SkillTrendLab
EN
技能 · 框架

scikit-learn

傳統機器學習的 Python 函式庫。

3.8%
核心 AI 職缺提到
135
筆職缺
110
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
    39 筆職缺
    25.8%
  2. MLOps／平台工程師
    2 筆職缺
    5.3%
  3. AI 研究員
    3 筆職缺
    5.0%
  4. 電腦視覺工程師
    5 筆職缺
    4.4%
  5. AI 工程師
    66 筆職缺
    3.8%
  6. 演算法工程師
    10 筆職缺
    3.1%
  7. LLM／NLP 工程師
    4 筆職缺
    2.3%
  8. 智慧製造／AOI
    1 筆職缺
    0.4%
  9. AI 產品／專案經理
    1 筆職缺
    0.3%

和它一起出現的技能

在提到 scikit-learn 的職缺中，同時提到其他技能的比例。

  1. Python
    程式語言
    96.3%
  2. Machine Learning
    機器學習
    88.1%
  3. PyTorch
    框架
    81.5%
  4. TensorFlow
    框架
    75.6%
  5. Deep Learning
    機器學習
    61.5%
  6. LLM
    LLM 應用
    46.7%
  7. pandas
    框架
    40.0%
  8. Git
    工具
    39.3%
  9. Data Analysis
    資料工程
    38.5%
  10. NumPy
    框架
    37.0%
  11. SQL
    程式語言
    37.0%
  12. NLP
    機器學習
    35.6%

產業與地區分布

佔這個技能的職缺數。

產業
  1. 軟體與網路
    45
    33.3%
  2. 電子與硬體製造
    20
    14.8%
  3. 金融與保險
    15
    11.1%
  4. 醫療與生技
    11
    8.2%
  5. 專業服務
    10
    7.4%
  6. 半導體
    9
    6.7%
  7. 其他製造業
    8
    5.9%
  8. 批發零售與電商
    6
    4.4%
  9. 電信、媒體與數位內容
    4
    3.0%
  10. 顧問與行銷服務
    4
    3.0%
  11. 運輸與物流
    1
    0.7%
  12. 營建與不動產
    1
    0.7%
地區
  1. 台北市
    71
    52.6%
  2. 新北市
    17
    12.6%
  3. 台中市
    15
    11.1%
  4. 新竹縣
    9
    6.7%
  5. 新竹市
    8
    5.9%
  6. 高雄市
    7
    5.2%
  7. 桃園市
    4
    3.0%
  8. 台南市
    2
    1.5%
  9. 屏東縣
    1
    0.7%

這個數字從哪裡看出來

135 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
    52
  2. 職稱
    0
  3. 職務說明
    106
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 →