訓練日期：2026-08-21 上課地點：台南市中西區樹林街二段33號 上課費用：填表洽詢2026-08-21 …訓練日期：2026-08-21
上課地點：台南市中西區樹林街二段33號
上課費用：填表洽詢2026-08-212026-08-21

課程介紹：

1.知識： 培養學員具備智慧電子材料製程、智慧品質管理及人工智慧應用之基礎知識，熟悉生成式AI、機器學習、大數據分析及AI影像辨識等核心技術原理，並瞭解智慧製造與數位轉型發展趨勢。
2.技能： 培養學員運用生成式AI、AI程式設計、機器學習、大數據分析及AI影像辨識等工具與技術，進行製程監控、品質分析、資料處理及問題改善之能力，並具備專題實作、跨域整合及智慧化應用能力。
3.學習成效： 學員完成訓練後，能將人工智慧技術應用於電子材料製程與智慧製造場域，具備製程優化、品質管理、數據分析及智慧化改善能力，並建立專業倫理、團隊合作、溝通協調及持續學習之職場素養。

隨著生成式AI、智慧製造及電子材料產業快速發展，企業對兼具製程知識與AI應用能力之跨域人才需求持續增加。學員結訓後可投入智慧電子材料製程技術人員、智慧製造應用助理工程師、AI應用與數據分析助理、智慧品質管理人員及數位轉型專員等相關職務，服務領域涵蓋電子材料、半導體、印刷電路板（PCB）、智慧製造及數位科技等產業，具備良好就業前景與職涯發展潛力。

報名此課程

課程內容：

1. 智慧塗佈製程應用(3小時)：1.塗佈產品布局趨勢。 2.電子紙與量子點光學膜應用。
2. 智慧品質管理原理(6小時)：1.從資料取得到模型建置，逐步引導大數據分析基本操作。 2.學習資料探勘的方法原理與應用方式。
3. 智慧塗佈製程材料基礎原理(4小時)：1.銅箔基材概論。 2.銅箔基材基本結構。 3.銅箔種類與特性。 4.應用領域。
4. AI程式設計原理(12小時)：1.學習程式設計觀念與方法 2.使用程式語言(例如:Python等)進行程式設計
5. 人工智慧與機器學習原理(12小時)：1.學習人工智慧與機器學習的原理與開發方法。 2.學習AI與機器學習應用方式與探討未來發展趨勢。 3.進行相關範例實務演練。
6. 大數據分析原理(12小時)：1.從資料取得到模型建置，逐步引導大數據分析基本操作。 2.學習資料探勘的方法原理與應用方式。 3.進行相關範例實務演練。
7. 就業市場趨勢分析、求職技巧及履歷撰寫(6小時)：1.就業市場現況的分析、徵才條件的考量、求職訊息管道。 2.進行自我能力評估，提升個人競爭力。 3.履歷架構解析、履歷優化及一對一履歷健診輔導。
8. 企業徵才活動(2小時)：1.職場認知與趨勢介紹。 2.企業徵才流程與職涯規劃。
9. 人際溝通及性別平等(3小時)：1.人際溝通。 2.性別平等工作及禁止就業歧視。 3.性別之定義與觀念。 4.性別平等、性別尊重與多元性別。 5.兩性溝通與平權。 6.性騷擾、性別歧視。
10. 智慧塗佈製程實務(12小時)：1.塗佈製程教學應用。 2.壓合製程教學應用。 3.開發基礎教學應用。 4.進行相關範例實作的示意。
11. 生成式AI提示工程技術(12小時)：1.生成式AI於數位轉型之應用 2.ChatGPT於Excel數據分析 3.生成式AI的倫理與風險管理。 4.進行相關範例實務演練。
12. 生成式AI於產業與進階應用(12小時)：1.快速上手數據分析 2.打造多模態機器人 3.機器流程自動化概念 4.進行相關範例實務演練。
13. AI程式設計實務(21小時)：1.學習程式設計觀念與方法 2.使用程式語言(例如:Python等)進行程式設計 3.進行相關範例實務演練。
14. 人工智慧與機器學習實務(21小時)：1.學習人工智慧與機器學習的原理與開發方法。 2.學習AI與機器學習應用方式與探討未來發展趨勢。 3.進行相關範例實務演練。
15. 大數據分析實務(12小時)：1.從資料取得到模型建置，逐步引導大數據分析基本操作。 2.學習資料探勘的方法原理與應用方式。 3.進行相關範例實務演練。
16. AI影像辨識應用(18小時)：1.學習AI影像辨識的原理與方法。 2.使用AI技術來進行影像的分析、分類、辨識和處理。 3.進行實務應用與案例實作。
17. 專題製作實務(16小時)：1.兼顧理論與實務應用。 2.培養專案管理之技能。 3.培養學習資訊系統開發與數位科技之實作能力。 4.透過成果發表會展示學員專題實作成果。
18. 綜合評量(8小時)：針對學員之學習成果進行評量，作為後續課程教學內容之調整以及強化學員學習輔導 之參考依據。

