、自傳等），用戶能依地區、性別、年資等多樣條件進行篩選。

Step 2 : 填寫預約資料 Before | After

在這步驟參考國泰人壽專站預約的呈現方式，將表單改成兩欄式排版。除了使問題看起來較不冗長，主要也希望國泰官網品牌的視覺風格能夠盡量達到一致。

另外，聯繫時段的選項拆成「先選平日或假日，再選方便聯繫的時段」，提供用戶較彈性的時段選擇；在填寫預約資料頁面下方，增加前一步驟已選的三位顧問頭像，協助用戶做即時 Recap。

點擊上圖「發送簡訊驗證碼」，展開輸入簡訊驗證碼的區塊

Step 3：預約完成

Step 3 : 預約完成 Before | After

在預約完成頁，將重要的預約資料以卡片方式呈現，如此一來不只能告知用戶預約申請已確實送出，更能提供即時的資訊做確認，也方便截圖保存。

這點在後續報告給曾接受訪談的朋友後，得到對方的認可，覺得這個功能很貼心也很實用。（感謝 inline 訂位系統給我的靈感）

▍反思與學習

這是我自學 UI/UX 以來首次獨立完成一個完整的產品流程優化專案，也認知到 UX 領域真的是一個大坑，光是前期的研究方法就可以拆分成好幾種。

一開始在做功課時，網路上的資料密密麻麻、看得我眼花撩亂......但這也讓我更確信自己對於這個領域的熱忱與熱愛，一想到還有許多未知的研究方法等著我去嘗試，就足夠令人興奮了！

回想早期放在作品集中的課堂報告，總是將 Redesign 的方向拘泥於華麗好看的介面設計，卻忽略前期質性與量化研究的重要性，現在回頭看都是滿滿的黑歷史。

其實透過研究，才能讓我們更貼近使用者的需求，透過測試與迭代去驗證我們的設計方案，進而尋找最佳解決辦法。

因為時程的關係，很可惜沒能參與到後續的開發與成效追蹤，也沒辦法將設計方案做後續的迭代驗證，未來有機會的話，希望能夠補足這一塊經驗，使我成為更加純熟的設計師 🙌

最後，感謝看到這邊的各位！如果覺得這篇文章對你有幫助，請拍拍手讓我知道，會成為我持續學習與分享的動力👏有任何的建議與想法，也歡迎留言與我交流指教～

※本文由 Millie Qiu 授權勿任意轉載，原文《國泰人壽 Product Design 實習：官網預約顧問功能優化》

這篇文章 【學長姐帶路】國泰人壽 Product Design 實習心得 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

原標《2024 年軟體工程師的價值是什麼？會不會被 AI 取代？》

文/Judy Tsai

今年很榮幸有機會參與曼陀號計畫並加入 Engineering 組，從海選時就感受到這裡匯聚了很多優秀的人，雖然很多人都謙稱自己還有點迷惘，但其實都對於生涯規劃很有想法，也樂於學習新知、參與社群，感覺在這個群體裡能激盪出很多火花、觀點與可能性。

⛴️ 曼陀號計畫簡介：
所有人員皆以志工形式參與，為期約六個月，邀請各領域知名專家擔任小組船長 (Mentor)，分組舉行實體聚會。透過船長的專業分享與經驗傳承，幫助水手 (Mentee) 縮短摸索的成本，突破職涯上的瓶頸與挑戰，成為科技領袖人才。

感謝 Jalex 確診仍抱病分享！

終於來到引頸期盼的第一次月會，主題是《什麼是軟體工程師？價值為何？未來在哪？》。

今年 10 月我就擔任軟體工程師滿三年了，但坦白說，在這次月會之前，這些根本不是我在想的問題。

什麼是軟體工程師的核心價值？

轉職的這一路走來，我的眼光和思維都聚焦在眼前這座大山，總想著如何轉職成功？如何提升自己的知識技能以匹配我的 job description？如何從冒牌者症候群中自我調適？如何才能成為更進階的工程師？好似總想著如何爬得更高，卻忘了抬頭看上面到底是怎樣的天空？山的另一頭又潛藏著什麼樣的挑戰與風景？

軟體工程師的價值是什麼？原本想說大概就是「用軟體解決問題」吧！如今透過 Jalex 的觀點，進一步完整了我對這個議題的認知。他認為軟體工程師擔任的角色是要判斷問題能否被解決 (feasibility) 及如何解決 (solution)，並當責 (accountable)，而價值分為兩個面向，一是解決問題，為公司帶來收益、二是說服他人問題無解，進而為公司減低風險與成本。

我覺得「說服他人問題無解」似乎是比較容易被忽略的價值，通常想像中厲害的工程師就是不管再難的問題都辦得到，像電影裡面的天才工程師，一個需求進來，咻咻咻就寫出厲害的程式，拯救全世界。但如果工程師總是所有需求照單全收，那會不會有點像工具人了？如果公司招募一位工程師只是要寫 code，其實近年已經發展出許多不需任何程式碼也能達成目的的服務和工具，若真要寫程式，當今的 ChatGPT 也能幫上不少忙。

Jalex 引用了這句令我印象十分深刻的話：

Never be eager to say no. But also, never be afraid to say no. You see, you were hired for your ability to say no. Anybody can say yes. But only people with skill and knowledge know when and how to say no.
- Chapter 14. Teamwork, Clean Craftsmanship: Disciplines, Standards, and Ethics, Robert C.

比起 say yes，say no 所需具備的背景知識、能力、眼界門檻是更高的，你需要同時具備 domain knowledge、熟悉公司 business logic、了解哪些是 spec 不能動、哪些東西不能說改就改、說刪就刪、哪些又是可以彈性調整……，全盤考量掌握這個問題與潛在解決方案帶來的影響面向、範圍、程度、是否有 edge case 或是 side effect 需要評估？除了單純會寫程式，更是那些專業知識、經驗、洞見讓你有能力評估風險並且 say no，能為公司省下大量成本與風險，也是邁向資深工程師的其中一個重要軟實力。

say no 很像是某種特權，因為你夠專業、考量的夠周到，所以人們信賴你，但同時你也需要為結果當責。好好回答一件事情可不可以做，是軟體工程師的價值——說到這裡，有沒有發現其實不只需要會寫程式？

「為此，我們必須技術、溝通力兼具。」 — — Jalex

什麼是軟體工程師的影響力？

「影響力」一直是我比較不擅長的思考方向，常常忽略自己做的事情究竟帶來哪些影響，因此月會中 Jalex 對於這方面的分享對我來說是個新的思考起點，他描述到三個面向：

工程面

• 以身作則的能力

不是成為了資深工程師、職級提升之後就雙手一攤，變成只出一張嘴，而是要 lead by example，透過親身示範，為團隊成員樹立標準，讓自己成為他們的榜樣（role model）。唯有接地氣、了解任務細節，才能贏得夥伴的尊重，成為有影響力的領導者。

• 突破未知的能力

沒有人能夠通曉萬事，總會遇到陌生問題。優秀的軟體工程師懂得在困境中剖析問題、不排斥學習新知，在必要時跨出舒適圈嘗試新的解決方案，甚至能進一步為團隊夥伴帶來啟發，激發更多可能性。

• 槓桿時間的能力

意指所開發的內容，不只是為了交付當下的需求、解決眼前看到的問題，而是尋求長遠的影響，對於技術、產品甚至整間公司帶來長期的益處。

Jalex 建議我們可以常常去思考：有什麼事情是我們離開後，還能持續為夥伴、公司帶來價值？也許是建立一個 CI/CD 流程、也許是模組化程式碼，盡可能做一些能帶來長期好處的事，對於自己和公司都有幫助。

