非本科的學習順序｜非本科轉職 AI 工程師，學習順序該怎麼排？

轉職學了半年，卻說不出自己會做什麼，怎麼辦？轉職最怕的不是學不會，而是學了半年，還說不出自己會做什麼。所以我不用讀完幾本書當進度，也不用時間來衡量。我的做法是，每個階段都設定一件看得見的成果，當作過關標準。接下來的順序，是給非本科、每天能投入一到兩個小時的人參考。每個人速度不同，重點是按順序走，而且每階段都要有產出。我們把兩種衡量進度的方式放在一起看看。如果用讀完幾本書、學滿幾週來算，進度很容易變成自我安慰。你可能讀了很多，卻還是說不出自己會做什麼。但如果用成果來算，答案就很清楚：你做出了什麼，你就會什麼。有了成果，面試時你也有東西可以拿出來講。整個學習順序分成五個階段，由淺入深。階段一是 Python 基礎，學會變數、串列、字典、迴圈和函式。過關成果，是寫出一個能計算記帳總和、分類統計的小程式。階段二是資料處理，包括 CSV、pandas、基本 SQL 和公開 API。成果是把一份真實的政府公開資料，整理成有意義的統計表。階段三是 LLM 應用，學提示詞設計，還要用程式呼叫模型 API。也要學會要求模型輸出固定格式，成果是做出自動摘要或分類文字的小工具。階段四是 RAG 與 Agent，讓 AI 根據你的文件來回答問題。你也要讓 AI 呼叫工具，完成多步驟的任務。過關成果，是一個能回答特定文件內容、還附上出處的問答系統。階段五是工程化與上線，包括 Git、寫 README、基本測試和部署成網頁。最後的成果，是一個別人點連結就能使用的作品。這個順序有兩個關鍵，第一個是每個階段都會用到 AI 輔助。用 AI 寫程式不是作弊，看不懂才是真正的風險。因為面試時被追問細節，看不懂的人很快就會露餡。所以你可以讓 AI 幫忙寫，但一定要看得懂它寫了什麼。每個階段都用這個標準檢查自己，就不用怕被追問。第二個關鍵是，階段三之後，就要開始累積作品。不要等全部學完才動手，作品是在做的過程中，逐步長出來的。另外要提醒你一個現實的數字。美國軟體開發職缺的增幅中，有 71% 來自資深職位。也就是說，新手要擠進去，靠的是看起來像已經做過的證據。而這個證據，就是下一個單元要談的作品集。最後，教你一招：請 AI 幫你排出個人化的學習計畫。把你的背景和每週能投入的時間，誠實告訴 AI。請它依照五個階段，排出週計畫，並盡量結合你原本行業的情境。拿到計畫後，要自己再檢查一次，每個階段是否都有一件具體成果。如果某個階段沒有成果，就請它幫你補上。計畫排好之後，先只看第一階段就好。一次看太遠容易焦慮，完成第一件小成果帶來的信心，比任何計畫表都有用。來做個小檢查，看看你記得多少。課程建議，用什麼來衡量每個學習階段是否完成？選項是做出成果、讀完指定的書、或是學滿固定的週數。先想想看，答案是哪一個？答案是第一個：做出一件看得見的成果。因為每階段都用具體成果當過關標準，你才說得出自己會做什麼。讀完幾本書或學滿幾週，都不能證明你真的會了。我們快速複習一下這個單元的重點。第一，每個階段都用一件看得見的成果，當作過關標準。第二，五個階段由淺入深，一路走到作品上線。第三，AI 可以幫你寫程式，但你一定要看得懂。第四，階段三之後就開始累積作品，不要等學完才做。照這個順序走，每個階段都會留下看得見的證明。用成果當進度，轉職就有路可走。