備註：
詳細內容及報名需知，請點選報名後見協會網站內容

報名此課程

[elementor-template id="128291"]

這篇文章 【8/21台南場】AI智慧電子材料製程應用產業人才培訓【符合資格免費上課】(雲嘉南分署)-國立臺南大學數位學習科技學系 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

訓練日期：2026-06-23～2026-09-04上課地點：台北市松山區復興北路99號上課費用：學員負擔：填 …

訓練日期：2026-06-23～2026-09-04
上課地點：台北市松山區復興北路99號
上課費用：學員負擔：填表洽詢 政府負擔：填表洽詢

課程介紹：

建構學員對商業資料科學有基本概念及實務應用能力，期能輔導進入產業就業。
(1) 強化邏輯思考: 培養邏輯思考能力。
(2) 學習程式語法: 學習Python的語法、結構、模組。
(3) 學習程式應用: 學習將程式語言應用在實務上，如：商業資訊分析、AI深度學習。
(4) 鍛鍊實務能力: 透過專題實作，將所學知識與技能，用來解決真實世界的數據分析議題。

報名此課程

課程內容：

課程執行單位保留調整課程內容、日期與講師之權利~

師資介紹：

謝老師　Ø學歷：國立台灣科技大學電子工程系博士　Ø專長：AIGC(AI生成內容)的應用、Python爬蟲、Python大數據、多媒體製作、物聯網、Canva、Notion。 　　馬老師　Ø學歷： 國立政治大學資訊管理博士　Ø專長： 機器學習、深度學習、資料探勘、數據分析、資料科學。  　　楊老師　Ø學歷： 世新大學資訊傳播學系研究所碩士　Ø專長： 程式設計.電子商務,行銷管理,大數據分析,網頁爬蟲,創業管理。  

備註：
詳細內容及報名需知，請點選報名後見協會網站內容

報名此課程

[elementor-template id="128291"]

這篇文章 【6/23台北場】高額補助~AI數據分析產業應用養成班(第7梯次)【產業新尖兵】 – 工研院產業學院(台北學習據點) 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

訓練日期：2026-05-27～2026-08-07上課地點：台中市南區興大路145號上課費用：學員負擔：填表 …

訓練日期：2026-05-27～2026-08-07
上課地點：台中市南區興大路145號
上課費用：學員負擔：填表洽詢 政府負擔：填表洽詢

課程介紹：

人工智慧與機器學習概論、Python程式設計、機器學習演算法及程式設計、深度學習應用與程式設計、人工智慧與資料分析專題、人工智慧雲端系統實務
就業方向：AI應用工程師、大數據分析工程師、資料處理與服務工程師、承接企業委外案(Business Process Outsourcing)業、成立工作室、自行創業...等

報名此課程

課程內容：

01.求職面面觀/4 hr
02.勞動權益/4 hr
03.職場性別議題/4 hr
04.資訊及通訊科技/4 hr
05.產業趨勢分析/4 hr
06.人工智慧與機器學習概論/32 hr
07.Python程式設計/56 hr
08.機器學習演算法及Vibe coding程式設計/80 hr
09.深度學習應用與程式設計/67 hr
10.人工智慧與資料分析專題/49 hr
11.人工智慧雲端系統實務/56 hr

報名此課程

備註：
詳細內容及報名需知，請點選報名後見協會網站內容

[elementor-template id="128291"]

這篇文章 【5/27台中場】AI人工智慧與數據分析應用班 #補助80-100% – 國立中興大學創產學院 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