這個概念源自 Amazon 這句話：

“Deliver Results” is a low bar for a Principal Engineer. Without seeking the spotlight, Principal Engineers make a lasting impact that echoes through the technology, the product, and the company.
- Principal Engineering Community Tenets, Amazon

產品面

Jalex 引用了 Double Diamond 模型來說明軟體工程師在產品面的影響力，圖中上方的四個階段由左到右分別可以解釋成產品發想（Discover）、需求收斂（Define）、系統設計（Develop）、開發交付（Deliver），剛好是一個產品誕生的時間軸。

而 Junior 和 Senior 工程師的影響力順序恰好反過來，越 Junior 的工程師越貼近開發交付，然後漸漸往系統設計、需求收斂靠攏，從貼近產品（Solution），到貼近產品在解決的問題（Problem）本身。

我認為這一段可以理解成：要越來越懂 PM 在想什麼。

因為 PM 對於程式碼的實作細節通常不太熟（也不太需要），恰好提供工程師換位思考的機會，可以常常練習在與 PM 對話時觀察、體會對方關注的重點是什麼，有助於工程師理解這個產品為什麼會誕生、為何這樣設計、解決哪些痛點、使用者是誰等等，一旦對這些圖中左半邊的事情熟悉了，其實無形中也會幫助到右半邊的系統設計與開發交付，至少就不會寫出違背產品邏輯的程式碼。

再者，也許你也不一定想一輩子都當工程師，平時多培養產品思維，有助於思考更全面，實現更多可能性，未來一定派得上用場。

組織面

「現代軟體公司的核心是人。擁有足夠數量的人才，公司才能用較低的成本槓桿未來」Jalex 說。既然「人」是如此重要，讓好人才加入、避免好人才離開就成為重要的議題；能對重要議題有貢獻，就是發揮影響力了。

對於組織（公司）而言，軟體工程師影響力可以透過 Technical Branding 來體現，又可以分為外部和內部：

• 吸引外部人才

提升組織形象，吸引人才對組織的關注，甚至加入組織。這裡我問 Jalex 工程師是否需要經營自己在網路上的形象，例如寫技術文章、經營部落格、參與社群活動？他的回答是肯定的。他認為這些對於公司來說有幫助，影響力越大、公司也越容易被看見，是職涯到了一個階段後無法不做的事情。

• 留住內部人才

最有效的方式就是 mentorship，或是營造一個分享技術的團隊文化，不斷為團隊注入新知、帶下新方向，確保成員一直有成長、一直知道自己在做什麼。讓人才變強，團隊就變強；留在公司裡還能夠一直變強，想離開的機會就降低了。

我的三個觀點

身邊認識的資深工程師還很少，這是我第一次有機會近距離聽到 Staff Engineer 分享，還能及時發問互動，真的是很寶貴，也很感謝曼陀號舉辦了如此有意義的月會。

期待接下來的活動之外，我也來分享幾個自己的觀點做結：

一、遊戲化思維，是不畏懼改變的關鍵

價值是動態變化的。以前有價值的事情，現在的價值可能已不如以往，相對的，現在的價值也很可能是幾年前尚未誕生或意想不到的，唯一不變的事情就是世界一直在變，也許這就是活在這世上有趣之處，如果都沒有創新，生活應該會變得很枯燥乏味吧。

既然如此，何必焦慮呢？與其讓必定發生的改變影響心情，不如著眼於「如何讓自己跟得上這些變化」，保持開放的心胸、持續學習的心態、接觸不同的人群，這些之所以成為老生常談，也許就是因為很容易被忘記，可以每隔一陣子都去檢視自己是否仍然在各種面向接觸新知。

如果你說「我也知道要持續學習呀！但好怕自己的學習能力跟不上時代改變」，不如想想十年前智慧型手機剛開始發展時，你有在擔心自己學不會使用智慧型手機嗎？還不是玩憤怒鳥、水果忍者玩得很開心（不小心把自己做過的事說出來）？現在還不是用得好好的？

假如隨著年紀漸長，學習能力將不如以往是你的擔憂，那我覺得你可以想想過去自己是怎麼「玩手機」玩到熟悉的、再看看現在那些手機用得很好的長輩們為什麼能夠無痛適應（對他們而言的）新科技，其實會發現一個共通點，就是「玩玩看」的心態！

手機用得好的長輩傾向覺得「雖然不知道這按鈕是什麼，反正按按看也不會爆炸」就自然地從結果中學習；十年前的年輕人，也是從「試試看這玩意有什麼功能、能帶給我什麼好處」的心態出發。當今的 AI 就彷彿十年前的智慧型手機，而未來也必定會有層出不窮的新科技發表，我認為只要始終保持著遊戲化的思維，就不需畏懼改變。

二、會被淘汰的是技能，而非職業

根據我個人的觀察和淺見，技能會隨科技進步而被淘汰，例如在文件需要手寫的年代，文書處理需要的技能可能是寫出工整字跡、能快速寫出大量字數，但到了現在需要手寫文件的工作已經很稀少，因為 Word 等等文書處理軟體問世，「使用電子文書處理工具」這項技能就取代了（或者說漸漸淘汰）原本手寫文書的技能。

但職業卻不那麼容易被淘汰，因為職業始於人類需求，而需求通常不太會減少，反而是越來越膨脹（By the way 社會學有個文化工業理論在討論人的需求是如何被刻意塑造，蠻有意思的）。沿用同個例子來說，自古至今「用文字記錄事情」都是不變的需求，從古埃及就有抄書吏這種官位，相信不用我多做舉例。

因此，我認為不太需要擔心自己的職業是否會消失：

一，即便會，可能也沒有辦法消失得這麼快，畢竟一個職業的誕生與消失是整個社會共同在承擔實驗的風險，說不定在你有生之年都不會發生。

二，這可能是個假議題，真正要讓人上緊發條的是如何跟上這世代所需要的技能。

三，看準自己職業本質上滿足了人類的哪種需要？假如那種需要不會消失，那麼你的工作也將會保持一定程度的價值。

三、保有提出解決方案的能力，就不容易被淘汰

承接上一點，如果你認為人生是場有限賽局，那麼你的人生目標就會專注於如何贏得比賽，會令得失心變得很重、隨時深怕自己輸給別人而活在比較之中，活得非常辛苦。

相反地，如果你看待人生是無限賽局，沒有輸贏，那焦點就會變成如何享受比賽，甚至戳戳看各種遊戲規則會發生什麼事。這概念讓我相信無論世代如何變遷，始終要去思考「如何讓自己留在這場比賽」，只要總是有屬於自己的答案，基本上就不用太擔心自己會被機器取代。

AI 只是工具，如果人在做的事會被工具取代，那代表人要去做更有價值的事，找到那個價值在哪裡，就是留在賽局的方法。價值的具體實現，就是為問題提出解決方案。

AI 的發明，當初也是某人想出的解決方案。你和我也可以這麼做：找到一個自己有熱情的領域、再找出一個迫切想解決的問題、想出一個解決方案，就成了屬於自己的創業題目。

※本文由 Judy Tsai 授權轉載, 原文:《2024 年軟體工程師的價值是什麼？會不會被 AI 取代？》

這篇文章 【學長姐帶路】軟體工程師的核心價值是什麼？ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

原標《2023碩畢新鮮人面試心得》

文/DCARD 網友

在準備面試期間常常到板上收集資訊，最近上岸了來回饋一下

學經歷：頭上這間理工學電資碩，碩論通訊相關，無計畫、比賽經驗

求職方向：演算法、軟韌體相關

準備內容：自介投影片(碩論、project) & 自身研究領域相關知識 > C語言 > OS (依我準備的時間多寡做排序)

群聯 - PCIe SSD 韌體開發工程師0503(台北辦公室)

