SkillTrendLab
EN
技能 · LLM 應用

Fine-tuning

以自有資料續訓練既有模型。

8.6%
核心 AI 職缺提到
304
筆職缺
219
家公司
—
30 天變化 · 第二期起

哪些職位要求它

在該職位的職缺中，提到這個技能的比例。

  1. LLM／NLP 工程師
    63 筆職缺
    36.0%
  2. AI 工程師
    178 筆職缺
    10.2%
  3. AI 研究員
    6 筆職缺
    10.0%
  4. MLOps／平台工程師
    3 筆職缺
    7.9%
  5. 資料科學家
    11 筆職缺
    7.3%
  6. 電腦視覺工程師
    8 筆職缺
    7.1%
  7. 演算法工程師
    13 筆職缺
    4.0%
  8. 智慧製造／AOI
    4 筆職缺
    1.8%
  9. AI 硬體／邊緣運算工程師
    2 筆職缺
    1.6%
  10. AI 產品／專案經理
    4 筆職缺
    1.3%

和它一起出現的技能

在提到 Fine-tuning 的職缺中，同時提到其他技能的比例。

  1. Python
    程式語言
    84.2%
  2. LLM
    LLM 應用
    83.5%
  3. RAG
    LLM 應用
    54.6%
  4. Machine Learning
    機器學習
    48.7%
  5. PyTorch
    框架
    46.7%
  6. System Architecture
    方法與流程
    45.1%
  7. Generative AI
    LLM 應用
    43.4%
  8. AI Agents
    LLM 應用
    42.4%
  9. Deep Learning
    機器學習
    42.4%
  10. Prompt Engineering
    LLM 應用
    39.1%
  11. Docker
    DevOps
    36.8%
  12. Git
    工具
    35.2%

產業與地區分布

佔這個技能的職缺數。

產業
  1. 軟體與網路
    131
    43.1%
  2. 電子與硬體製造
    54
    17.8%
  3. 半導體
    31
    10.2%
  4. 金融與保險
    23
    7.6%
  5. 電信、媒體與數位內容
    13
    4.3%
  6. 其他製造業
    12
    4.0%
  7. 專業服務
    11
    3.6%
  8. 醫療與生技
    8
    2.6%
  9. 批發零售與電商
    8
    2.6%
  10. 顧問與行銷服務
    6
    2.0%
  11. 營建與不動產
    4
    1.3%
  12. 政府與非營利組織
    2
    0.7%
地區
  1. 台北市
    172
    56.6%
  2. 新北市
    34
    11.2%
  3. 新竹縣
    22
    7.2%
  4. 新竹市
    21
    6.9%
  5. 高雄市
    15
    4.9%
  6. 台中市
    15
    4.9%
  7. 桃園市
    9
    3.0%
  8. 苗栗縣
    6
    2.0%
  9. 彰化縣
    4
    1.3%
  10. 雲林縣
    3
    1.0%
  11. 花蓮縣
    1
    0.3%
  12. 台南市
    1
    0.3%

這個數字從哪裡看出來

304 筆職缺中，各有多少筆是從雇主填的技能標籤、職稱、職務說明看出來的。一筆職缺可能同時有多種證據，所以三個數字相加會大於職缺數。

  1. 雇主技能標籤
    0
  2. 職稱
    1
  3. 職務說明
    304
這一頁的資料
資料日期
2026年9月11日
本期核心 AI 職缺
3,523
方法版本
2026.09.1

本頁尚未列入搜尋索引：還需要第二期資料才能談變化。

研究方法 →所有技能 →