2021台灣艾司摩爾「ASML菁英獎學金」開放申請熱烈報名中!(for • 110學年度入學之碩一新生)

ASML為全球微影技術領導者，提供全方位微影技術解決方案，致力於推展半導體技術至全世界每一個角落，克服人類社會中各種最艱難的挑戰。
ASML持續深耕台灣，設立ASML獎學金，積極培育本土人才。ASML獎學金計畫不僅提供高額獎助金，還包含英語課程、實習機會，以及專業導生培訓，幫助下個世代的優秀人才在科技領域持續突破。
現在立即申請ASML獎學金，獲得更多職涯發展機會，讓ASML在你追尋夢想的路上助你一臂之力！

獎學金介紹影片：https://www.youtube.com/watch?v=-kx7Z6aOPUA&t=1s
獎學金申請辦法：https://www.asml.com/en/careers/students-graduates/asml-scholarship/taiwan
申請獎學金：https://www.asml.com/en/careers/find-your-job/2/6/7/asml-elite-scholarship-in-taiwan-req26778?c=asml&source=TW_University

申請期限：即日起至2021.09.15
申請資格：
• 中華民國國籍學生
• 110學年度入學之碩一新生
• 碩士班科系限定：機械/電機/電子/航太/光電/材料/物理/電物/人資/勞工/企管(或商管、科管相關)/會計/財務管理/工業工程
• 大學總成績須符合以下至少一項條件：
o GPA 3.7 / 4.0
o GPA 4.0 / 4.3
o 學業成績85分以上
o 系排名15%前
獎學金方案內容：
• 每年NT$150,000，分兩次發放，共計兩年
• EF英語線上課程
• ASML實習機會
• ASML導師學生培訓
獎學金名額：8位
注意事項：
• 受獎生須為全職學生，若有休學、退學等情形將按比例收回獎學金。
• ASML將評估學業及培訓表現決定是否核發受獎生第二年獎學金。
• 獲獎生須於受獎期間擔任ASML校園大使，支援ASML校園講座及徵才活動。
• 受獎生可優先獲得ASML相關適合職缺之面試機會。
• 若違反上述事項，ASML將保留權利收回核發獎學金。

《MIT科技評論》6/29

* 【英國欲出資5億英鎊競購OneWeb資產，借此打造自家全球導航系統】曾經 SpaceX 的競爭對手、衛星公司 OneWeb 的資產將在紐約被掛牌出售，拍賣將於 7 月 2 日進行。

目前亞馬遜傳出有意收購 OneWeb 部分資產，同時有消息稱英國政府對 OneWeb 資產展現出強烈興趣，欲出資 5 億英鎊收購部分 OneWeb 資產。

OneWeb 原本計劃發射約 650 顆低軌通信衛星，在全球範圍內部署衛星通信服務。在今年 3 月由於資金問題申請破產之前，OneWeb 已經發射了 74 顆衛星。

從 OneWeb 破產之後，不斷傳出有來自中國資方背景的公司有意收購 OneWeb 的部分資產，但根據 Space Intel Report 報道，美國政府可能會對來自英美以外的公司，已設下障礙。

* 【特斯拉再次被美監管機構調查，老款車型中控屏存故障隱患】電動汽車品牌特斯拉，一直是一個爭議不斷，讓人又愛又恨的存在。

車主一面享受著純電的加速快感和中控大屏的科技感，一面又不得不面對層出不窮的品控問題，車漆和內飾出現問題還算輕的，碰上門窗密封不嚴和電子元件失靈，才讓人真的頭疼。

這些問題曾在 2017-2018 年集中爆發，一度導致知名消費者測評機構 Consumer Report（CR）將特斯拉從推薦名單中除名。不過隨著工藝質量不斷提升，CR 又在去年 11 月恢復了它的推薦地位，在豪華品牌中的可靠性排名也有所提升，也算是對其努力的一種肯定。

* 【美光DRAM商業機密案再升級，美國對福建晉華總經理髮出逮捕令】據彭博社報道，美國舊金山聯邦地方法院在 24 日發出逮捕令，將三名牽涉美國存儲大廠美光 DRAM 技術商業機密案的三人列入通緝名單中，其中一人是福建晉華總經理陳正坤，另兩名曾任職瑞晶（後被美光並購）工程師，之後轉職到聯電。