公司主動邀約，線上面試，需要事先到104做邏輯、性格測驗，面試開始前先進行1小時的C語言測驗，考題大致上是指標、位元操作、Linked list、string相關操作，難度比網路上的考古題還要難一些，結束後和主管面談、報告投影片，最後會有一題白板題，寫出一個function找出特定規律matrix中的元素。

達發 – 音訊軟體工程師

主動投遞，實體面試，面試前先進行30分鐘的C語言測驗，除了一些基本操作還有關於記憶體分配，以及review code並做debug或是優化效率，結束後和主管面談，報告投影片內容，主管會滿仔細聽並做筆記、提問，有特別問有無團隊合作經驗，也會針對成績單詢問修了那些課、有做過什麼專題等。

和碩 – 通訊軟韌體工程師 & 軟體工程師

主動投遞，有兩個部門邀約，需要到公司做英文測驗、圖形邏輯測驗，兩個面試過程都大同小異，只有報告投影片，主管有問題會提問，沒有C語言等專業測驗。

廣達 – 雲端儲存與5G通訊設備軟韌體開發驗證

主動投遞，別的部門邀約，線上面試，面試前一樣先進行60分鐘的C語言測驗，內容和網路上考古題差不多滿容易的，結束後主管面談，有簡單問一下OSI模型以及OS相關知識。

合勤 – Linux軟韌體工程師

主動投遞，實體面試，一開始先進行30分鐘的C語言測驗，比較特別的是有特別考Linux指令(我沒碰過所以不會)，結束後主管面談，報告投影片，主管有特別提到領域不同的話他會比較在意面試者的邏輯是否通順，不需要詳細介紹，結束後接著人資面談，主要是問人格特質、團隊合作經驗還有面對困難的處理方式，人資的專業度很高，面談過程很愉快，給推。

啟碁 – AIoT軟體研發工程師

主動投遞，這個職缺開在台北內湖的辦公室，線上面試，面談前需要考英文測驗、適性測驗，還有C語言測驗，結束後主管面談，報告投影片，應該是領域不同的關係主管沒有提問，報告完後主管問了幾項制式的問題(有遇過什麼困難、合作經驗)就結束了，不得不說前面經過快3小時的各種測驗，最後真正面試卻草草結束還滿心累的。

義傳 – DSP韌體工程師

主動投遞，實體面試，沒有事前測驗直接和兩位主管面談，比較特別的是其中一位是外國人，需要用英文溝通，讓我有點措手不及，面談中主要聽我報告碩論的部分，因為領域有重疊所以問了比較多問題，之後主管介紹工作內容，原本以為結束了，後來兩位主管離開後來了另一位主管，聽到我的研究內容後他隨即叫我詳細介紹，殊不知剛開始介紹就被質問非常多問題，甚至懷疑我數據真實性等，雖然過程中滿不舒服的，但後來也很感謝他讓我重新審視自己的報告有哪些問題。

點序 – Firmware Engineer

主動投遞，到台北的辦公室實體面試，沒有事前測驗，面談過程報告投影片、主管提問，結束後旁邊的工程師會考一些白板題，主要是位元操作的部分，用白板作答，過程中有卡住他會慢慢引導所以不用太緊張，還有問會哪些排序法，大概說明一下過程後結束白板題。題外話這是唯一一間主動給感謝信的公司，給推。

心得：

準備內容最重要的是自介投影片，內容要非常精簡，碩論的部分可以著重在動機、自身的貢獻(改善了什麼東西，最好用數據表示)，快速讓面試官知道自己的碩論到底在做什麼，至於詳細過程就放在投影片最後面，主管有興趣想知道再翻到後面講解就好，還有一個原則是放在投影片上的每個數字、每句話都要非常清楚它的意義，在練習報告時可以一頁一頁問自己問題，如果有朋友幫忙聽那就更好了，還有心態真的要調整好，不要拘泥於某場面試的結果，只要想著把下一場面試把握好就行，畢竟面試表現都是面試官主觀評價，錄取與否的因素太多了，不需要想太多，把自己能掌握的事情做到最好。

※本文由 DCARD 網友 授權勿任意轉載，原文《2023碩畢新鮮人面試心得》

這篇文章 【學長姐帶路】碩畢新鮮人 7 間軟/韌體工程師面試心得 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

原標《AWS的雲端架構框架-資安篇》

文/Cancerpio

目前很多服務都有提供API Webhook的功能，當事件發生時，就可以把事件的資訊送到我們指定的目的地 。

例如:我們可指定Git在commit時，通知CICD工具做自動測試 / 部署，以及LineBot在收到聊天訊息時，把訊息內容送到我們指定的API Endpoint (也就是API的網址)，做進一步的程式處理。

而當測試這些Webhook功能，或者拿來開發最小功能產品(MVP)時，雲端Serverless服務是一個方便快速的方式 ，例如AWS Lambda。

AWS Lambda

需注意的是，剛開始接觸AWS服務架構時，點進去的架構圖有一個”Add Trigger”的選項，容易讓人誤以為API Gateway和Lambda這兩個服務是綁在一起的:

Function URL

但其實Lambda自身就有提供Function URL的功能， 不必加上API Gateway這個trigger，也能供外部以API Calling的方式，來把需要的資訊讓Lambda Function接收到。

API Gateway的限制

相較於Function URL API Gateway在被外界存取時，一定要透過IAM(AWS的身份驗證)，較不利於專案初期的測試，例如只是想簡單的測試Linbot發出的Webhooke Event

要讓Lambda function用非IAM驗證 / 無驗證的方式開放給外界使用時，可以設定Function URL來快速的測試Webhook。

設定Lambda Function

• 點擊Configuration 分頁, 在左側欄的Function URL設定

測試

在Line developer platform 點擊Verify去驗證API

使用API Gateway Endpoint測試Linebot webhook

會出現403 Forbidden

使用Lambda Function

如上圖，使用Lambda Function產生的URL就可以成功被Verify了。

※本文由 Cancerpio 授權勿任意轉載，原文《[AWS]使用 AWS Lambda快速串接LINE Bot: Webhook》

這篇文章 【學長姐帶路】使用 AWS Lambda快速串接LINE Bot: Webhook 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

原標《Python轉職指南：最全面的轉職解析和最真實的經驗談》

文/Dex的塵世哲學

轉職的決策來自對現有職涯的成長瓶頸與未來發展的思考。隨著AI技術的崛起，半導體代工業面臨技能固化與工作壓力的困境，因此轉職成為尋求更廣泛、精深且具可攜性的技術的出路。

轉職準備包括自學Python並參與進修班。選擇進修班時，需要考量課程評價、學習內容與價格時程等因素，以降低風險，確保學習效果。

進修班過程中，透過團隊合作建立作品集，掌握了程式開發的全貌，為後續的面試奠定基礎。面試策略應包括展示專案的技術挑戰與解決方案，強調提升效率與減少成本，從而吸引面試官的注意。

轉職後的職涯選擇多元，包括資料工程師、機器學習工程師與軟體後端工程師。薪資待遇依據技能水平、工作地點與企業規模而異，初級開發者的年薪範圍從50萬到80萬新台幣不等。

適合學習Python的資源涵蓋多家進修機構，包括Tibame、AppWorks School等，這些機構提供多元的實體班與線上課程，涵蓋從Python基礎到進階技術應用的各個層面。

轉職過程中，外在困境如家庭壓力和同儕競爭，內在挑戰如自我懷疑與陌生感，都需要通過專業技能的提升和自信心的建立來克服。

轉職歷程

其實我是畢業於化工材料碩士，先來到台灣美光擔任半導體工程師。

台灣的半導體代工業盛行，有較高而穩定的薪酬，同時仍必須思考的是，處在一個思考和技能固化的場域，代工本身就是「優化有限」的領域，加上2019年的AI 影像辨識功能和智能工廠自動化的崛起，半導體代工發展更加狹窄，但因為AI導致硬體需求的增加，代工業的壓力卻持續增加，這非常不平衡，技能越窄，工時卻越長。

