搜尋其他科系
我的畢業年份
人工智慧
🇹🇼 台灣 · 工程最先減少新鮮人職缺249 個科系中風險最高的前 25%
我的科系壽命
1年 11個月
00天 00:00:00:000
距離這個科系的畢業生職缺開始因 AI 減少
2028年9月24日 · 倒數 728 天
推估區間 現在 – 3年 11個月
2030 年畢業：職缺可能在畢業前就開始減少
建模、實驗與部署流程正逐步由 AI 代理自動化，但企業導入 AI 的需求激增，掩蓋了職缺的減少。轉往一般軟體開發的畢業生已面臨初階招募緊縮。新設系所造成的畢業生供給過剩，與 AI 無關。
「科系壽命」是距離畢業生職缺開始因 AI 減少的剩餘時間，不代表科系會消失，也不代表所有人都會失業。
AI vs 人類，你站哪一邊？
新進人員招募縮減
科系排名60 / 249
畢業後的出路
2030畢業出路 · 以 2030 年 6 月底估算剩餘時間
人工智慧：AI 對畢業生求職的影響
人工智慧系的畢業生多半走向AI工程、研究或一般軟體開發。建模、做實驗與部署模型這些流程正逐步由AI代理自動化，但企業導入AI的需求同時大增，兩股力量互相抵消了一部分影響。
這個系的畢業生，為什麼感受不到明顯縮減？
建模、跑實驗、部署模型這些原本由AI工程師動手做的流程，AI代理已經能自動化處理不少部分，但因為企業導入AI的需求正快速成長，新增的職缺掩蓋了這部分縮減，讓整體招募看起來沒有明顯減少。真正先感受到壓力的，反而是轉往一般軟體開發的畢業生，那個領域的初階招募已經開始緊縮。
AI工程師、研究員、MLOps，差別在哪？
資料科學家與MLOps工程師——負責讓AI模型穩定上線運作的角色——工作內容比較偏流程執行，縮減會先出現。AI工程師與AI研究員因為企業導入AI的需求持續成長，反而相對穩定，情況會晚一些才出現。這個系近年新設得多，畢業生供給過剩也是求職競爭大的原因，但這跟AI能力本身無關。
想走人工智慧這條路，現在能練習什麼？
光會用現成模型做出Demo並不夠，更該練習理解模型為什麼會做出這個判斷、出錯時該怎麼調整，這種除錯與判斷能力比會呼叫API更有價值。也可以多留意企業實際導入AI時遇到的資料品質、部署穩定性問題，這些現場經驗是課堂比賽練不到的。
撰寫日期
資料來源
資料用於說明工作、制度與科系。AI 取代時間與分數為 AI 推估，不是來源機構的預測。 計算方法（英文）
留言· 繁體中文