延續 2021 年鐵人賽《從 AI 落地談 MLOps》的探索,本系列再次追問:「AI 如何真正落地?」並以 4,343 筆 AI 相關職缺為線索,重新檢視企業所需的技術與能力。內容採 MLOps × GenAI Engineering 雙主軸,涵蓋資料與模型管理、自動化部署、監控治理、RAG、模型評測、LLMOps 與 AI Agent。透過可執行的專案串聯觀念與工具,帶領讀者打造可部署、可維護、可觀測的 AI 系統,逐步建立 AI Engineer 所需的工程能力。
2021 年,我在鐵人賽寫了《從 AI 落地談 MLOps》(GitHub)。那 30 天在回答一個問題:模型訓練好了,然後呢? 五年後,這個問題不但沒有過期,...
昨天提到,這一系列文章是從真實需求出發,透過整理新興 AI 職缺,我觀察到目前市場上的 AI 人才需求,已逐漸分化成兩類不同的職務方向。今天,就想進一步和大家分...
站在哪裡往前走 昨天我們確認了就業市場的徵才概況。今天要處理一個很多人心裡的疑問:這些事,不是資料科學家、DevOps、後端本來就在做的嗎?為什麼要多兩個職務?...
站在哪裡往前走 三天下來我們確認了:市場要什麼(Day 02)、誰負責什麼(Day 03)。今天是第一部曲的收尾,也是我覺得最實用的一篇——把職缺梳理成您能照著...