開課日期：2026-05-14上課地點：台北市大安區復興南路一段390號2樓上課費用：4000 此為優惠價 課 …

開課日期：2026-05-14
上課地點：台北市大安區復興南路一段390號2樓
上課費用：4000 此為優惠價

課程介紹：

‧ 使用最普及的工具Excel，可以讓你掌握數據主動權，完成意想不到的分析成果。
‧ 深入剖析Power Pivot，貫穿Excel在微軟數據分析家族中的脈絡。
‧ 以商業情境為範本，全程實作，即時驗證，迅速將概念轉化為實戰能力。

商業人員能夠自主分析手邊的數據，對於制定決策、執行營運、行銷、管理等工作，都有莫大的幫助。但分析工具與分析技術的缺口，對大部分商業人員而言，卻是難以逾越的障礙。大家可能不知道的是，人人耳熟能詳的Excel，已悄悄的從傳統「試算表」，蛻變為威力強大的數據分析工具。

內化為「資料 (Data)」選單的ETL功能、無需寫程式的建模平台、外行人也可以管理的關聯資料庫結構、輕易處理百萬列 (Mega Row) 數據規模的分析引擎，這一系列的發展，到 Excel 2016及 Office 365，都已臻成熟，Micro Soft內部稱之為 Modern Excel，可以幫助所有非數據專業人員，快速進入商業數據分析的世界。而這個利器，就等在你、我的手邊。

本課程詳細介紹利用Excel 執行初階商業數據分析的關鍵知識點，搭配案例，全程實作。只要具備基礎 Excel 使用能力者，均可以立即上手，變身為跨越商業與分析領域的數據達人。

報名此課程

課程內容：

報名此課程

備註：
詳細內容及報名需知，請點選報名後見協會網站內容

[elementor-template id="128291"]

這篇文章 【5/14台北場】AI協作Excel商業數據分析 – 資展國際股份有限公司 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

穿戴裝置品牌 Fitbit 於今日宣布，正式將其由 Google Gemini 驅動的「AI 健康教練」測試範圍擴大至 iOS 平台。這項決策打破了該功能長期以來，都僅限安卓（Android）系統使用的限制，也象徵著 Google 在智慧健康領域向蘋果 (Apple) 生態系發起更直接的競爭。記者孟圓琦／編譯

穿戴裝置品牌 Fitbit 於今日宣布，正式將其由 Google Gemini 驅動的「AI 健康教練」測試範圍擴大至 iOS 平台。這項決策打破了該功能長期以來，都僅限安卓（Android）系統使用的限制，也象徵著 Google 在智慧健康領域向蘋果 (Apple) 生態系發起更直接的競爭。

[caption id="attachment_207336" align="alignnone" width="617"] 這款健康教練應用程式現在支援 Fitbit Premium 會員的 iOS 用戶。要註冊，用戶需要加入 Fitbit 公開預覽計劃，並符合Google 規定的其他資格條件。（圖／取自fitbit社群）[/caption]

根據 Fitbit 社群論壇的官方說明，這項 AI 健康教練功能目前開放給已加入「Fitbit 公開預覽（Public Preview）」計畫的 Premium 訂閱用戶申請。該功能利用 Google Gemini 尖端的生成式 AI 技術，分析使用者的心率、體溫、血氧濃度及睡眠品質等核心健康指標。用戶可透過對話式介面，要求 AI 針對自身的健康數據進行深度分析、制定健身計畫，或提供個人化的生活型態建議。

在功能應用上，AI 教練能提供全天候的支援，包括晨間健康洞察、運動後的成效評估以及睡前的建議。然而官方也提醒，雖然 AI 工具能提供顯著的數據參考，但目前仍處於開發階段，並非醫師或專業健身教練的完全替代方案。

更多科技工作請上科技專區：https://techplus.1111.com.tw/

市場分析指出，Google 此舉顯然旨在領先蘋果。儘管先前有傳聞指出蘋果正研發名為「Health+」的 AI 教練服務，但根據《彭博社》最新報導，蘋果目前的策略似乎更傾向於將工具整合進現有的健康 App 中。Fitbit 選擇以獨立功能的型態在大規模跨平台上線，展現出 Google 對其 AI 模型在健康領域應用之信心。

目前 iOS 用戶已可於 Fitbit 應用程式中申請加入預覽計畫，符合資格者將在未來數日內陸續獲得更新。隨著 AI 健康教練的普及，未來智慧穿戴市場的競爭焦點將從單純的硬體監測，轉向更深層次的 AI 數據導航與判讀。

