生成式AI元年,面對未來10年該如何選擇科系?

閱讀時間約 2 分鐘
raw-image


繼前一陣子 Facebook 的元宇宙浪潮席捲全球,今年微軟旗下的 AI 聊天機器人「ChatGPT」更是引爆話題!不只每個人對未來的生活與市場型態有了不一樣的想像,許多家長和學生們更是開始煩惱,面對今年的 AI 元年,該怎麼提前準備與選擇科系,才能搶先跟上未來趨勢與世界接軌而不被淘汰。

raw-image

首先讓我們先對 AI 有個認識,因其內涵包括物聯網機器學習、大數據科學與雲端智能計算,以及人工神經網絡等,所以基礎研發知識就涉及了「工程、電機與資訊」。而若是進一步的應用層面,那涵蓋範圍就更廣了,像是數位金融、智慧醫藥、線上零售等領域都可以使用 AI,所以文組生若也想搶佔先機,同樣能在跨領域學習中發揮優勢。

 

再回過頭來看目前大專院校相關系所,雖然近期開始無論公私立大學,紛紛開設許多以「人工智慧」為名的相關科系,甚至有些科系「首屆報名就被秒殺」,但其實這些科系多半也都是從原有的「資工、資管、電機」所延伸出來,而無論是哪一種,都重視數理邏輯和推理思考能力,再來的細部差異,則可從所屬學院和課程結構看出特色端倪。

 

另外,傳統資工系較著重在「研發」:以開發尚未存在的工具系統為主,而其他新興資訊科系則較著重在「應用」:以開發的工具系統進行進一步的實務運用。其中研發因為需要有堅強的數理能力作為知識與能力後盾,所以難度較高,但相對的市場人才也較為稀缺,薪資條件和競爭對象自然較佳。

 

還有必須提醒的是,回顧近20年資訊相關熱門領域,從網路、智慧手機、無線技術、雲端科技、App 應用,到現在的 AI,大概每隔幾年就會冒出一個熱門未來趨勢領域,所以若學生只會其中的某一種,那對未來發展可能就會是相對比較侷限的。建議學生可以在高中升學階段,就策略性的藉由典陸教育的專業輔導強化數理邏輯能力,為升大學後的技術知識做扎實準備,日後就算要轉換其他更熱門的趨勢領域,也不用害怕沒有基礎。

raw-image

總結來說,無論是文科或理科生,只要有興趣想跟上這波未來 AI 熱潮都是有機會的,不見得一定要每一學科都是最強,反之,透過典陸教育所提供的「實力檢測」服務,將能針對學生的能力程度,再針對目前 AI 相關系所的分數要求等進行評估討論後,設立可達成的學校科系目標與學習規劃,除了能有效發揮自身優勢之外,更補足相對較弱科目,找到學習方法,一步步往夢想邁進,如此定能金榜題名,有效提高上榜機率,成為未來頂尖優秀人才!