我使用公司內部的工具工作，但這些技能都是「帶不走的」，如果你跳槽到另一間半導體代工業，原本的工具也派不上用場，只能重學。所以很快就遇到了成長的瓶頸，處在一個無法突破的困境，缺乏「成長感」的環境，使我萌生了「職涯轉換」的念頭，也是我想尋找廣泛、精深且能「帶的走」的技術或工具的原因。

轉職方式

自學打穩基礎並查詢比較相關資料，再以進修班的隊友一起完成專題和作品集，並透過進修班的老師瞭解真實市場對於轉職者的反應以及當今應徵的機會程度。

打穩基礎

2019年，大數據和資料分析熱門程度逐漸地提升，為了先將Python的基礎打好，我趁著輪班放假的時候開始自我進修。

我對於自學的建議是：需要有很好的時間管理和資源查找能力，並且規劃出空閑、休假時的進修時程表，搭配線上課程，如Code Academy 和 Couresa 來學習。

而對Python程式語言有信心之後，也開始思考下一步轉職所需要的要件。

(對於Python 入門學習方式，未來也會有另外的文章分享，以及有關於自學的訣竅、方式，以及如何評估自學的合適程度，我會在下一篇文章中詳細說明)

進修班前的評估

在另一篇文章「掌握這三大階段，讓你成功透過Python 轉職，順利進入職場，成為Python 工程師」，其中提到的三大里程碑：「Python入門、作品集、面試履歷」，我已掌握第一步，接著是往第二階段去建立「作品集」，思量到對於個人在「作品集」建立的規模有限，決定去加入進修班並與同樣想學習的夥伴組隊一起完成更全面的作品(包含前端、後端、資料科學、機器學習等部分)，這樣便能夠完成近似於「產品規模」的「專案」。

辭職於美光之後，開始了在半年在中央大學資策會與緯育Tibame合辦的「大數據與資料分析實體班」的進修生活，以下說明我認為參加進修班前的三大評估：

1. 評價與需求：

一定要先做好調查和研究，到各大平台如Dcard、PTT、巴哈姆特、臉書或Threads上尋找這些進修班的各種評論，確認參與過的學員是否都有被滿足其學習的需求。

也因為有些課程會去洗評價，所以思考評論的真偽也很重要，另外有些辦課組織會對於直接的負評進行刪除或隱藏，故有些人可能會用隱晦的方式來留下負評，所以自己也要判斷每一則評論背後是否有嘲諷的意味。

當然自身客觀的判斷是很重要的，每個課程一定都有正負評，這時候可以去看留言者的素質，來反向確認課程的好壞。

2. 學習內容和課綱

比較各種進修班的上課內容和價格，確認內容是否符合自己想要的，是否已經有自學已經掌握的重疊內容，另外也確認這些學習內容是否涵蓋未來職涯的需求。

在尋找課程後，可以先透過104或其他求職網，先搜尋「資料工程師」、「資料分析師」或其他職務的「應徵條件」和「所需能力」來評估此課程的學習內容是否都有涵蓋到，若沒有涵蓋時，要先規劃怎麼去額外地學習。

另外學習內容一定要有專題作品建立或專案建立，這樣才能透過進修課真正地實作並透過專題為轉職鋪路。

3. 價格與時程：

了解進修班的價格和時程規劃，因為參與實體班或全時程的線上班，需要犧牲「工作」，所以會有一段時間是完全沒有收入的時期，這時候就要確認自己的存款能否完全負擔進修時期的支出。否則在進修時還要擔心「銀彈」的問題，會對學習時的專注度和精神力造成很大的影響。

可以先去換算每日或每月的最多花費，在乘以進修班的日數或月數，保險起見，需額外加一個月的時間。

實體班最大的花費除了進修學費之外，住宿的月租費用、住宿的保證金、交通費和每餐最大花費都要算進去，如果你有開車，還需要評估附近租用停車場的月租費用。

以上三點的評估確認後，才決定參與進修班，這樣才會能先掌控風險並更有保障，也因為這樣做，你才能把心思全部投入在進修學習、作品集建立和面試履歷撰寫上。

投入進修班並完成面試作品集和專題的方式

我投入進修班是以「5W1H」的方式來執行：

– Why

認知和釐清自己參加的目的，像我是以「課程完訓」能馬上透過作品集轉職，而有些人可能是把它當作額外學習，沒有轉職計畫，有些人是原本就在程式領域工作，而另外進修進行額外的學習。

當你先釐清自身的目的後，下一步才能尋找要一起完成作品集的「夥伴」或「隊友」

– Who

尋找志同道合的夥伴，在第一步了解自己後，便可以用這個「頻率」去尋找對的夥伴，這些夥伴就會是你未來要DEMO的「作品集」隊友

(所謂的DEMO是程式開發者在報告或面試時，提供給主管或面試的專案/作品集的操作或影片示範)

– When

確認每天或每週的上課時間，以及在下課後能夠持續學習的時間。

我的做法是平日早上9點到下午5點為上課時段，下課則繼續研讀到晚上11點(可以和夥伴約定一起共學)，假日也至少要一天完整地早上到下午投入學習之中。我也建議參加實體進修班的人要有能力這麼做。

– Where

學習環境是很重要的，若是實體班，看能否借用教室來研讀，若是線上進修課，也建議不要待在太過舒適的房間內，而是到圖書館和其他人建立「共讀環境」。

哪怕是不認識的人，在共讀環境下的學習效率還是更高的，因為我的目的是要以最佳效率和最短時間去達成轉職，所以將學習效率最佳化是很重要的。

– How

學習方式，這在上方也有提到的，就是「共讀共學」的方式，若是和「確認過眼神」的夥伴一起學習，可以用「互相丟出問題考對方」的方式，來增加學習的難度並學到上課之外的內容，擴充了學習的深度或廣度。

要知道的事，在你接觸到真正程式產業前，你上課的所學都是最基礎的，所以如果能多懂一點、多認知到一些，有這些機會了話，都要把握去做。

– What

我將 What 放在最後，是因為這邊指的就是「作品集」本身，我在學習中期就開始招集「志同道合」(Who)的夥伴，組隊並著手討論專案的內容或技術應用

以我的狀況，當時的隊友有人想多學前端網頁，有人想多瞭解資料庫，於是就可以依照每個人的興趣去規劃、分配每個人的職責，而若是有隊友想做的是重疊的，也可讓他們組成一個小組，或是協調在重疊的領域之中再去切分個別的任務。

這樣的好處是，在學習中期，大家都對能各自想做的先進行調查和研究，對於作品集建立的規劃，達到「超前部署」，也能提早思考如何應用後期學習的內容，這是因為通常後期的課程內容會更有深度或更困難，所以若能拿來運用在專案中，更可以為作品集達到更好加分的作用。

面試作品集、面試專題的關鍵點

作品集的關鍵點 1：搭上時事議題

2019是Covid-19開始出現的時候，當時AI醫療開始受到關注，於是我們的作品集便是透過病患的基本資料和看診資訊，來預測出病患在使用CT（電腦斷層掃描）會消耗的時間，再透過line推播給病患，讓他們在相對應的時間來到醫院就好，而不需要待在醫院乾等。

