跨領域X研究所｜跨領域人才夯，結合資工專業讓求職更加值
跨領域趨勢
根據近期人力銀行之調查，碩士學歷鍍金度高，其中碩士與學士薪資差距又以數理化、工程、資訊三學群為前三名，與學士級薪水差距達2.25倍。但更重要的是，本次調查另指出－－學生若能跨領域學習，研究所學歷鍍金度將更高，此三學群的學生尤其如此！
隨著資訊科技蓬勃發展，資工領域自然獲得重視，但與其說是注重純然的資工領域，不如說是帶動一股風氣，一股讓學術界和業界都開始思考、並致力發展資訊技術於各領域應用的風氣，而這股風氣便直接導致了「跨領域人才」需求大增之結果。根據人力銀行的最新調查，目前企業徵才正走在這股趨勢上，精通單一領域的專才固然重要，但專才已經不能完全滿足企業需求，除少數專才外，企業還需要更多瞭解科技技術、也同時擁有其他Background Knowledge的人，因為唯有不疏於其他專業知識，才可能擁有更長遠且創新的服務、產品、甚至商業模式。
跨領域學習？
但是跨領域學習又該怎麼做呢？一不小心，我們會不會變成Jack of all trades，樣樣學、樣樣不精？
首先，我們可以由學習曲線來肯定跨領域學習的可嘗試性：
一般人的學習曲線是這樣的，亦即一開始學習新領域事物時，我們可以學得很快、很有成就感，然而學習曲線經過一段時間後便會趨緩，這說明了所謂的「瓶頸」總是在所難免，到了學習率成長漸平時，若要繼續專精於此領域，則付出的心力與時間必然大增。但讓我們換個角度想，若在學習了80%的知識技能後，開始轉而學習其他有興趣之領域，我們將能有更多的收穫。也就是說，取捨關鍵在於效率！（前陣子流行的20小時法則也是據此而生）
至於是否會學而不精，可以多方觀察、瞭解在一個領域上達到「很不錯」的程度應該要具備哪些知識點、累積哪些技能，在達至設定的目標後，再選擇「繼續精通」或「跨領域」，因此學而不精的問題是可以憑一己之力避免的，更進一步，可將先前打下的專業知識作為基底，學習新的領域知識時再與之相結合，創意與創新便是由此而來。再如調查報告上提及的三大學群，本可相互成章，如數學系的邏輯推理能力對學習演算法及資料結構很有幫助；電子、機械背景的人，則可以跨領域結合資訊技術創造出新產品，因此以目前的大環境來看，三領域互相鍍金的能力自不在話下。但跨領域的加值效果難道只限於這些領域嗎？絕非如此！
各大產業跨領域應用
資訊科技於各產業之發揮大家一定時有所聞，如FinTech、機器人、精準醫療......等等，皆是未來重要發展趨勢，雇主在徵才時也相當重視多元背景，以FinTech為例，《遠見》雜誌曾針對相關人才需求進行調查，除了金融即其他商管背景出身一向具有優勢，資工與人文、數理人才也獲得重視（在非商管系畢業人才中，最愛排名第一為資工、第二為人文及數理並列）。因為新型智慧金融服務須與資訊技術結合，而金融科技大躍進之後，不僅更要求強大的數理統計思維以進行大數據分析，還要思考如何將產品結合人性。讓不同專業出身的人互相合作、彼此跨領域結合，方能最佳化使用者體驗。（參考文章：金融業向跨領域人才招手 最愛資工、人文數理第二）
除了這些我們已經熟知的跨領域科技應用，其實在法律、觀光、文學上也能看見與資訊科技結合的蹤影。比如去年我國東吳大學人工智慧研究中心與法律扶助基金會及SAS軟體大廠合作，以AI進行數據預測，解決派案時法扶資源分配不均的問題。
（上為示意圖↑）
又如近年火紅的自駕車議題，也是資訊技術與車輛技術結合的成果。回顧特斯拉（Tesla）執行長伊隆．馬斯克（Elon Musk）今年四月發下豪語，預計2020年將有全自動駕駛計程車上路，前幾日（10/1）更直接拿下DeepScale*，望加緊腳步讓Autopilot團隊強化自駕車技術，其表現同樣是近年AI大躍進的尖端代表。（參考新聞：Tesla is buying computer vision start-up DeepScale in a quest to create truly driverless cars）
*DeepScale：成立於2015年，致力於開發自駕車感知系統技術，馬斯克於2019/10/01買下DeepScale團隊。
然而文明發展不會、也不能只有技術層面，因此資訊科技所帶來的資安問題、法律問題與道德問題同樣開始獲得重視，近幾年企業也開始逐漸納入這方面的跨領域人才，故即使大學時非理工類組，也非常適合嘗試跨領域，一來不容易被時代淘汰，二來可以在了解技術後運用背景所學彌補純技術之外的問題。從這樣的情境來看，個人原先的領域知識絕對是重要的，而去學習、汲取新技術，便是給你和你的所學無數個嶄新機會！
延伸閱讀：
你也想成為跨領域人才嗎？TKB資訊類課程完整度最高，還有完善的口面試輔導課程，不論前期及早備考、抑或後期考前短衝，準備資工所／資管所，首選TKB！
若對相關講座或課程有興趣，歡迎於下方填寫諮詢表，我們會有專人聯繫您喔～
留言
張貼留言