5 個 AI 職缺清單用法
5 種用法幫學生快速鎖定 2026 AI/ML 實習與新鮮人職缺，含 5,364 顆星與每日更新。
這份 GitHub 清單整理了 2026 AI/ML 實習與新鮮人職缺，適合用來快速決定先投哪一類工作。
如果你正在找 AI 實習或第一份正職，這份清單能把分散的職缺集中到同一處。它有 5,364 顆星，並依地區、職類與公司層級整理，方便你先縮小範圍再開始投遞。
| 項目 | USA 實習 | USA 新鮮人 | 國際實習 | 國際新鮮人 |
|---|---|---|---|---|
| 職缺數 | 190 | 223 | 297 | 246 |
| 更新節奏 | 每日更新 | |||
| 新鮮度門檻 | 近 120 天內刊登 |
1. 用它快速找最新職缺
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
這份清單最大的價值是快。專案每日更新，並優先收錄近 120 天內的職缺，讓你少看過期資訊，把時間留給真正還在收件中的機會。
實習與新鮮人職缺常常很快額滿，所以越早看越有利。你可以先追蹤像 NVIDIA、Meta、Microsoft 這類公司，趁名額還在時先送出申請。
- 更新頻率：每日
- 收錄條件：近 120 天內
- 適合對象：想早投、常投的學生
2. 比較實習與新鮮人兩條路
清單把實習與新鮮人職缺分開，讓你更容易判斷該先衝暑期經驗，還是直接找全職第一份工作。這種切法也適合跨年級申請，或同時保留兩種選項。
在 USA 區塊中，實習有 190 個、新鮮人職缺有 223 個；國際區塊則有 297 個實習與 246 個新鮮人職缺。看完這組數字，你就能先知道哪條路選擇更多，再決定主攻方向。
- USA 實習：190
- USA 新鮮人：223
- 國際實習：297
- 國際新鮮人：246
3. 依公司層級和職類篩選
這份清單把職缺分成 FAANG+、Quant、Other 幾個桶，適合想先鎖定公司類型的人。你可以先從大方向瀏覽，再把名單縮成真正想投的公司，而不是自己從零整理表格。
例如，你可以先看 TikTok 的 data science intern、Stripe 的 PhD data scientist intern，或 Pinterest 的 machine learning intern，再拿它們和量化或一般科技職缺做比較。
FAANG+ → Quant → Other
Internship → New Grad
USA → International
4. 對準你的 AI 專長
這不是一般的職缺大雜燴。清單裡有很多 AI 子領域的工作，例如 multimodal systems、reinforcement learning、recommendation、generative AI 和 data science，方便你把履歷、課程或研究背景對到相符職缺。
如果你偏模型研究，可以優先看 PhD 取向的職缺；如果你比較強的是資料分析或應用 ML，也能找到仍在 AI 團隊內的實作型角色。這樣找工作時，會比盲投更有效率。
- Generative AI
- Multimodal AI
- Reinforcement learning
- Recommendation systems
- Data science and analytics
5. 把它當成求職地圖
README 直接連到各地區、各學歷路線的 markdown 檔，所以這份 repo 不只是清單，而是一張可以反覆回來查的地圖。你不需要每次都從首頁重找，進到對應區塊後就能直接開始篩選。
它也連到另一份軟體工程職缺清單，對想同時保留 AI 與 SWE 兩條路的人很實用。若你正在兼顧實習、新鮮人與備案，這種結構能省下不少時間。
- USA 實習與新鮮人頁面
- 國際實習與新鮮人頁面
- 延伸的 SWE college jobs 清單
怎麼挑
如果你想最快找到還在收件的 AI 職缺，先看每日更新的實習與新鮮人頁面，並先用地區縮小範圍。如果你已經知道目標公司類型，再用 FAANG+、Quant、Other 的分類把名單收斂到真正想投的公司。
還在學校就選實習頁面；準備直接進職場就選新鮮人頁面；如果你還在兩者之間，就兩邊都收藏，當成每週更新的申請追蹤表。