於是我們的作品集在實體班的發表會上也有受到很大的關注，整個專案包含了完整的前端網頁、後端資料庫和API、機器學習的預測模型以及串接Line Bot的推播機器人。

面試除了作品集之外，我認為簡報也是很重要的，需要將每一個步驟和每個要件都描述清楚，呈現和表達的關鍵在於「提高效率」和「減少成本」的數據效果，並透過完整的「故事描述」，才能讓面試官知道整個系統的架構和關鍵效應。( 關於面試簡報的建立，我之後會以我的簡報作為示範，另外寫一篇文章來說明 )

作品集的關鍵點 2：將作品集做成規模大又全面的專案，並確定自身負責的細節與想轉職方向是否符合

專題建議時，應該將其設計成一個規模大而全面的專案。一方面能展示你的技術實力，還能體現你在專案管理和協作方面的能力。

確保每個細節都與你希望轉職的方向相符合，例如，如果你希望轉職到前端開發，你就應該負責專題中大量前端技術的應用 ; 如果你是想走機器學習，就應該專職在作品集中機器學習的模型應用。

對於大規模專案來說，劃分清晰的模塊和任務至關重要。每個團隊成員都應該有明確的職責，這樣不僅能提高效率，還能讓每個人都在自己的領域內發揮最大作用。例如，有人專注於前端開發，有人負責後端資料庫管理，還有人處理API或機器學習模型。

在面試中，這樣的大規模專案能夠展示你的綜合能力和協作能力。面試官會關注你在專案中扮演的角色，以及你如何解決遇到的困難和挑戰。

作品集的關鍵點 3：埋梗 – 透過描述遇到的困難和解決方案來展現技術力和理解力

在面試中，除了展示作品集本身，描述專案中遇到的困難和解決方案也是一個重要的環節。這能夠展現面試者在面對挑戰時的應變能力和解決問題的思維方式。

例如

我們遇到了資料庫性能瓶頸的問題。這是一個由於資料量激增引發的性能瓶頸，導致系統反應時間顯著延長，影響了用戶體驗。為了解決這個問題，我們首先對資料庫進行了全面的性能分析，找出了瓶頸所在。通過詳細的性能監測和分析，我們發現問題主要集中在某些高頻查詢和索引結構上。

針對這些問題，我們採取了多方面的優化措施。首先，我們重新設計了查詢語句，減少了不必要的嵌套查詢和聯接操作。其次，我們優化了索引結構，增加了針對高頻查詢的索引，以提高查詢效率。此外，我們還引入了資料庫分區和讀寫分離技術，將讀寫操作分散到不同的資料庫節點上，進一步提高了系統的整體性能。

這種通過具體問題來展示解決方案的方式，不僅能展示你對資料庫的理解和熟悉資料工程的能力，還能展現你的邏輯思維。

面試官不僅會對你在技術層面的理解感到印象深刻，還會注意到你在分析和解決問題過程中的條理性和創造性。

這裡埋梗的意思是，刻意在簡報中述說專案的漏洞或困境，可以成為一個讓面試官必須詢問或確認的「梗」，這就像必考題一樣，讓面試官認為找到了專案的缺口或破綻，其實是你「早已準備好」的問題，這樣一方面照著自己的節奏完成了面試的答題，也因為花費在「必考題」的時間，減少被問很多不確定性的問題。

其實面試就是一個說故事和聽故事的過程，若故事沒有起承轉合或高潮迭起，便無法帶給觀眾較好的閱聽感受。

面試就是看你的故事能否吸引人，讓面試官想深挖你的故事，如果他們願意花更多時間了解你本人或你的專題，也代表你獲得工作的機會大幅提升。

面試履歷的準備

身為轉職者，在面試過程，最主要展示參與的作品集、專案的經驗，以及解決問題的能力。我會準備一份讓人看了一目了然的文件，還有一份有詳細內容的簡報：

1. 一份精簡的英文履歷
2. 一份詳細的作品集個人簡報

履歷的8大項目

保持簡潔明瞭，重點突出技能和經驗

1. 個人資料

• 基本信息： 包括姓名、聯絡方式（電話和電子郵件）、LinkedIn、Github( 記得把你完成的作品集程式碼放置於上去)。
• 職位目標： 簡短描述你期望的職位和職業目標。
• 軟實力能力：列出其他有助於工作的軟技能，如項目管理、團隊合作、問題解決能力、溝通技巧等。
• 外語能力：列出你掌握的語言及其熟練程度，如果語言能力對你申請的職位有幫助，可以簡要描述其應用場景

2. 專業摘要

• 簡潔描述： 在3-5句話內概述你的專業背景、關鍵技能和主要成就。
• 突出成就： 突出你在以往職位中取得的主要成就和貢獻，尤其是那些與申請職位相關的經驗。

3. 技能

• 技術技能： 這邊我只強調技術的技能，讓這更簡單明瞭，列出自己擅長的技能，或用子項目將更仔細的內容列出：例如Python、數據分析、機器學習、Flask、Airflow等。

4. 工作經歷

• 公司名稱和職位： 列出你曾經工作過的公司名稱、職位和工作時間。
• 工作描述： 簡要描述每個職位的職責和主要成就。使用動態動詞，強調你在每個職位中的貢獻和影響。
• 具體案例： 提供具體的項目和成果，使用數據和具體例子來支持你的描述。例如，”通過優化數據處理流程，將數據加載時間減少了30%。”

5. 教育背景

• 相關課程： 如果你的課程與申請的職位相關，可以列出相關課程。

6. 專業認證和培訓

• 認證名稱： 列出你獲得的專業認證，如Coursera、edX、Codecademy等平台的證書。
• 培訓課程： 列出你參加過的相關培訓課程，尤其是那些能增強你技能的課程。

7. 專案經驗

• 專案名稱和時間： 列出你參與過的主要專案名稱和時間。
• 專案描述： 簡要描述專案的目標、你在專案中的角色和具體貢獻。
• 專案成果： 列出專案的具體成果和成就，使用數據來展示專案的影響。例如，”通過實施自動化數據處理管道，將數據處理效率提高了50%。”

8. 獎項和榮譽

• 獎項名稱： 列出你獲得的獎項和榮譽，強調那些與申請職位相關的獎項。
• 獲得時間： 列出獲得獎項的時間和授予機構。

建議和技巧

1. 使用量化數據： 在描述工作經歷和專案成果時，盡量使用具體的數據來展示你的成就。
2. 突出相關經驗： 優先展示與申請職位最相關的經驗和技能。
3. 避免過度描述： 簡潔描述，不超過兩頁，重點放在重要信息上。
4. 格式一致： 保持整個履歷的格式一致，使用易於閱讀的字體和標題。
5. 校對： 在提交履歷之前，仔細檢查拼寫和語法錯誤。

面試前訣竅

• 熟悉公司背景： 在面試前，了解公司的背景和產品。
• 展示技術能力： 通過具體的案例展示自己的技術能力和問題解決能力。
• 保持自信： 自信地表達自己的經驗和能力，並展示對未來職業規劃的清晰目標。
• 設定目標：設定短期和長期目標，做為自己職涯的路徑，最為回答行為面試的依據
• 列出或描述參與的社群活動：包含技術社群或開源項目， 參加技術社群的讀書會、研討會和黑客松 ; 參與開源項目的經歷，展現人脈網絡。

推薦文章>>資工新手怎麼提高履歷命中率？

可作為面試準備和協助的線上輔助課程

在這邊也推薦一些面試的線上課程可做參考

Coursera

• Data Engineering Career Guide and Interview Preparation
• Data Analyst Career Guide and Interview Preparation
• Software Developer Career Guide and Interview Preparation
• Meta Coding Interview Preparation

Udemy

• Master the Coding Interview: Data Structures + Algorithms
• Master the Coding Interview: Big Tech (FAANG) Interviews
• 50 days of LeetCode in python: Algorithms coding interview
• Beat the Codility Coding Interview in Python

