SkillTrendLab
EN
技能 · 框架

NumPy

Python 的數值陣列運算基礎。

2.7%
核心 AI 職缺提到
95
筆職缺
81
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. 資料科學家
    19 筆職缺
    12.6%
  2. 電腦視覺工程師
    6 筆職缺
    5.3%
  3. 演算法工程師
    11 筆職缺
    3.4%
  4. LLM／NLP 工程師
    6 筆職缺
    3.4%
  5. AI 研究員
    2 筆職缺
    3.3%
  6. AI 工程師
    48 筆職缺
    2.8%
  7. 智慧製造／AOI
    1 筆職缺
    0.4%

和它一起出現的技能

在提到 NumPy 的職缺中，同時提到其他技能的比例。

  1. Python
    程式語言
    99.0%
  2. pandas
    框架
    89.5%
  3. Machine Learning
    機器學習
    75.8%
  4. PyTorch
    框架
    68.4%
  5. Deep Learning
    機器學習
    61.1%
  6. TensorFlow
    框架
    60.0%
  7. scikit-learn
    框架
    52.6%
  8. Git
    工具
    43.2%
  9. Data Analysis
    資料工程
    43.2%
  10. LLM
    LLM 應用
    42.1%
  11. SQL
    程式語言
    31.6%
  12. C++
    程式語言
    29.5%

產業與地區分布

佔這個技能的職缺數。

產業
  1. 軟體與網路
    30
    31.6%
  2. 電子與硬體製造
    15
    15.8%
  3. 半導體
    11
    11.6%
  4. 金融與保險
    7
    7.4%
  5. 專業服務
    7
    7.4%
  6. 醫療與生技
    6
    6.3%
  7. 其他製造業
    5
    5.3%
  8. 電信、媒體與數位內容
    5
    5.3%
  9. 批發零售與電商
    5
    5.3%
  10. 顧問與行銷服務
    3
    3.2%
  11. 運輸與物流
    1
    1.1%
地區
  1. 台北市
    49
    51.6%
  2. 新北市
    15
    15.8%
  3. 新竹市
    9
    9.5%
  4. 台中市
    5
    5.3%
  5. 新竹縣
    4
    4.2%
  6. 高雄市
    4
    4.2%
  7. 台南市
    2
    2.1%
  8. 苗栗縣
    2
    2.1%
  9. 屏東縣
    1
    1.1%
  10. 桃園市
    1
    1.1%
  11. 雲林縣
    1
    1.1%
  12. 花蓮縣
    1
    1.1%

這個數字從哪裡看出來

95 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
    0
  3. 職務說明
    95
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 →