✏️更多優質文章及升學資訊都在典陸教育集團

留言0
查看全部
avatar-img
發表第一個留言支持創作者!
我們來談論一篇很現實的主題:   你爸媽可能很擔心,你卻不以為意,但結果又會常掛於心的數字–「成績」。上國中後,爸媽時常擔心你的成績,狀態演變到最後卻成了嘮叨,而你原本很想努力表現一波,讓身邊的人刮目相看,卻到最後充滿壓力。你想努力、你想接受讚揚、你想獲得成就感、你想讓自己變得更好。但,是不是很
❝ 一定要決定好未來的你要念什麼,得以盡早準備符合該科系的資料內容,別再說多元發展教授會懂,現實是,你超會畫畫唱歌跳舞且比賽都有獲獎,但跟你要念的理工學院科系沒有什麼關聯,別人一個專業科展的小成績就比你更有優勢了。❞   學習歷程準備關鍵在於,「盡快決定好」「你」真正想要就讀的校系。唯有多方嘗試
面對新制學測的考後聲浪,你很常有所聞「看懂題目寫不完,先寫題目又不懂寫什麼」 、「素養題就是這樣,在有限時間內的考你大量閱讀能力,準備了半天結果像在裸考」、「我沒有念耶!結果分數出奇的高,答案都在圖表文字敘述裡,很簡單啊!」   ➤ 究竟新制與舊制學測究竟有何差異? ➤ 用舊式培訓方式來應
成就表現優秀的人,與個人的聰明沒有絕對的關係,但優秀的孩子會不斷在大腦增加學習工具與學習技巧,並運用後設認知來思考。花費同樣時間的學習,為什麼成就表現會有如此大的差異?所謂的學霸,真的是與生俱來的個人天賦嗎?這篇文章,共準備了「六大學霸成就關鍵」,讓你妥妥地往學霸之路邁進。   |關鍵一、強化專
即將成為學測戰士的你,面對新制學測: 1.因少子化競爭人數變少,各頂大校系的錄取人數轉變,對你有何影響? 2.校系採計科目從五取四降至五取三,應試規劃如何調整才能提升競爭力? 3.國文、英文考試機會只有一次,且分科測驗同時採計,你將如何應對? 4.除學測成績外,你有沒有懂該科系的學習歷程又該
你知道嗎?個人申請將經歷「檢定標準」、「倍率篩選」、「學習歷程」、「面試筆試」,而學測成績最多也只能佔據甄選總成績的50 %,其餘分數將由二階面試你所準備的學習歷程、術科成績、面試筆試來決定,最後由甄選總成績來決定你是否錄取。 所以別再以為只要學測成績衝高,就有機會考取你要的目標校系,重點是:
我們來談論一篇很現實的主題:   你爸媽可能很擔心,你卻不以為意,但結果又會常掛於心的數字–「成績」。上國中後,爸媽時常擔心你的成績,狀態演變到最後卻成了嘮叨,而你原本很想努力表現一波,讓身邊的人刮目相看,卻到最後充滿壓力。你想努力、你想接受讚揚、你想獲得成就感、你想讓自己變得更好。但,是不是很
❝ 一定要決定好未來的你要念什麼,得以盡早準備符合該科系的資料內容,別再說多元發展教授會懂,現實是,你超會畫畫唱歌跳舞且比賽都有獲獎,但跟你要念的理工學院科系沒有什麼關聯,別人一個專業科展的小成績就比你更有優勢了。❞   學習歷程準備關鍵在於,「盡快決定好」「你」真正想要就讀的校系。唯有多方嘗試
面對新制學測的考後聲浪,你很常有所聞「看懂題目寫不完,先寫題目又不懂寫什麼」 、「素養題就是這樣,在有限時間內的考你大量閱讀能力,準備了半天結果像在裸考」、「我沒有念耶!結果分數出奇的高,答案都在圖表文字敘述裡,很簡單啊!」   ➤ 究竟新制與舊制學測究竟有何差異? ➤ 用舊式培訓方式來應
成就表現優秀的人,與個人的聰明沒有絕對的關係,但優秀的孩子會不斷在大腦增加學習工具與學習技巧,並運用後設認知來思考。花費同樣時間的學習,為什麼成就表現會有如此大的差異?所謂的學霸,真的是與生俱來的個人天賦嗎?這篇文章,共準備了「六大學霸成就關鍵」,讓你妥妥地往學霸之路邁進。   |關鍵一、強化專
即將成為學測戰士的你,面對新制學測: 1.因少子化競爭人數變少,各頂大校系的錄取人數轉變,對你有何影響? 2.校系採計科目從五取四降至五取三,應試規劃如何調整才能提升競爭力? 3.國文、英文考試機會只有一次,且分科測驗同時採計,你將如何應對? 4.除學測成績外,你有沒有懂該科系的學習歷程又該