Hahow

• 成功前進科技巨頭，百萬年薪面試術！

Pressplay

Pressplay這邊，幫讀者爭取了九折優惠券，可以套用在下方的這些課程中:

• 我想當碼農｜軟體工程師求職面試與薪資談判指南
• 張志賢【職涯成功的關鍵溝通力】
• TED流-精準表達術｜在短時間內建立連結・贏得信任與機會

Python 轉職後的前景與工作選項

Python同時協作資料科學與軟體開發，所以工作選項多元，進可攻退可守。

我轉職後擔任過三種類型資料工程師，並同時擔任機器學習工程師、資料分析工程師，現在則是軟體後端工程師。

依我的見解，整個跑道的轉換路徑，我認為可以由資料工程師作為起點，接著在看自身的興趣和「技能樹」，朝著以雲端架構師為主的軟體後端發展，或是走以機器學習為主的資料科學家的路線。

資料工程師的多元選擇

資料工程師的不同角色總覽

資料工程師會接觸到較多工具，同時也會比分析師有更多 coding 的機會，可以橫向發展更多如Power BI、Tableau的BI工具，或是如Informatica、Pentaho等的ETL工具 ; 也可以垂直深度發展寫程式的能力，或鑽研某項大數據技術，如Hadoop、Spark、Flink等，或是去學習雲端技術，如AWS、Azure、GCP等重量級的三朵雲。

（本篇著重在轉職的路徑，工具的介紹則會在另一篇文章「資料工程師和資料分析的技能樹」在另外說明)

作為轉職起點的資料工程師和資料分析工程師，依照我的經驗分為以下幾種：

資料倉儲工程師 (Data Warehouse Engineer)

• 初級的年薪範圍： 約在新台幣 60萬到 75萬之間
• 描述： 主要負責設計和管理資料倉儲，確保數據的整合、存儲和分析的高效進行。
• 使用工具：

  • Miscrosoft系列：

    • SSIS/SSMS (理解為微軟的程式作業系統即可)
    • SQL Server (微軟的資料庫)
    • 撰寫Store Procedure

  • 開源大數據平台：

    • Hadoop (開源大數據儲存和計算平台)
    • Hive (開源的大數據運算平台，類似寫SQL的指令方式)
    • Spark (開源的大數據運算平台，類似寫SQL的指令方式，以記憶體驅動)
    • 撰寫Hive SQL 、Spark SQL或 pyspark

• 工作任務：

  • 設計和搭建資料倉儲模型
  • 整合資料進行分析
  • 管理資料流
  • 設計資料提取和轉換
  • SQL撰寫 

• 技能要求：

  • 資料倉儲設計(資料倉儲是比資料庫規模更大、程度更大、結構更嚴謹的儲存庫)
  • SQL 優化
  • 資料治理

• 認證/培訓統整：

  • Data Warehouse Developer Certifications

• 認證/培訓範例：

  • Cloudera Certified Professional: Data Engineer
  • IBM Data Warehouse Engineer Professional Certificate
  • Snowflake SnowPro

• 職涯進修路徑：

  • 雲端或資料平台架構師
  • 資深資料倉儲工程師
  • 大數據平台架構師

ETL工程師 (ETL Engineer) 

• 初級的年薪範圍： 約在新台幣 60萬到 70萬之間
• 描述： 負責數據提取、轉換和加載過程，確保數據從來源系統準確地進入數據倉庫。
• 使用工具：

  • Python
  • Postgresql (開源資料庫的一種)
  • Airflow (視覺化的ETL工具，由純python撰寫出來的框架 ; ETL是數據萃取轉換和載入三個步驟的合稱，是資料工程師最頻繁遇到的任務)
  • ETL工具(dbt, Pentaho, informatica) 

• 工作任務：

  • 開發和維護ETL流程
  • 自動化數據傳輸
  • 虛擬資料整合

• 技能要求：

  • 熟悉ETL工具和Python
  • 自動化腳本技能

• 認證/培訓統整：

  • Top Certifications for ETL Developers in 2024 (Ranked)
  • Best ETL Courses Online with Certificates [2024]

• 認證/培訓範例：

  • dbt Analytics Engineering Certification Exam
  • Informatica Certified Professional (ICP)

• 職涯進修路徑：

  • 高級ETL工程師
  • 資深資料倉儲工程師
  • 軟體後端工程師
  • 大數據平台架構師

資料庫維運工程師，或稱資料庫管理師 (Database Administrator)

• 初級的年薪範圍： 約在新台幣 60萬到 80萬之間
• 描述： 負責資料庫的安裝、配置、維護和性能優化，確保資料庫系統的正常運行。
• 使用工具：

  • 網路架構
  • Hadoop大數據平台架構
  • 資料庫維護

• 工作任務：

  • 安裝、配置和升級資料庫
  • 監控性能
  • 備份和恢復

• 技能要求：

  • 資料庫管理系統知識
  • 性能優化
  • 備份和恢復

• 認證/培訓統整：

  • Top Certifications for Data Architects in 2024 (Ranked)
  • Top 10 Database Certifications For Your Career in 2024

• 認證/培訓範例：

  • ​​Microsoft Certified: Azure Database Administrator Associate
  • Oracle Database SQL Certified Associate
  • IBM Certified Data Architect – Big Data
  • IBM Certified Solution Developer – InfoSphere DataStage

• 職涯進修路徑：

  • 資深資料庫管理員
  • 系統分析師
  • 資料庫系統架構師
  •  大數據平台架構師

資料分析工程師 (Data Analysis Engineer)

• 初級的年薪範圍： 約在新台幣 60萬到 80萬之間
• 描述： 負責數據收集、清理和分析，提供數據驅動的決策支持，進行數據可視化和報表展示。
• 使用工具：

  • BI Dashboard (理解成常看見的資料儀表板即可)
  • Data Mining (資料探勘 : 是從資料去尋找或探索相關領域的洞見的方法)
  • 資料預處理
  • 報表與資料展示

• 工作任務：

  • 數據收集和清理
  • 數據分析和可視化
  • 建立和實施分析模型
  • 撰寫分析報告
  • 提供API與其他系統集成等工作

• 技能要求：

  • 資料分析工具
  • 程式語言
  • 數據處理技能

• 認證/培訓統整：

  • Top Certifications for Analytics Engineers in 2024 (Ranked)

• 認證/培訓範例：
  • Microsoft Certified: Power BI Data Analyst Associate
  • Tableau Desktop Certified Associate
  • Cloudera Data Analyst Certification
  • AWS Certified Data Analytics – Specialty
  • IBM Data Analyst Professional Certificate

  • 職涯進修路徑：

    • 資料分析專案經理
    • 資料產品經理
    • 機器學習工程師

Python 轉職的薪資待遇

初級開發者 (Junior)

• 年薪範圍： 約在新台幣 50萬到 80萬之間
• 描述： 初級開發者通常擁有1-3年的工作經驗，主要負責基礎的開發和維護工作。

中級開發者

• 年薪範圍： 約在新台幣 80萬到 110萬之間
• 描述： 中級開發者通常擁有3-5年的工作經驗，負責較為複雜的系統開發和優化工作，並且有一定的獨立解決問題的能力。

資深開發者 (Senior)

• 年薪範圍： 可達新台幣 110萬以上
• 描述： 高級開發者通常擁有5年以上的工作經驗，能夠主導項目開發，具備全面的技術知識和管理能力，並能對技術方向提出建設性建議。

影響薪資的因素

技能水平

• 掌握相關工具和技術，如Python、SQL、Tableau、Hadoop等，能夠顯著影響薪資水平。
• 掌握多種技能： 如熟悉Django、Flask等框架，以及數據分析和機器學習相關技能，會提升市場價值。

工作地點 (以台灣為主)