兩周前，由於涉及竊取美光商業機密，台灣法院剛裁定聯電須支付一億元新台幣（340萬美元）的罰款，以及三名與聯電有關的員工被判處 4 ~ 6 年徒刑，以及罰金。

此案件起源於 2016 年，當時聯電與福建晉華集成簽署技術合作協定，聯電受到福建晉華委託開發 DRAM 技術，由福建晉華提供 DRAM 所需的機台設備，並依開發進度由晉華支付聯電技術報酬金作為開發費用，而開發成果將由雙方共同擁有。

到了 2018 年底，美國商務部以危及美國國安為由，將福建晉華列入出口管制實體清單，之後聯電也宣佈暫停為晉華開發 DRAM 相關技術。

* 【今年最大自動駕駛收購案誕生，曾經「融資王」Zoox估值腰斬賣身亞馬遜｜業內點評】一邊是亞馬遜——全球市值最高公司之一，另一邊的 ZooX 則是美國頭部自動駕駛公司，疫情尚未結束，兩者促成了今年自動駕駛最大收購案，這也是本年度大型科技公司的最大並購之一。

美國當地時間 6 月 26 日，亞馬遜正式宣佈收購美國自動駕駛公司 Zoox，這一傳聞已久的收購終於敲定。

雖然交易雙方均未對收購價格進行表態，但《金融時報》報導收購價格超過 12 億美元。對 Zoox 來說，這一標價甚至不到上一輪融資時估值（32 億美元）的一半，而對亞馬遜來說，這是其在自動駕駛領域最重磅的一次出手。

L4 級自動駕駛公司的高管告訴 DeepTech，像亞馬遜這樣的物流公司、電商平台在收購 Zoox 這樣的科技初創，可以理解成大型的應用場景裡面的龍頭收購與其領域或者應用場景相關的科技公司，這是非常符合邏輯的做法。

* 【波士頓動力Spot機器狗即將配售機械臂，創始人：不排除將來讓它乾家務】6 月 25 日，波士頓動力公司創始人馬克·雷伯特（Marc Raibert）通過外媒 VentureBeat 分享了一些旗下四足機器狗 Spot 的下一步發展計劃。就在 10 天前，Spot 正式開啓了商業銷售模式，並得到廣泛關注。

Spot 是波士頓動力首個在線銷售的產品，起初主要面向企業客戶，企業可以直接在波士頓動力的網站上以 7.45 萬美元的價格購買一套 Spot Explorer 開發者工具包，包括機器狗本體、兩塊電池、充電器、平板電腦控制器、機器人外殼、電源盒以及用於 Spot API 的 Python 客戶端軟件包等，折合人民幣約 52.73萬元，外界調侃這價錢都夠買一輛特斯拉 Model S 電動車開了。

Spot 的模塊化平台（安裝 Rails、有效負載端口和 SDK）是它區別於其他機器人的特色，該公司目前正在銷售附加組件，從 1650 美元的額外充電器一直到 34570 美元的激光雷達和相機系統。不過，波士頓動力公司多年來一直備受關注的機器人手臂尚未出售。

* 【為何科技未能讓美國擺脫COVID-19？《麻省理工科技評論》深度解析幕後原因】面對新冠疫情，科技在美國和諸多國家並沒有起到很好的作用，例如保障公民的生命和健康。

當前，全球新冠肺炎死亡人數已超過 38 萬，市場經濟整體走向低迷，而疫情仍在多國肆虐。在一個談論人工智能、基因科技、生物醫學和自動駕駛汽車的年代，我們對疫情最有效的應對措施卻是大規模隔離，這是一種從中世紀以來就有的公共衛生辦法。

在美國疫情之中，沒有比患者檢測不足更突顯的問題了。篩查 COVID-19 患者所使用的聚合酶鏈反應（PCR）檢測，是一種 30 多年前在世界各地實驗室常規使用的化學技術，這也是摸索診斷方法的重要一步。然而，儘管科學家們在去年 12 月底新冠病毒出現後數周內就對其進行了鑒定和測序，但美國在開發通用的 PCR 檢測方法時卻遇到了挫折，美國疾病控制中心的能力欠缺和實驗室污染導致該機構創建了一批無效的測試，而且還持續了數周。

* 【投入2300萬美元！NASA耗時6年將新型馬桶送上太空】國際空間站是有史以來最先進的實驗室之一。在不久的將來，它將擁有有史以來最先進的馬桶，這個被稱為 「通用廢物管理系統」（Universal Waste Management System）的高科技馬桶已經開發了六年，耗資總額超過 2300 萬美元，並計劃在今年 9 月份由諾斯洛普·格魯門公司（Northrop Grumman）「天鵝座」 貨運飛船被送入國際空間站。

