台灣半導體產業被稱為「護國神山」，吸引不少理工科學生投入。但對許多大學生來說，一個常見疑問是：「半導體工程師需要會寫程式嗎？」答案其實沒有那麼單純。因為在半導體產業中，不同職位的工程師工作內容差異極大，對程式能力的要求也不一樣。記者黃仁杰／綜合報導

台灣半導體產業被稱為「護國神山」，吸引不少理工科學生投入。但對許多大學生來說，一個常見疑問是：「半導體工程師需要會寫程式嗎？」答案其實沒有那麼單純。因為在半導體產業中，不同職位的工程師工作內容差異極大，對程式能力的要求也不一樣。

[caption id="attachment_209353" align="aligncenter" width="1536"] 在半導體產業中，不同職位的工程師工作內容差異極大，對程式能力的要求也不一樣。（圖／AI生成）[/caption]

大致來說，半導體工程師可分為三大類型，包含製造端工程師、設計工程師，以及測試與產品工程師。不同職位需要的技能組合差異明顯，也代表不同的職涯發展方向。

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

製造端工程師 程式能力非必要

在晶圓廠工作的工程師，多數屬於製造端，例如製程工程師（Process Engineer）或設備工程師（Equipment Engineer）。這類職位的核心任務，是維持產線穩定運作、提升晶圓良率，以及調整製程參數。

例如製程工程師需要分析不同製程步驟的變化，例如蝕刻、沉積或光刻條件，找出影響晶片品質的關鍵因素；設備工程師則需要負責機台維護、故障排除與設備效率提升。

在這類工作中，程式能力通常不是必要條件。但隨著智慧製造與數據分析逐漸導入，不少工程師仍會使用 Python、MATLAB或Excel VBA 進行資料分析與自動化處理，以提高產線效率。

因此，對想進入晶圓廠的學生而言，扎實的電機、電子、材料或化工背景通常比程式能力更重要。

IC設計工程師 程式能力是基本門檻

若是半導體產業中偏向設計端的職位，例如IC設計工程師或EDA工程師，情況就完全不同。

IC設計工程師的工作，是將晶片功能轉換為電路架構，再透過設計工具完成晶片設計與驗證。這類工程師通常需要使用硬體描述語言（HDL），例如Verilog或VHDL，來描述電路邏輯。

此外，在設計與驗證流程中，也常會使用Python、C++或Perl等程式語言進行模擬、測試與自動化工具開發。因此，對IC設計工程師來說，程式能力幾乎是基本門檻之一。

也因為技術門檻較高，IC設計相關職位通常集中在電機、電子與資訊工程等科系學生。

測試與產品工程師 硬體與數據分析雙棲

另一類常見職位是測試工程師（Test Engineer）與產品工程師（Product Engineer）。這類工程師主要負責晶片量產後的測試、品質管理與產品良率分析。

例如測試工程師需要設計測試流程，確認晶片是否符合規格；產品工程師則會分析量產數據，找出製程問題並協助改善良率。

在這類職位中，程式能力雖然不是像IC設計那樣的硬性要求，但具備資料分析與簡單程式能力仍然相當加分。許多工程師會利用Python或資料分析工具處理大量測試數據。

整體而言，半導體工程師最核心的能力仍然是工程基礎與問題解決能力，但隨著AI與智慧製造導入產線，具備基本的程式與數據分析能力，已逐漸成為半導體人才的重要競爭力。

這篇文章 半導體工程師一定要會寫程式？三種工程師能力大不同 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

根據世界經濟論壇（WEF）的《2025未來就業報告》，全球雇主對職場技能的需求正在迅速轉變。雖然人工智慧（AI）與大數據炙手可熱，但目前不到一半企業認為它們是核心能力，不過這種情況很快就會改變。記者林育如／編譯

根據世界經濟論壇（WEF）的《2025未來就業報告》，全球雇主對職場技能的需求正在迅速轉變。雖然人工智慧（AI）與大數據炙手可熱，但目前不到一半企業認為它們是核心能力，不過這種情況很快就會改變。

[caption id="attachment_199482" align="alignnone" width="808"] AI 雖強，但人的靈活思維仍是職場不可取代的核心資產。（圖／AI生成）[/caption]

報告指出，目前最吃香的能力是分析思維（analytical thinking），約 69% 的雇主視為必備，其次是韌性、彈性與敏捷（resilience, flexibility, agility），有 67% 的企業認為重要，領導力與社會影響力（leadership and social influence）也有 61% 的企業列入必備技能。創意思考（creative thinking）、自我激勵與自我覺察、科技素養、同理心與積極傾聽，以及終身學習等技能，也被超過一半企業認為不可或缺。