資料來源：techradar

這篇文章 Fitbit AI健康教練登陸 iOS 搶佔果粉市場！助分析健康數據 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

未來想應徵、轉職數據分析師的工作，需要具備什麼專業能力？又有什麼分析、報表相關工具是需要事先熟悉？

記者／孫敬 Archer Sun

談到「數據」這項資源，想必不論是大小公司、跨國企業都會認同它的重要性，然而光是擁有數字、懂得跑報表或系統還不夠，要怎麼從一堆數字中「分析」並清楚「用圖表」給出「有價值的資訊」，考驗數據分析師（Data Analyst）對身處的產業及市場的理解，以及管理層期望的未來發展方向。

如果你是個希望能參與高層決策、改變產品服務甚至公司發展的人，發揮數據的力量就是不可或缺的能力。未來想應徵、轉職數據分析師的工作，需要具備什麼專業能力？又有什麼分析、報表相關工具是需要事先熟悉？

數據分析師職務攻略

數據分析師必備技能及專業​

需要具備哪些能力

想要從數字裡面找到答案，第一步便是要懂得如何操作資料分析工具及報表，最基礎的第一步入門像是如何運用Google Sheet或Excel（RFM、NES、Cohort Analysis）功能，當有一定熟悉後可再進階深入到SQL、Python來清理、整理資料的數據庫。

整理完數據項目之後，數據分析師下一步要思考的是，如何把資料用圖像化的方式呈現。除了Google Sheet或Excel外，可搭配Tableau、Microsoft POWER BI，部分公司會用到Python、R語言來處理，但Tableau普遍較多數據分析師在使用，基本上想踏入這個領域都要熟悉此項工具。

其他建議具備的能力

對數據分析師來說，花費最多心力的地方不是跑數據做報告，反而是「跨部門溝通」及「釐清各部門需求」，不論小從幾十人的公司，又或者大到幾百人的企業，在沒有彼此協作的基礎上，要一個個去摸清其他同事的習性是相當具有挑戰性，有些部門因為不具備數據分析相關背景，數據分析師還要幫忙釐清、聚焦問題給出答案。

日常工作內容

聚焦各部門需求的會議

舉凡公司大小部門決策，數據分析師都有很大的概率必須要參與討論，有時對外的客戶會議也必須根據數據與圖表提出建議。簡單摘要的話，每天數據分析師都需要處理：a.問題釐清、b.數據清理及整理、c.視覺化圖表內容、d.匯集重點與結論提供方案。

相關進修與證照

求職、轉職數據分析師現在還會非常要求證照、學經歷嗎？Google開設的資料分析證照班、SQL for Data Science相關認證的確可以起到一定的加分作用，然而現今越來越多產業、職缺，更看重的是技術及實戰能力，即便沒有對應證照，也能善加利用實作、自學經驗佐證實力。

另外，想轉職數據分析師也建議準備作品集，比如說你共同執行過某個行銷專案，利用真實數據的回饋跟表現分享執行的成果，再結合一份簡報擴大自己的思考邏輯、執行方式跟策略。

薪資區間​

大學畢業

大學畢業1年以下約新台幣35,500、1~3年約40,100、3~5年約43,400。 

研究所畢業

研究所畢業1年以下約新台幣45,200、1~3年約49,600、3~5年約50,200。

大學和研究所畢業的台灣數據分析師，薪資水平參考來源為1111人力銀行薪資公秤統計，統計出處為人力銀行公開職缺招募的平均月薪，不代表所有產業的數據分析師薪資。如果只有基礎的了Google Sheet或Excel操作經驗，起薪會相對低許多，不過只要慢慢熟悉、掌握硬實力工具如Tableau、分析方法論、R、Python薪資會有大幅的成長空間。

未來職涯發展​

數據分析師一職在不同產業裡面，其實有多種不同的名稱，營運分析師、專案分析師、行銷分析師、商業分析師等，雖然名稱不同但做的事情大同小異：了解公司、部門的營運決策，拆解問題、整理並給予相對應的數據佐證支持、解決方案，監測最後的成果做調整。

換言之，當你具備上述的能力，坦白說換到哪一個公司的任何職位，這些能力都是可以通用的。若要具體瞄準特定職位，牽涉財務、市場布局、產品開發等職位都很有競爭力，能做決策、能用實際案例及數據說話，對市場有敏銳度，當員工當老闆都絕對吃香。