據美國《連線》雜誌 6 月 22 日報導今年秋天國際空間站美國艙上的太空人將會在 NASA 把這一太空馬桶用在深空任務載人航天器之前，對其進行測試。

與當前國際空間站上的馬桶不同，NASA 的這一新型太空馬桶可以被用在未來的各種載人航天器中，它將首先被用在獵戶座飛船（Orion）上。該項目負責人梅麗莎·麥金利（Melissa McKinley）表示，新型太空馬桶最終也可能用在載人登月艙或前往火星的宇宙飛船。但前提是，NASA 會先將它運送到國際空間站進行為期三年的測試，以確保一切按照計劃進行。

AI機器人將如何顛覆製造業？

面對AI機器人帶來的破壞式創新，台灣製造業該怎麼把握機會，在自動化典範轉移的亂局中，占有一席之地？

Bastiane Huang
Feb 6 · 1

在先前Robotics 2.0系列文章中，我們討論了AI如何讓機器人做到過去做不到的靈巧工作，並能夠開始自主學習。第一篇文章介紹了AI如何開啟Robot2.0時代。第二篇文章則描述AI機器人在倉儲運輸業的應用，透過觀察這個新技術的第一個應用場景，來預測這一切將如何影響我們的生產力、就業狀況以及日常生活。

這篇文章我們將聚焦目前大量運用傳統機器手臂及自動化設備，同時占台灣產值最高（30%）的製造業。具有自主學習能力而且靈巧的AI機器人，將如何影響製造業流程及整體產業結構？供應鏈上的各廠商又該如何因應Robotics 2.0帶來的破壞性創新？

「未來已經到來，只是先被一部分人看見。」 — 作家威廉．吉布森

The future is already here — it’s just not very evenly distributed. — William Gibson

製造業自動化現況

根據國際機器人聯合會（IFR）發布的最近報告，全球工業機器手臂的出貨量在2018年創下新紀錄，來到38萬4,000台。其中中國仍是最大市場（占比35%)，接著是日本，美國，台灣排名全球第六。

汽車以及電子製造業依然是工業手臂的最大應用市場（占比60%)，遠遠領先其他包含金屬，塑膠及食品等產業。具體原因我們在第一篇文章也討論過，由於傳統機器人和電腦視覺的限制，目前除汽車業和電子業以外，倉儲、農業和其他產業幾乎都還沒開始使用機械手臂。而這樣的情形將會被AI機器人及深度學習等新技術所改變。看到這裡，你可能會想：自動化及工業機器手臂在製造業既然已經有幾十年的歷史，該自動化或可以被自動化的部分應該都已經自動化了，還有什麼創新的空間呢？

出乎意料地，就連自動化程度最高的汽車製造業，離所謂的全自動化關燈工廠（lights out factory）也還有很大一段距離。舉例來說，汽車組裝的部分大多依然是由人工來完成。這也是車廠最勞力密集的部分，平均一間汽車工廠裡有3分之2的員工都在裝配車間。就連一向追求革新與顛覆，主張追求最高自動化的特斯拉執行長馬斯克，都不得不公開承認，特斯拉生產線自動化的進度不如預期。

究竟為什麼自動化這麼困難？

自動化至今無法跨越的技術限制

現今的自動化生產線普遍為大量生產設計，因此能有效降低成本，但也因此缺乏彈性。面對消費者越來越短的產品生命週期，越來越多的少量多樣客製化生產需求，人類往往比機器人更能夠因應新的產品線，也不需要花費很多時間去重新編寫程式或更改製造工序。

1. 靈巧度與複雜度

儘管科技在快速進步，人類還是比機器人靈巧許多。在訪談電子代工廠商的過程中發現，儘管組裝產品（assembly）已經高度自動化，但備料（kitting）的程序還是必須由人來完成。

備料在製造及倉儲業都很普遍，是提高生產效率的重要步驟。指的是把組裝產品需要的各個零散部件集合起來，打包並放置在工具包（kit）的過程。之後機器人再從工具包中拿取各個零件並進行組裝作業，這時候因為各個零件都在一個固定的位置和角度，自動化編程相對容易。相反地，備料時必須從雜亂無序的零件盒中辨識並拿取零件，零件的位置角度不一，甚至可能重疊或纏繞在一起，這對現有的機器視覺及機器人技術都是一項挑戰。

2. 視覺與非視覺性的回饋

另外一方面，很多複雜的裝配作業需要靠作業員的經驗或「感覺」。不論是安裝汽車座椅或是將零件放入工具包裡，這些看似簡單的動作，事實上都需要作業員或機器人接收，並根據各種視覺甚至觸覺訊號，來調整動作的角度及力道。