你知道嗎?個人申請將經歷「檢定標準」、「倍率篩選」、「學習歷程」、「面試筆試」,而學測成績最多也只能佔據甄選總成績的50 %,其餘分數將由二階面試你所準備的學習歷程、術科成績、面試筆試來決定,最後由甄選總成績來決定你是否錄取。 所以別再以為只要學測成績衝高,就有機會考取你要的目標校系,重點是:
你可能也想看
Google News 追蹤
Thumbnail
這個秋,Chill 嗨嗨!穿搭美美去賞楓,裝備款款去露營⋯⋯你的秋天怎麼過?秋日 To Do List 等你分享! 秋季全站徵文,我們準備了五個創作主題,參賽還有機會獲得「火烤兩用鍋」,一起來看看如何參加吧~
Thumbnail
11/20日NVDA即將公布最新一期的財報, 今天Sell Side的分析師, 開始調高目標價, 市場的股價也開始反應, 未來一週NVDA將重新回到美股市場的焦點, 今天我們要分析NVDA Sell Side怎麼看待這次NVDA的財報預測, 以及實際上Buy Side的倉位及操作, 從
Thumbnail
Hi 大家好,我是Ethan😊 相近大家都知道保濕是皮膚保養中最基本,也是最重要的一步。無論是在畫室裡長時間對著畫布,還是在旅途中面對各種氣候變化,保持皮膚的水分平衡對我來說至關重要。保濕化妝水不僅能迅速為皮膚補水,還能提升後續保養品的吸收效率。 曾經,我的保養程序簡單到只包括清潔和隨意上乳液
最近發表在《科學》雜誌上的一項研究認為,目前最先進的法學碩士(如 ChatGPT)可以使一個人在數百種職業中平均完成 14% 的任務時速度提高至少 50%,同時保持甚至提高品質。當考慮在法學碩士基礎上添加其他軟體來適應特定任務時,每個職業可能同樣受益的任務的平均份額躍升至 46%。 這些數字如何尋
Thumbnail
先給一張圖片 然後打上以下幾個字 請幫上述圖片製作一份宣傳的文案 於是結果就出來了 你可以不用
Thumbnail
首次來到TIDAF演講的郭育滋(Veronica Kuo),她是台灣奧美(Ogilvy)集團數位長,今天代表奧美來做全球案例分享。怎麼樣用AI?Veronica說:「AI領域很新,沒有人可以說自已是專家。」
Thumbnail
儘管生成式AI在學術界掀起熱潮,甚至已成為某些研究的「作者」,但多數出版界大佬們卻不認可這個「AI作者」。原因很簡單:真正的作者必須對研究負責,而AI目前還無法擔這個責任。此外,還有一些令人哭笑不得的案例,比如AI畫出的一隻擁有巨型雞雞的老鼠圖像,竟然神奇地通過了審核,堂而皇之地登上了學術期刊。
Thumbnail
2023年在「AI即將改變世界」、「科技就是一直進步、不斷強大」的主流大敘事底下,我們相信還有許多值得我們停下腳步,多花一些時間「遲疑」與「反思」的餘地。在2023年最後的這一刻,一起從回顧媒體大事的客觀事實出發,進一步關心技術背後的「人」究竟怎麼樣了?
Thumbnail
生成式AI,這個可能聽起來有些陌生的名詞,其實正是當前科技界的一股暖流。這種AI技術的主要特點是能夠自我學習並創造出新的內容,而不僅僅是根據既定規則或模式進行運算。這種創新的能力使得生成式AI在許多領域中都有著廣泛的應用前景,從藝術創作、遊戲設計,到醫療研究、金融預測,其潛力無窮。
Thumbnail
今年是AI大爆發的一年,從產生簡報、生成圖片,到Youtube出現AI生成的孫燕姿翻唱歌曲,無論在娛樂或提高工作生產力,生成式AI的潛力似乎才剛被發掘,還有更多應用可期待。今天要介紹幾個有名的AI繪圖服務,如果想要挑戰自己寫code產生圖片,記得看到文章最後喔(你的coding 魂被燃燒起來了嗎?)
Thumbnail
本文探討大資料對模型的影響。研究指出,大資料量對模型的語法和世界知識理解有顯著影響。固定運算資源下,DeepMind發現適應參數數量更重要,這使模型Chinchilla以較小規模但更多訓練資料,在實際任務中優於Gopher模型。這說明增大模型的規模已不具有太大意義,應增加訓練資料。
Thumbnail