延伸閱讀：大模型鬧「數據飢荒」的因應之道｜漫談【主筆室】

討論區：https://www.1111.com.tw/1000w/fanshome/discussionDetail.asp?d0=140503

精選影音

https://www.youtube.com/watch?v=R4vezK1rgS0

想了解更多的科技業職缺嗎？由科技島與1111人力銀行攜手合作、透視上百種科技工作內容與薪資行情的「職缺百科」正等著您前往探索！

這篇文章 數據分析師　數據圖像化與關鍵決策者的重要夥伴 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

全球數位化時代來臨創造出各種新商業模式，企業皆把啟動數位轉型視為最急迫的事，然而，多數企業最先想到的是如何建置數位科技，卻忽略了人力資源也是數位轉型的重要一環。人資管理者必須為企業重新規劃配置新時代數位人才，同時必須具備數據分析力與數位科技新思維，人資管理可經由數據分析預測不同專長職缺招募所需時間、員工績效貢獻度、不同職務的員工離職率、產業轉型人力資源潛在問題與危機等，人力資源管理者可運用數據分析進行作業流程的輔助，數據分析將促使人才決策更精準與快速！

記者／潘冠霖

全球數位化時代來臨創造出各種新商業模式，企業皆把啟動數位轉型視為最急迫的事，然而，多數企業最先想到的是如何建置數位科技，卻忽略了人力資源也是數位轉型的重要一環。人資管理者必須為企業重新規劃配置新時代數位人才，同時必須具備數據分析力與數位科技新思維，人資管理可經由數據分析預測不同專長職缺招募所需時間、員工績效貢獻度、不同職務的員工離職率、產業轉型人力資源潛在問題與危機等，人力資源管理者可運用數據分析進行作業流程的輔助，數據分析將促使人才決策更精準與快速！

為協助人資進行數位轉型、並助其接軌數位世代，中華人事主管協會此次於各地舉辦「人力資源數據分析管理師認證班」，本認證課程將以數據分析為主軸運用在人力資源策略規劃、招募甄選、薪資福利、訓練發展、績效管理、員工關係等各環節皆融入數據分析的實務應用，透過數據分析去了解以往大家未曾注意或疏忽的數據背後的事實與真相，其中的核心與關鍵資訊是企業在經營管理策略發展上的重要意義與價值，藉此數據分析加速組織數位轉型成功效能。

更多新聞：AI大數據認證班 助HR掌握科技趨勢！

協會表示，課程中有數位時代人力資源領域最新議題，包含人力資源數據分析(Human Resources Analytics)、人員數據分析(People Analytics)、勞動力數據分析(Workforce Analytics)、人才數據分析(Talent Analytics)與未來發展趨勢等。在企業經營管理中，針對“人”或“人力資源”這個主題需要更多以「數據」為中心的的思維與分析；而非以相關主管或人員主觀的感覺、或直覺式的想法而採取隨興或隨意式的決策，因此，數據導向的人力資源管理將是現今管理者與人資從業人員必須急迫學習的新課題。

此次的課程時間及地點列於下表，若對高階主管對人力資源數據分析有興趣，或從事人力資源有三年以上實務經驗者，皆非常推薦報名參加課程！【課程網址點我】

這篇文章 HR認證班 人才精準決策靠數位轉型！ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

編譯／莊閔棻 雖然人工智慧無法完全取代人類，但與此同時，基於其擅長執行重複的基本任務的特質，可以幫人類省下很多 …

編譯／莊閔棻

雖然人工智慧無法完全取代人類，但與此同時，基於其擅長執行重複的基本任務的特質，可以幫人類省下很多時間，並讓我們可以去做一些更具有創造性的事。因此，隨著人工智慧的進步，有些事我們甚至可能不需要去學，並將可以更專注於學習難度更高的事情。

以下是由《Euronews Next》提供的、五種我們可以跳過學習，並直接讓人工智慧幫我們完成的事。

1、寫作

人工智慧的自然語言生成技術可以用來生成簡單的報告、文章和其他文字內容。而隨著人工智慧語言能力的進步，它還能總結資訊、提出建議，和幫我們提出各種意見來提升人們的寫作能力。