雖然目前 AI 與大數據技能需求不算普遍，但報告預測未來五年這類能力將爆炸式成長，AI 和大數據需求淨增率將達 87%，網絡安全增 70%，科技素養增 68%。與此同時，一些傳統技能如手動靈巧、耐力與精準度，以及閱讀、寫作和數學能力，則被預測逐漸下降。

延伸閱讀：
AI 承諾破滅？科技業掀「裁員回聘潮」 裁了又召回露出窘境
專家為年輕人辯護 AI取代初階員工恐引爆「人才末日循環」

報告分析指出，技能轉型影響在不同經濟體差異明顯，中低收入與中高收入國家將面臨更劇烈變動，高收入國家（如丹麥、荷蘭、英國、法國與德國）相對穩定。對勞動者而言，這意味著未來要站穩腳步，不僅要掌握科技，更要強化分析力、創造力與適應力，保持終身學習的熱情。AI 雖強，但人的靈活思維仍是職場不可取代的核心資產。

資料來源：Euronews、custommapposter.com

這篇文章 職場技能大洗牌！未來工作必備能力曝光 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

一個資料科學家的能力需要兼具「#工程開發」+「#數學統計」+「#領域知識」三種能力，DA / DS / DE 角色在於擅長的重點不同。擅長的重點不同不代表「只」專精於某一個領域，而是在全盤有一定的能力情況下可以彈性的調整以及互相補位。所以對於資料工作者的技能樹養成來說該選擇「#學得廣」還是要「#學得深」的確是一個蠻難的問題。

一個資料科學家的能力需要兼具「#工程開發」+「#數學統計」+「#領域知識」三種能力，DA / DS / DE 角色在於擅長的重點不同。擅長的重點不同不代表「只」專精於某一個領域，而是在全盤有一定的能力情況下可以彈性的調整以及互相補位。所以對於資料工作者的技能樹養成來說該選擇「#學得廣」還是要「#學得深」的確是一個蠻難的問題。

但想成為一個好的資料工作者，我認為「廣」+「深」並不是一個選擇題，而是要如何都要。所以自己會建議可以採取專案式的螺旋形學習，透過目標導向逐步優化迭代讓自己每次都多學一點。

作為一個資料工作者不要畫地自限，把「有能力完成整個資料專案」作為目標前進，再慢慢根據興趣收斂到特定的技能。

成為資料科學家的技能比重分佈

接下來想點出一個初學者在專案準備的過程中可能會存在的誤區，那就是「學生思維」與「職場思維」的關注點。

一般在學習階段的技能通常會以「技術」為主，比較專注在單一技能的養成，對於學習的程度上也會要求的更為深入。反之，轉職導向或是坊間的養成班多半會有時程上的壓力，在課程的安排上就會更強調目標導向，廣度可能比深度來得重要

但就如同我們前面所述，廣度與深度並不是一個選擇題，重要的是該如何展現「有能力完成整個資料專案」。以工作現場來說，我們看的是這些技術該怎麼使用，能否在正確的場景中使用適當的技術。

怎麼挑選適合的資料專案呢？

那該如何挑選適合的資料專案呢，才能夠有效地證明有「完成整個資料專案」的能力呢？資料科學是一門跨領域的學科，有許多不同背景的人想踏入資料的產業。但對於沒有相關經歷或是背景的自學者，很容易苦於不知如何累積實戰經驗的問題。

最快的方式就是直接實作 Side Project，持續累積的作品集與實戰案例。不過該如何準備作品集以及怎麼挑選適合的題目呢？在之前的「#數據職涯加值計畫 - 系列講座」中，建議有兩種方向是可以嘗試的起手式：

① 從日常的問題開始

以中長期而言，會建議直接 #從日常的問題開始 ，電商產業工作者能夠利用資料解讀商品的銷售、行銷人員也能夠導入分析方法衡量廣告的成效。

② 模仿經驗案例

如果是短期目的的話，不妨可以試著 #模仿經典案例。像是信用卡風險預測、電商商品推薦系統或鐵達尼號死亡預測題目，能夠藉由模仿的方式學習實作。

嗨，我是維元，目前是一名資料科學與網頁開發的雙棲工程師。近期也擔任科技島社群的駐站專家，持續分享發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的文章。如果對於內文有疑問都歡迎與我們進一步的交流，都可以追蹤資料科學家的工作日常 Facebook 粉專 或 Instagram 帳號，也會不定時的舉辦分享活動，一起來玩玩吧！

這篇文章 資料科學家技能比重分佈公開！資料工作者要學習不同面向的能力，還是專精於某項職能？ ｜專家論點【維元】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