本文探討了大型語言模型中的特殊現象,包括頓悟現象,大模型的隱藏知識引導,以及模型越大對某些問題的理解越偏離的U型曲線。文章強調,當模型不夠理想時,我們需要更好地引導模型或了解問題的本質,而非只是增加模型的大小。
Thumbnail
這個秋,Chill 嗨嗨!穿搭美美去賞楓,裝備款款去露營⋯⋯你的秋天怎麼過?秋日 To Do List 等你分享! 秋季全站徵文,我們準備了五個創作主題,參賽還有機會獲得「火烤兩用鍋」,一起來看看如何參加吧~
Thumbnail
11/20日NVDA即將公布最新一期的財報, 今天Sell Side的分析師, 開始調高目標價, 市場的股價也開始反應, 未來一週NVDA將重新回到美股市場的焦點, 今天我們要分析NVDA Sell Side怎麼看待這次NVDA的財報預測, 以及實際上Buy Side的倉位及操作, 從
Thumbnail
Hi 大家好,我是Ethan😊 相近大家都知道保濕是皮膚保養中最基本,也是最重要的一步。無論是在畫室裡長時間對著畫布,還是在旅途中面對各種氣候變化,保持皮膚的水分平衡對我來說至關重要。保濕化妝水不僅能迅速為皮膚補水,還能提升後續保養品的吸收效率。 曾經,我的保養程序簡單到只包括清潔和隨意上乳液
最近發表在《科學》雜誌上的一項研究認為,目前最先進的法學碩士(如 ChatGPT)可以使一個人在數百種職業中平均完成 14% 的任務時速度提高至少 50%,同時保持甚至提高品質。當考慮在法學碩士基礎上添加其他軟體來適應特定任務時,每個職業可能同樣受益的任務的平均份額躍升至 46%。 這些數字如何尋
Thumbnail
先給一張圖片 然後打上以下幾個字 請幫上述圖片製作一份宣傳的文案 於是結果就出來了 你可以不用
Thumbnail
首次來到TIDAF演講的郭育滋(Veronica Kuo),她是台灣奧美(Ogilvy)集團數位長,今天代表奧美來做全球案例分享。怎麼樣用AI?Veronica說:「AI領域很新,沒有人可以說自已是專家。」
Thumbnail
儘管生成式AI在學術界掀起熱潮,甚至已成為某些研究的「作者」,但多數出版界大佬們卻不認可這個「AI作者」。原因很簡單:真正的作者必須對研究負責,而AI目前還無法擔這個責任。此外,還有一些令人哭笑不得的案例,比如AI畫出的一隻擁有巨型雞雞的老鼠圖像,竟然神奇地通過了審核,堂而皇之地登上了學術期刊。
Thumbnail
2023年在「AI即將改變世界」、「科技就是一直進步、不斷強大」的主流大敘事底下,我們相信還有許多值得我們停下腳步,多花一些時間「遲疑」與「反思」的餘地。在2023年最後的這一刻,一起從回顧媒體大事的客觀事實出發,進一步關心技術背後的「人」究竟怎麼樣了?
Thumbnail
生成式AI,這個可能聽起來有些陌生的名詞,其實正是當前科技界的一股暖流。這種AI技術的主要特點是能夠自我學習並創造出新的內容,而不僅僅是根據既定規則或模式進行運算。這種創新的能力使得生成式AI在許多領域中都有著廣泛的應用前景,從藝術創作、遊戲設計,到醫療研究、金融預測,其潛力無窮。
Thumbnail
今年是AI大爆發的一年,從產生簡報、生成圖片,到Youtube出現AI生成的孫燕姿翻唱歌曲,無論在娛樂或提高工作生產力,生成式AI的潛力似乎才剛被發掘,還有更多應用可期待。今天要介紹幾個有名的AI繪圖服務,如果想要挑戰自己寫code產生圖片,記得看到文章最後喔(你的coding 魂被燃燒起來了嗎?)
Thumbnail
本文探討大資料對模型的影響。研究指出,大資料量對模型的語法和世界知識理解有顯著影響。固定運算資源下,DeepMind發現適應參數數量更重要,這使模型Chinchilla以較小規模但更多訓練資料,在實際任務中優於Gopher模型。這說明增大模型的規模已不具有太大意義,應增加訓練資料。
Thumbnail
本文探討了大型語言模型中的特殊現象,包括頓悟現象,大模型的隱藏知識引導,以及模型越大對某些問題的理解越偏離的U型曲線。文章強調,當模型不夠理想時,我們需要更好地引導模型或了解問題的本質,而非只是增加模型的大小。