現在，已經有很多人開始使用像ChatGPT這樣的聊天機器人，來撰寫與他們工作相關的內容，如招聘工作內容描述，或是一些新聞報導等。據報導，甚至還有一些人使用人工智慧寫書，並透過在亞馬遜上銷售這些書來賺錢。

2、藝術設計

由人工智慧驅動的工具可以減少人們花在設計上的時間，並協助生成最初的圖像、設計版面和進行色彩優化等任務。

雖然有些人認為使用人工智慧來創造藝術並不具有藝術性，但也有很多人開始使用人工智慧來發展出屬於自己的風格和工藝。如，一位在Instagram上以令人驚嘆的肖像畫獲得了成千上萬粉絲的攝影師就承認說，實際上，這些肖像畫是由人工智慧軟體Midjourney創作的，並在Photoshop中進行了潤色。

3、數據輸入

數位支付公司Paymob戰略執行副總裁Imane Adel表示：「數據輸入和處理有可能在5到10年內實現自動化。機器學習演算法可以比人類更快、更準確地輸入數據。」

現在，透過光學字元辨識（OCR）技術，也就是將文字影像轉換為機器可讀文字格式的程式，人工智慧可以識別並將列印或書寫的文字直接轉換為數位數據，不但減少了人工錯誤，還可以節省時間。日前，在OpenAI的GPT-4發表中，工程師就展示了GPT-4將手寫程式碼轉變成可用網站的能力。

4、數據分析

人工智慧可以快速、準確的分析大量的數據，並識別人類可能誤解或完全錯過的模式（pattern）和理解，帶來更好的決策。

未來學家和國際暢銷書作家Bernard Marr表示：「如今，我們有人工智慧，它可以簡單地查看我們的數據，分析它，檢測其模式，並為我們做一些分析。而有了這一切，它將可以完成基本的財務會計任務。」

5、影片編輯

人工智慧驅動的編輯工具可以協助不會編輯的人。其可以自動選擇和組合最佳的畫面，並為影片加入畫面轉換的模式，並調整音頻。不只如此，它還可以協助像是修飾圖像及校正色彩等任務。人工智慧工具還可以生成預覽，讓用戶可以直接的了解他們的最終將取得的東西，並對不滿意的地方進行編輯。

參考資料：Euronews Next

這篇文章 人工智慧代勞　人們不再需要學習的5項技能 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

Google研究院、南加大訊號分析和解釋實驗室、Geena Davis媒體性別研究機構3方共同攜手一項研究，藉 …

Google研究院、南加大訊號分析和解釋實驗室、Geena Davis媒體性別研究機構3方共同攜手一項研究，藉由透過分析近10年來的美國電視節目，來了解不同性別和膚色在電視螢幕時間上的變化趨勢。

這項研究調查了2010年到2021年之間，每一季Nielsen媒體指標前10名且有劇本的美國電視節目，包含喜劇、政治劇、愛情劇到科幻片等，是第一個使用大規模AI人工智慧模型進行的電視節目研究，一共分析了440小時的節目，結果顯示即使到了2021年，女性演員在螢幕上出現的時間，仍然比男性少，而且深膚色的演員說話時間只占了16%。

據悉，Google在24小時內處理完所有鏡頭，每秒處理超過100個影格，並使用機器學習模型，大規模分析1200萬個在螢幕上出現的臉部。這項研究結果呈現出幾個重要意義，首先是女性角色在螢幕出現時間上升，但男女還是存在差距。

再來則是淺膚色和深膚色的角色，出現在螢幕上的時間差距從2010年的81%，縮小到2021年的55%。在性別與年齡部分，年長的男性和年輕女性的螢幕時間更長，男性角色最常出現的年齡段是33歲到66歲，女性角色則是18到33歲，外表年齡超過60歲的女性，只有不到1%的螢幕時間。

不過，研究結果也顯示，在這10年之間，深膚色女性角色的說話時間上升最多，每年平均增加1.2%，但仍是在螢幕上最不可能有台詞的族群，說話時間僅占總螢幕時間的16%。

研究團隊指出，這次分析媒體獲得細微的結果，並創造了包容和公平體驗的工具，未來3方還會持續合作，研究世界其他地區的跨文化和混合媒體內容，甚至進一步檢驗「描述性」的訊號，包含領導社交互動的角色，或是是某些社群是否被以刻板印象看待。（記者／竹二）

這篇文章 Google用AI分析美國節目　解析膚色、性別螢幕時間差異 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。