• 台北市的薪資水平普遍較高，也有較多新創產業，是最適合軟體和資料科學的環境，但相對地，生活成本也是非常高的。
• 中南部如高雄等地的薪資水平則相對較低，以工廠或製造業為主，而生活成本也較低。
• 台中市則較多博弈行業為主的企業，若不排斥，其薪資待遇也是相當可觀的。

企業規模

• 大企業： 提供的薪資和福利通常較好，工作穩定性高，但同事可能較多是”躺平”或是”腳麻”的態度(意思是較慵懶或消極)，可能學習到新技術的機會較少。
• 新創公司： 可能提供較有普遍的薪資，但帶有其他的激勵措施，也能學到很多新的技術，相處起來的同事可能更為積極、更深思熟慮，能力和技術也更強，但新創的風險相對也較高。

適合Python轉職的 實體班、進修班機構

有許多輔導機構和課程可以幫助想要轉職的人士學習Python。

以下是幾個推薦的資源：

Tibame 緯育

https://www.tibame.com/

實體班或線上班都有，養成班大多為實體班

緯育是我當時選擇的進修班，不過當時的地點是在桃園的中央大學，所以對於成本會比在台北更低一點。

最近看到桃園並沒有在招生，讀者還需密切關注一下消息，可能會隨時更新最新課程資訊，或直切去他們官方line詢問。

我當時參加的是為期半年的大數據與資料分析養成班（平日五天上課總時長共半年，提供實體上課、硬體設備、自修教室、人資介紹面試履歷的分享，以及最重要的作品集Demo配合一日業界媒合，費用為10萬左右

緯育的選擇會更為多樣，近期以資料工程師養成班、生程式AI雲端應用養成班、AI智慧應用開發實戰養成班為主。

AppWork School

前四週線上參與，之後16週為平日整天的實體班

非常有名且師資優良的團隊，過去所知很多課程都是免費的。採隨到隨審且額滿截止制，會有第一關的面試審核(若人不在台灣，可以選擇視訊面談)，好處是這樣篩選出來的同學和組員，都是有決心和目標導向的，更能組織起更好的轉職專案成果。

時程安排：前前 4 週每週需投入 40 小時遠距學習；後 16 週為上午 9 點至下午 6 點的實體班，一週五天的全職駐點集訓。唯一缺點可能是台北的花費較高的問題。

過去與Python相關的課程包含：

• Data Engineering Class：從 Python 程式語言出發，深入學習關連式及非關聯式資料庫、資料整理與操作，成為 Data Engineer。
• Automation Test Class：有別於傳統手把手教學，本課程將透過 10 週的密集自主學習搭配實體討論及專案實作，每週 10 – 15 個小時學習時間，從 Python 的基礎訓練到熟悉 WEB & API Automation Test 的開發，從零建構自動化測試系統，成為一名專業的自動化測試工程師。
• Back-End Class：從 HTML/CSS/JavaScript 等程式語言入門網頁開發後，深入 Java/Python 開發與資料庫規劃，成為 Back-End Engineer。

stanCode

師資非常優秀，教學團隊是由使丹佛大學回台的碩士生

可選擇台北實體或線上參與

時程大多在平日晚上或週末

課程內容：

Python基礎班:

分為上、下兩個基礎班，上課內容滿扎實的，而且也有課後作業可以練習

AI班：

課程內容滿多的，共50幾個小時的課程，從機器學習概念到資料處理，以及機器學習、深度學習、類神經網路等的內容都有，包含卷積及循環神經網路，實際編寫圖像及時序性資料的的判斷。(課程內容可能會隨時更新，請以官網內容為主)

ALPHA Camp

線上課程

現在開設相關的課程為「資料分析能力系列課程：數據思維」(https://tw.alphacamp.co/courses/data-1 )，另外也有開設資料工程非常需要的SQL課程(https://tw.alphacamp.co/courses/sql14days )，雖然這兩門課都沒有運用到Python，但是由資料分析的視角先了解數據，會討論到2-3個資料分析案例，我個人滿推薦若有自學Pyhton基礎的人可以來參加，以便增進資料分析的思考。

台灣大學資訊系統訓練班

https://train.csie.ntu.edu.tw/train/courses.php

是由台大教授對外開設的訓練班，包含暑期班、假日班、平日班、線上授課的方式都有，詳情還是以官網的內容為依據。

課程非常多元，包含Python基礎、Python資料處理、Python程式設計、Python基礎資料科學等

台灣就業通職前訓練網

https://its.taiwanjobs.gov.tw/

以課程關鍵字「python」去搜尋，會看到台灣各地所開設的進修班，也是滿方便找學習資源的網站，有些則會依據年齡等條件有補助的資格，可以隨時到官網搜尋相關訊息。

ccClub讀書會

https://www.ccclub.io/

春季班為3月報名，秋季班為9月半名

一個由台大學生自組的讀書會，會已「完成面試專案導向」為方向的方式來進行，
詳情可去看官網中的歷屆專案(https://www.ccclub.io/achievement )

ccClub 讀書會是什麼？

Coding & Co-working Club（ccClub）成立於 2016 年，由一群國立臺灣大學學生及校友組成，成員涵蓋電機資訊學院、理學院、社會科學院、管理學院、生農學院等。我們認為在這人工智慧日益發達的世代，程式設計不再只是特定領域的工具，而是應該成為任何領域的人都能運用的第二專長。

ccClub 團隊的理念是希望能用淺顯易懂、循序漸進的方式，帶領新手一步步跨入程式設計的世界。因此團隊彙集了軟體工程師的實務經驗，同時寬廣各領域新手在學習程式設計時遇到的痛點，針對細節做教學的改善與引導，希望能降低學習門檻，讓所有充滿熱情的新手都能夠迅速且扎實的開啟程式設計之路。

工研院AI人工智慧資料分析師課程

https://college.itri.org.tw/edm/D3/010/10/edm1.html

線上授課，且出席達八成以上會有30%補助，完成課程有工研院頒發的「Python AI人工智慧資料分析師」培訓證書。

課程內容由Python基礎到Python爬蟲，Pandas、Numpy到機器學習和簡易的深度學習課程。

還有其他常見的如巨匠和聯成的課程

課程內容都寫得滿詳細的，也是從Python基礎、爬蟲到機器學習，但詳細的上課時程和進行方式似乎要直接聯絡會更清楚。

巨匠 Python AI養成班

https://www.pcschool.com.tw/activity/107/1070918_python-ai/index.html?fromto=9900399P&gad_source=1&gclid=CjwKCAjwqre1BhAqEiwA7g9QhldJDhkw-8SahBcRxEuUvzBvW7NlTUXUL5CegwGafWYAquEUn2N8mRoCDYAQAvD_BwE

課程內容都寫得滿詳細的，也是從Python基礎、爬蟲到機器學習，但詳細的上課時程和進行方式似乎要直接聯絡會更清楚。

聯成 AI人工智慧培訓班

https://www.lccnet.com.tw/commercial/program/05/artificial-intelligence-training_gad.asp?med=g003&mpo=39497

課程內容都寫得滿詳細的，也是從Python基礎、爬蟲到機器學習，但詳細的上課時程和進行方式似乎要直接聯絡會更清楚。

轉職的挑戰與對策

轉職過程中會面臨各種挑戰，轉職初期需要應對外在和內在的困境，如家人的不理解和工作上的重複性任務。Dex的解決方法包括參與各種社群活動，如開源項目和讀書會，這不僅增加了他的技能，還擴大了他的人脈網絡。

轉職過程的外在困境

• 家庭壓力： 家人和親戚可能不理解轉職的決定，尤其是從穩定的職業轉向技術行業。需要通過展示新技能、驗證進步來獲得家人的支持。
• 同儕競爭： 未轉職的同儕可能在原有職業中穩步提升，這可能會帶來壓力。必須專注於自己的成長和目標，而不是與他人比較。

