2026 新鮮人資料科學職缺清單

2026 年找資料科學工作，速度很重要。zapplyjobs/New-Grad-Data-Science-Jobs-2026 這個 GitHub repo，現在收了 220 個職缺，分散在 94 家公司。每 15 分鐘更新一次，這種頻率比很多公司職缺頁面還實在。

更有意思的是，這不是亂槍打鳥的職缺牆。裡面有 89 個標成 Data Scientist。還混了 analytics engineering、ML research、quant 相關工作，甚至實習。講白了，這是給新鮮人看的活資料，不是漂亮但過期的宣傳頁。

對台灣剛畢業、想投美國資料科學或機器學習職缺的人來說，這種清單很有用。你不用每天手動翻 20 個公司網站。你只要盯住一個地方，就能先看出市場在找什麼人。

這個 GitHub 板子到底在說什麼

New-Grad-Data-Science-Jobs-2026 的定位很直接。它就是給想進 data science、machine learning、analytics 的新鮮人用。README 寫得很白，資料會即時更新，badge 還標每 15 分鐘刷新一次。說真的，職缺常常一天內就關掉，這種更新速度很重要。

這個 repo 的範圍也比標題大。你會看到像 Chan Zuckerberg Biohub 這種偏研究的職缺，也有 Ibotta 的產品與特徵工程工作。再往下看，還有 Visa、Lowe's 這類大型企業的入門職缺。這代表市場不是只要會喊 AI 的人，而是要能做分析、做模型、做營運的人。

如果你是新鮮人，這種分類很重要。因為資料科學不是單一職涯。有人走商業分析，有人走實驗設計，有人走 ML pipeline。你如果只看職稱，很容易誤判自己該投哪一類。

• 總職缺數：220
• 涵蓋公司數：94 家
• Data Scientist 標籤：89 個
• 更新頻率：每 15 分鐘
• 多家公司有多個職缺，像 Visa、Thermo Fisher Scientific、Booz Allen Hamilton

職缺分布很雜，但這正是重點

這份清單最有價值的地方，就是它不單調。你會看到研究導向的職缺，也會看到偏應用的工作。像 Netflix 有 Machine Learning Scientist 5，主題是 ad ranking。Toyota Research Institute 則在找 robotics 和 adaptation 相關人才。

另一邊，Adobe 開出 Data Science Engineer。Applied Materials 則找聚焦 Agentic AI 與 ML 的 Data Scientist。這些職缺差很多。前者偏研究深度，後者偏產品落地。你如果沒看清楚，很容易把自己投錯池。

我覺得這份 repo 最誠實的地方，就是它直接把市場切開。你有 SQL、Python、dashboard skills，適合先看 analytics 類。你如果數學、實驗設計、模型評估比較強，就去看 research 或 ML 類。不要幻想一份履歷打天下，那通常只會浪費時間。

“You don't need to be a genius, you need to be disciplined.” — Andrew Ng

這句話來自 Andrew Ng。我覺得很適合這種職缺板。因為新鮮人最缺的，常常不是天份，而是持續投遞、持續修履歷、持續做作品集。

這也是這個 repo 的現實意義。它不是叫你幻想自己會突然變強。它是在提醒你，機會會消失得很快。你得每天追，還要追得夠準。

跟一般求職網站比，差在哪裡

一般求職網站很大，但也很吵。你搜 data science，可能跳出一堆不相關職缺。你搜 machine learning，又可能混進一堆資深職位。對新鮮人來說，這種雜訊很傷，因為你根本不知道該先看哪個。

這個 GitHub 板子比較窄，但更好用。它把焦點鎖在新鮮人、資料科學、ML、分析這幾類。你一打開，就知道自己有沒有機會。這比在大平台上亂滑，效率高很多。

再來，更新速度也很有差。很多職缺頁面一天只更新一次，甚至更慢。這個 repo 是 15 分鐘刷新。對熱門職缺來說，這差距很大。早一點看到，早一點投，至少不會在名額快滿時才反應。

• GitHub repo：220 個職缺，94 家公司，15 分鐘更新
• LinkedIn Jobs：職缺多，但雜訊也多
• Lever：很多公司用的 ATS 系統
• Greenhouse：另一個常見 ATS，repo 其實是在抓這些公開職缺
• 不少職缺是幾小時內上架，不是幾週前的舊資料

repo 下面還有 Chrome extension 和 application tracking 工具。這點我很認同。找工作最煩的不是投一份，而是投 30 份後還記得自己投了什麼。履歷版本、推薦人、面試進度，全部都會亂掉。

2026 新鮮人該怎麼用這份清單

如果你是 2026 年畢業，這份清單可以直接當每日工作表。先看有哪些公司在招人，再把職缺分成三組：可直接投、需要改履歷才投、暫時先觀察。這樣比看到就亂投有效多了。

我會建議你先鎖定 10 到 15 家公司。像 Visa、Thermo Fisher Scientific、Booz Allen Hamilton 這類公司，如果持續出現新鮮人職缺，就代表它們真的有 junior pipeline。這種訊號比廣告文案可靠多了。

你也可以反過來看趨勢。哪些職缺一直出現？哪些技能一直被寫進 JD？如果你看到 Python、SQL、A/B testing、LLM、feature engineering 反覆出現，那就是市場在告訴你該補什麼。不要等到面試才發現自己少一塊。

這背後其實是求職工具在變形

以前找工作像翻黃頁。現在比較像在看即時資料流。這種工具會成功，不是因為它花俏，而是因為它省時間。對開發者和資料人來說，這很合理。你本來就習慣用 API、filter、automation 來處理資料。

我覺得 2026 年的新鮮人會更依賴這種 live board。原因很簡單。公司招人速度快，職缺消失也快。你如果還用一週一次的節奏在找，基本上就是慢半拍。

所以我的建議很直接。把這份 repo 加進書籤，每天看一次。把符合條件的職缺丟進表格。看到新職缺，當天就投。你不用很神，你只要夠快、夠穩、夠有紀律，就已經贏過很多人了。

結語：把速度當成求職技能

這份 GitHub 職缺板最實際的地方，就是它把「找工作」變成一個可追蹤的流程。220 個職缺、94 家公司、15 分鐘更新，這些數字都在提醒你一件事：市場一直在動。

如果你是台灣的新鮮人，下一步不是多看幾篇求職雞湯，而是建立自己的追蹤表。你可以先從 20 個職缺開始，每天固定更新。兩週後，你會比只靠 LinkedIn 搜尋的人更清楚市場長什麼樣。

我猜 2026 年資料科學求職會更吃「反應速度 + 基本功」。你覺得呢？如果你想進這條路，先把這種 live board 用起來，會比空等職缺來敲門有效得多。