請問立體圖與平面圖是在圖紙上手繪的嗎? 每個零件都要有手繪圖與電腦圖嗎?
立體圖和平面都都是用電腦繪圖產生出來的,例如:主管給我們一個螺絲,我們就要用游標卡尺量測這個零件的尺寸,之後再從電腦用solidworks這個軟體先畫出立體圖,在從立體圖轉成平面圖。每個零件不需要有手繪圖,手繪圖只是我們要用電腦繪圖畫之前簡單的畫出形狀草稿,主要是要讓自己知道該怎麼從電腦繪圖上畫出第一步,但是每個零件一定都要有電腦繪圖的圖檔,以方便之後要此張圖檔就不用重畫。
3樓
[+] 1 回應 •
請問在崗位關係裡所提到後端製程的數據的「跨部門協調」,是指哪些方面的工作?
半導體主要可分為四個module(模組),分別為:擴散、薄膜、黃光、蝕刻等模組,每個模組各自有一個工程部(包含:擴散工程部、黃光工程部、蝕刻工程部及薄膜工程部)。一般而言,根據產品需求大約會有600道(或更多道)的製程,持續地在前述的四個模組中以循環或穿插的方式進行。當產品離開本工程部門的站別,即進入其他部門的站別,本部門站別之前的製程站別稱為前站、反之稱為後站,製程整合即是在這四個工程部門中進行溝通、協調、問題的釐清及解決。
3樓
[+] 1 回應 •
對人事顧問公司來說,無論是高階獵才、人才派遣以及代理招募業務,招募顧問都扮演著很重要的角色。雖然都是招募工作,但招募顧問在執行時依據不同業務仍有一些小差異。以代理招募業務來說,招募流程與效率是工作重點;高階獵才業務來說,企業客戶對於高階人才職缺通常較為隱晦,面試過程中如何兼顧企業客戶的態度比須審慎處理;至於人才派遣業務,企業客戶通常並不希望派遣作法變成眾所皆知的事情,招募顧問同樣必須審慎處理。
2樓
[+] 回應 •
Q4. 如果繼續擔任主機板的「硬體研發工程師」,後續的職涯地圖與職場風景將是如何?
研發工程師的職涯地圖除了職等會隨著年資與表現晉升之外,後續大致會分為管理職或技術職。個性不喜歡管理的資深工程師通常會負責難度更高的案子,同時擔任資歷較淺的工程師的mentor。適合擔任管理職的資深工程師,可能會擔任team leader,帶領幾位工程師負責複雜度較高的案子。表現好的話,或許有機會擔任研發部門主管。
研發工程師的職場風景,除了多了一些會議之外,基本上與研究生的生活相當類似,大部分的時間多在實驗室裡度過。
Q5. 基於什麼原因,讓您決定跳脫這份職務? 而您的下一份職務是什麼工作?
主機板研發工程師做了兩年後,開始思考未來自己的人生規劃問題。基於下列幾個原因,決定離開這份工作:
1) 職場生活類似大學研究所生活的延伸,後來覺得有些一陳不變。
2) 雖然時常要與不同部門甚至上游廠商開會或meeting,但接觸的人大多是老面孔,人際網路相對封閉。
3) 主機板研發工程師的工作聽起來好像很厲害,但實際內容只是將上游IC廠商的IC產品整合成一個板子,IC廠大多會提供範例線路。同事們私底下聊天,大多覺得並不需要經過研究所的訓練就可以完成相關工作。
離職後, 一開始並沒有思考接下來要到哪個領域工作。因為當時流行考證照,剛好有空擋就去參加了證券營業員等考試。原本想說去投信或證券公司擔任產業研究員,因緣際會通過了一家創投的面試,成為了創投公司的產業分析師。
Q6. 相較於您的第一份工作,下一份工作有沒有比較符合您的需求?
我擔任主機板研發工程師兩年,後來在創投業八年。第一份工作強調專精,全新產品順利誕生時會很有成就感,但工作環境相對封閉;第二份工作強調廣博與人脈,可以從上而下對創業環境與世界趨勢有通盤的學習與交流,投資有回報時雖然很高興,但畢竟真正成功的還是被投資的創業者,創投只是輔助者或直白的說,就只是配角。兩份工作屬性差異極大,其實也都並不討厭。雖然第二份工作的期間遠大於第一份工作,並不代表我比較喜歡第二份工作,只能說創投工作的視野廣,相較之下比較不容易產時職業倦怠的原因吧!
Q7. 綜觀您的職涯地圖,如果再回到校園,您會強化哪些領域或科目?
在大學電機電子科系就學時,有上過必修的電子學、電路學以及實驗等科目,大致上可以升任主機板研發工程師的工作。至於創投工作,學校裡能學到的多以會計學、投資學等財務課程,這些知識在評估投資標的時只能算是基礎的基本功,公司產品種類繁多,各領域專業知識很難在短短的評估時間裡精通,如何抓重點、學中做,並透過個人的人脈存摺多角度驗證,更是能否在創投領域表現傑出的關鍵。
如果回顧自己的校園修課,我會多花些時間在軟體程式設計以及財務相關的修課。財務報表的解讀與軟體程式設計的觀念,未來在許多公司或職務執行的重要性將會越來越重要。
2樓
[+] 回應 •
請問AI演算法工程師會有與大數據分析師共同合作的機會嗎? 有沒有什麼案例可以了解此兩種職務之分工與合作?
通常監督式的學習(supervised learning)需要有大量的數據當作模型訓練與驗證的基礎,因此數據分析師可以根據初步的分析結果給予一些insight或對已知的資料結果進行標註(tagging),並提供這些數據給AI工程師進行模型的訓練與驗證。
3樓
[+] 1 回應 •