轉職初期的內在挑戰

• 工作非常陌生： 在新職業初期，可能會感受到不安與陌生。我建議通過參與各種專案並把公司各個學習技術紀錄摸透，以此來保持動力。
• 自我懷疑： 可能會因為不確定性而感到焦慮。所以需要設立小目標並不斷突破它們，以此獲得自信和成就感。

理工背景者轉程式領域的Python引路之道

Threads/IG：@daydreamdex

更多學習資源和工作經驗分享，可訂閱 我與經驗值 電子報

訂閱即可獲得NVIDIA AI

學習資源 https://iandexp.ck.page/283146f2d3 —來自Dex的塵世哲學

※本文由 Dex的塵世哲學 授權勿任意轉載，原文《Python轉職指南：最全面的轉職解析和最真實的經驗談》

這篇文章 【學長姐帶路】Python 轉職入門全指南：進修解析和轉職經驗談 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

原標《台積電技術員面試紀錄》

文/DCARD 網友

今天剛面試完台積電技術員職缺，主要想趁記憶猶新寫下來，給自己身邊後面想面試技術員的朋友當一個參考，如果你剛好也看到能幫助到想應徵的你少走彎路也不錯。

事前準備：

先至TSMC官網註冊帳號

點選人才招募

地點：台灣

職別：技術員

依你所在的區域尋找適合的職缺，我個人是選新竹地區先進封裝跟物流統籌系統

基本資料填寫：

基本資料我只講幾個我認為比較重要的

任職於台積公司的親屬/朋友：

我聽到的是有寫介紹人有差，所以我找了認識的人填寫並索要了對方的公司信箱。

自傳：

我的作法是簡單扼要的描述上一份工作經歷及為何離開和抱持什麼樣的心態選擇科技業技術員這行。 我會認為沒人想聽你述說那籠統的個人資料回答（你的名字、幾年幾月出生、家中排行老幾）

履歷關鍵字：

就是你人格特質的hashtag（細心、勇於面對挑戰等） 再來就是檔案上傳部分

主要需要上傳：

工作經歷、應徵人員問卷、自製履歷表、畢業證書

檢視應徵人員問卷：

所有的問題我儘量都以偏向公司利益為主或公司想要答案回答 挑幾個比較重要的簡答題

例：通常您會依哪些因素來決定是否繼續待在一個工作中任職

a、吸引您願意繼續任職的因素有：薪資成長與工作穩定性

b、促使您想離開的因素有：薪資不穩定或評估產業無未來發展

請剖析您自己的優點及最需要改善的部分

這題需要認真回答，尤其缺點需回答合理並對技術員工作無傷大雅

報到環節：

當天是早上9:00面試報到，我大概8:40到現場總計約10人女生居多

向櫃檯報到後會詢問你身上有無電子產品，我是說所有電子產品都已收好放車廂即入座等候

考題部分：

主要是英文單字題庫269題裡出，大約20題，需要注意的部分是除正確答案選擇題錯誤的選項很多題庫裡面沒有。

數學題兩題（我憑印象描述考題）

1.公司晶圓的產能每小時180片，總目標是5000片，請問12小時後的產能扣除目標後還差多少片

2.台灣至英國的班機預計10:40出發，班機延遲30分出發，從台灣到英國需航行12小時，而英國比台灣時差慢八小時，請計算出到英國時正確時間需標註是白天晚上（AM/PM)

記得計算過程要寫出來有算式，答案的部分要用

A:或答：

再來是做適性測驗，不外乎就是問一些你對團體的個人特質能否為了團體犧牲個人利益或你對問題還有生活正不正向，我幾乎都回答對公司有利的狀況

適性測驗做完後向招募中心表明問卷做完，會告知你接下來要去哪一個廠做面試，如果你不用在原地等候人資會給你一個小紙條，依照紙條指示去搭接駁車到面試地點。

面試環節：

一樣到櫃檯表明今天是來面試的，提供證件換證櫃檯會請你大廳等候通知主管來找你。

主管打招呼給你臨時用識別證進出，途中有問我跟另外一個妹妹，有沒有任職過半導體廠。（報到10人大家最終去的面試地點幾乎不一樣）

我回答曾任職旺X到目的地後主管請示我先進入小會議室。

進去後兩個小姊姊面試官打招呼，接下來環節我只挑幾個比較簡單問題描述。

開頭先請你簡單自我介紹，逐一問題就是依照你填的應徵資料跟履歷去逐一問你。

簡單條列式問題：

上一份工作為何離職

為何選擇台積電

能否接受4班2輪

對所應徵的工作有多少暸解

如果論調夜班時怎麼安排時間

除了自己外有沒有賺錢需要提供給父母

面對問題時怎麼解決，有沒有相關的案例

怎麼沒有想要回到自己當初待的科技公司

有沒有想問的問題

這邊針對想問的問題，我詢問的是現在產能對比前一年有恢復嗎？

有沒有加班的機會

主要是我詢問她們，就我的認知在前一年很多廠區在放無薪假（面板業），我希望公司是穩定的且有加班機會，我充分表達我想加班的企圖心

面試官回答：目前如果你想加班相信很多產線年資高的員工都想放假，如果你想加班應該是有很多資歷久的員工想丟班給你，並詢問你剛脫離上一份上一份工作都沒有想休息嗎？

我的回答是：其實我在應徵前就知道等offer大概需要兩週的時間，我也不想休息太久，休息太久會怠惰，而且休假時我會不知道要幹嘛，我希望能多點加班充實自己的時間，對我來說在等通知的2週已足夠休息。

小姊姊們回答：真是一個工作狂呢（不約而同笑了）

Q:目前竹南廠缺比較多如果到時候分發到竹南可以接受嗎？

A：其實我在跟人資電話對談時已清楚表明，雖然我住新竹市內能有新竹廠的職缺當然最好，如果要分發到竹南我也可以接受。

接下來就是問你還有沒有其他問題，如果沒有的話就結束了，小姐姐們有說有看到我筆試的成績是滿分，只是她們不知道筆試回答的內容。

離開時由面試官帶你離開，途中有問廠區這樣的環境跟建設你覺得怎麼樣？（新蓋的廠區）

我只回答這樣的環境很不錯，跟我以前的科技廠對比其實很棒，（有星巴克等其他可以刷餐的廠商比，我之前待的廠簡直很邊緣），順便詢問現在台積電的刷餐模式跟補貼多少，小姐姐很耐心的回答如果你是上夜班的話記得七點前來刷餐有補助等， 我的感覺是雖然面試官的資歷不是很深，但她們也盡可能遵照sop問你一切面試該問的問題。

不要想說謊或迴避問題，其實面試過程就當提問聊天，會輕鬆很多。

如果後面收到offer或感謝信會再另外更新，給想應徵台積電技術員的卡友跟我後面想應徵的親朋好友，我自己認為我在面試最大的缺失是沒有事前瞭解要應徵的職位工作內容，只能憑自己認知回答我當初主要是應徵先進封裝跟物流統籌，我對先進封裝的認知是cowos技術晶片堆疊，物流統籌也是除了操作機台需要搬重物，我原本以為她們會問我知不知道公司是做什麼的或關於產業領先地位，其實對於這塊我早就準備好回答，但最大意的部分就是該先對所應徵的兩個職缺做深刻瞭解。

以上分享純粹給想知道的朋友而創作，如果我的分享有幫助到你不外乎點個讚並留言你想知道的其他問題我盡可能回答。

※本文由 DCARD 網友 授權轉載, 原文:《台積電技術員面試紀錄》

這篇文章 【學長姐帶路】台積電技術員求職過程 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。