在諸多刻板印象中，關於工程師的幾個關鍵字莫非「爆肝」、「無聊」，甚至有「十萬青年、十萬肝」的說法。但是，實際上 …

在諸多刻板印象中，關於工程師的幾個關鍵字莫非「爆肝」、「無聊」，甚至有「十萬青年、十萬肝」的說法。但是，實際上科技業中的工程師也會因爲其工作職能不同，在分類上有所差異。包含，前端工程師、後端工程師、DevOps工程師、SRE工程師、RD工程師等等。

但除此工程師之外，科技業中還有更多不同的角色，在一連串上的分工上各司其職，像是專案經理（Project Manager）還有FAE工程師。今天，讓我們個別地來簡單認識RD工程師、PM專案經理、FAE工程師以及通常他們需要具備什麼特質吧！

• RD工程師（Research and Development）

顧名思義地，RD主要工作內容圍繞著產品的研發與軟體的開發。除了平時需要設計與研發產品外，還需要研究自身產業中的市場趨勢，並且在研發過程中與研發團隊共同為技術問題提供解決方案。

對於工作本身，某位不具名的RD工程師的詮釋為：「簡單來說，在有限資源內，藉由發揮自身創意，將產品所產出的效益最大化」。

當然，不同產業間的RD所面對的挑戰，或許會有所差異，但是關於RD的特質可以簡單歸納為「好奇心」、「觀察力」、「分析統整」、「考量實務面」、「兼容理論與實務」。

• PM專案經理（Project Manager）

就PM這個詞本身就有許多意思，包含專案經理（Project Manager）、產品經理（Product Manager）、產品行銷（Product Marketing）等等，這邊我們主要針對專案經理做討論。

科技業中PM的角色其實和其他產業的「典型」PM不會有太大的差異。不過，的確在科技產業中確實有些獨特的責任。包括「發現並了解客戶需求並將其轉化為需求」、「在團隊內部將不同的夥伴職能有效調和」、「調查與研究自身產業中的技術趨勢」、「關於競爭對手的優劣分析」等等。其中最重要的是，「根據專案的進度進行管控與協調」。

由於，專案經理並非歸屬公司研發單位，而多數會被安排在業務單位，因此通常會在第一線面臨客戶的問題或是要求。因此，雖然PM可能不一定是本科系出身，而是兼具語言能力、規劃能力等的技能在身，但是對於產品本身的認識、問題排除等也都是身為一個PM的責任。

關於身為PM通常擁有的特質或是遵守的原則，CIO insight 整理出幾點「厲害的PM會做的事」：面對不同客戶就設定不同話題、堅持規律的溝通日程、把對的人放在對的位置、有話直說、保持鎮靜、注重工作與生活的平衡等等。

• FAE工程師（Field Application Engineer）

到目前為止我們可以發現，在專業知識與客戶溝通之間，存在著一道大大的鴻溝。可能是因為個人特質、興趣偏好，或是工作本質，但無論如何，這之間的平衡與連結，正需要建起一座橋樑來維持。而他，就是FAE。

台灣大學電機系教授、台灣教育界「翻轉教學」的代表葉丙成博士，曾向一位滿腹技術與知識卻又因不想待在研究室的學生，就職涯煩惱提到FAE。這位學生喜愛與人接觸、個性活潑外向，同時又富有電機專業知識，可說是FAE最好的特質代表。然而對於FAE的工作內容，可能就會產生模糊地帶。畢竟他橫跨了工程師與業務的工作範疇。

通常FAE提供技術專長，幫助客戶找到滿足其需求的最佳產品和服務解決方案。結合了工程知識和銷售技術，以增加公司的收入。因此，需要對公司所有產品需要有全面認識，且還同時需要與客戶保持關係，更要確保客戶在安裝、使用產品時所有問題的排除，近一步地向內部提出全面性的相關修正方案與建議。

綜上所述，無論是在研究開發領域的RD工程師或其他類型的工程師，還是面對市場需求、應對客戶問題、安排專案進度的PM專案經理，都是不可或缺的存在。同時，FAE也並非可以同時涵蓋前兩項工作的職能，但也是無法替代的專業知識橋樑。在科技業當中的各項角色都扮演了極其重要的角色，而當然也會受到不同個性、特質、興趣、偏好的求職者來投入，進而形成每個公司獨有的工作鏈。（記者／戴偉丞）

資料參考自：ZipRecruiter、ProductPlan、JobHero、CIOInsight、CIO Insight、CIO.com、天下雜誌

這篇文章 科技業路途漫漫  這些技能備齊了嗎？ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。