資工所工作發展

資工系所一直是電資學院的大系，與資管系所的差異為，資工系統偏重於計算機的理論與實務。資工所學生通常需修習程式設計、資料結構與演算法、計算機組織(含數位邏輯)、作業系統與系統程式、工程數學等科目。資工所的研究方向，則視指導老師的研究領域而有不同的面向，例如演算法、圖學、資料科學等不一而足。現今企業經營已離不開資訊，故學有專精的資工人在就業市場上佔有一席之地。

以手機程式為例，開發者需瞭解硬體架構、作業系統的特性等，才能開發韌體程式，或於其上撰寫應用軟體，對軟硬體知識的瞭解，是資工人的優勢所在。到2024年，程式開發領域已經發生了一些新的發展趨勢：

• 跨平台開發：隨著工具和框架的進步，如Flutter、React Native等，開發者可以更輕鬆地創建跨平台應用，同時支持iOS和Android系統，減少了開發和維護的成本。

• 5G技術應用：5G網絡的普及為手機應用帶來了更高的數據傳輸速度和更低的延遲，使得開發者可以創建更加複雜和高效的應用，特別是在影音串流、即時遊戲和AR/VR等方面。

• 人工智慧和機器學習：AI和ML技術越來越多地融入手機應用中，從個性化推薦系統到語音助手，再到圖像識別和增強現實應用。開發者需要掌握這些技術，以開發更智能和更具互動性的應用。

• 安全性和隱私保護：隨著用戶對數據隱私的關注日益增加，應用開發者需要更加重視應用的安全性和隱私保護，包括資料加密、用戶數據保護以及符合GDPR等國際法規。

• 持續集成與持續部署（CI/CD）：CI/CD工具和流程的成熟，使得開發者能夠更快速、更可靠地發布新版本，確保應用程式的穩定性和更新速度。

• 低代碼/無代碼開發：低代碼和無代碼平台的出現，降低了開發的門檻，使得非技術人員也能參與到應用開發過程中，提升了開發效率和創新速度。

2017年在烏鎮圍棋峰會上，AlphaGo擊敗圍棋九段棋士柯潔，取得三戰全勝的佳績。其背後的演算法，即是使用了結合蒙地卡羅搜尋樹與兩個深度類神經網路的先進演算法。

到2024年，人工智慧技術在以下幾個主要領域中得到了廣泛應用：

• 醫療診斷：AI輔助診斷系統能夠分析醫療影像和病患數據，幫助醫生更早發現病因並提供精確治療方案。例如：AI技術在癌症檢測和心血管疾病風險評估中的專業判斷。

• 自動駕駛：自動駕駛技術正迅速發展，許多公司已經開始測試和部署自動駕駛車輛。AI在環境感知、路徑規劃和決策控制中起著關鍵作用，提升了交通安全和行車效率。

• 語音辨識：語音辨識技術在智能助手（如Apple的Siri、Google Assistant和Amazon Alexa）中廣泛應用，改變了人們與設備的互動方式。AI技術的進步使得語音辨識的準確率和自然語言理解能力大提升。

• 自然語言處理（NLP）：NLP技術在聊天機器人、語言翻譯、情感分析等方面有廣泛應用。大型語言模型（如GPT-3和GPT-4）的出現，使得機器能夠生成高質量的文本，並進行複雜的語言任務。

• 個性化推薦：在電子商務、影音平台和社交媒體中，AI算法用於分析用戶行為並提供個性化推薦，提升了用戶體驗和平台互動性。

如何處理龐大的資料量，並分析出有價值的資訊，是2024年一個重要的就業趨勢。例如，利用信用卡消費資訊來找出目標客戶，並據此進行重點行銷，創造顧客價值，已成為商業運營的重要手段。隨著資料科學和機器學習技術的發展，大數據分析在各行各業的應用越來越廣泛，包括以下幾個領域：

• 金融業：大數據分析用於風險管理、欺詐檢測、客戶行為分析和投資決策。通過分析大量交易數據和市場數據，金融機構能夠更準確地評估風險並做出更明智的投資決策。

• 醫療領域：利用大數據分析來改進診斷和治療，提升病患管理效率。例如，分析電子病歷、基因數據和醫療影像，幫助醫生做出更準確的診斷和個性化治療方案。此外，大數據還被用於公共衛生監測和疾病預測。

• 零售業：大數據分析被用於優化供應鏈管理、提升顧客服務和進行市場營銷。通過分析消費者行為數據，零售商可以制定精準的市場行銷策略，提升顧客滿意度並增加銷售額。

• 製造業：透過大數據技術能有效提升生產效率及品質管理。挖掘生產數據和設備狀態數據，企業可以預測設備故障、優化生產流程並降低成本。

• 教育領域：善用數據智能分析，能優化教學質量和個性化學習。分析學生的學習行為與成績數據，教學機構與教師可制定個性化的教學方案，幫助學生更好地學習和發展。

• 智慧城市：大數據在智慧城市建設中扮演重要角色，通過分析交通流量、能源消耗和犯罪率數據，城市管理者可以做出更智能的決策，提升城市運行效率和居民生活質量。