這些精細的微調使得傳統的自動化編程幾乎派不上用場，因為每次撿取或放置物品都不完全相同，需要像人一樣有從多次的嘗試當中，自主學習歸納的能力，而這正是機器學習，特別是深度及強化學習，能夠帶給機器人的最大改變。

Robotics 2.0：AI可以讓工廠機器人做到哪些事？

AI帶給機器手臂最大的改變就是：以往機械手臂只能重複執行工程師編寫程序，雖然精準度及速度都很高，但卻無法應對任何環境或製程改變。但是現在因為AI，機器可以自主學習更複雜的任務。具體來說，AI機器人較傳統機械手臂在3大方面有重大突破：

1. 視覺（Vision System）

就算是最高階的3D工業相機，仍然無法像人眼一樣，既可以精準判斷深度距離，又可以辨識透明的包裝、反射表面、或是可變形物體。這也是為什麼很難找到一款相機，既可以提供準確的深度，又能夠辨識大多數的包裝及物品，然而，這樣的情形很快就會被AI改變。

機器視覺在過去幾年取得了巨大的進展，幾間來自於矽谷及波士頓的新創，包括OSARO和Covariant，利用深度學習（deep learning），語意分割（semantic segmentation），及場景理解（scene understanding）提高了低階相機的深度及影像辨識，讓製造商不需要使用昂貴的相機，也能得到足夠準確的影像訊息，成功辨識透明或反射物體包裝。

2. 可擴充性（Scalability）

深度學習不需像傳統機器視覺一樣，需要事先建構每一個物品的3D模型。只需要輸入圖片，經過訓練，人工神經網路就能自動辨識影像中物體。甚至能使用非監督或自監督學習，降低人工標籤數據或特徵的需要，讓機器更近接近人一樣的學習，免去人為干預，讓機器人面對新的零件再也不需要工程師重新編寫程序。隨著機台運作，收集到的數據越來越多，機器學習模型的準確度也會進一步提升。

目前一般生產線通常有震動台、送料器、輸送帶等週邊設備，確保機器人能夠正確拿取需要的部件。如果機器學習再進一步發展，讓機器手臂更加智能，或許有一天這些比機械手臂更昂貴四五倍以上的週邊設備將不再被需要。
另一方面，由於深度學習模型一般儲存在雲端，這也讓機器人能夠互相學習，共享知識。舉例來說，若有一台機器手臂經過一個晚上的嘗試，學會如何組合兩個零件，便能夠很輕易地將這個新的模型更新到雲端，並分享給其他同樣也連結到雲端的機器手臂。這不但省去了其他機器的學習時間，也確保了品質的一致性。

3. 智能放置（Intelligent Placement）

一些對我們來說一點也不困難的指令：請小心輕放，或把物品排列整齊，對機器手臂而言卻是巨大的技術挑戰。
如何定義「小心輕放」？是在物體碰觸到桌面的瞬間停止施力？還是在移動到距離桌面6公分處放手讓物體自然落下？或是越靠近桌面就越降低速度？這些不同的定義又會怎麼樣影響物品放置的速度和精確度？

至於將物品「排列整齊」就更困難了，先不論每個人對整齊的定義都有所不同，為了能將物品精準地放置在想要的位置及角度，我們首先必須要先從正確的位置拿取物品：機械手臂依然不如人手靈巧，且目前一般機器手臂大多使用吸盤或是夾子，要做到人類關節及手指的靈活度，還有一大段距離。

其次我們要能即時判斷夾取物體的角度位置及形狀大小，以下圖的杯子為例，需要知道杯口朝上或朝下，要側放或直放，也要知道放置的地方有沒有其他物品或障礙物，才能判斷將杯子放在哪裡才能最節省空間。 我們因為從出生開始就在學習各種取放物品的任務，這些複雜的作業幾乎不加思索就可以完成，但機器並沒有這樣的經驗，必須重新學習。

經由AI，機器手臂可以更精準地判斷深度，還可以透過訓練，學習判斷及做到杯子朝上，朝下等不同狀態。也可以利用對象建模（Object Modeling），或是體素化（Voxelization），來預測及重建3D物體，讓機器可以更準確掌握實際物品的大小和形狀，進一步將物品放到該放的位置。

AI機器人將如何顛覆製造業？

現在我們知道AI可以讓機器做到許多以往做不到的事，但這對製造業現行的產業結構又會有什麼影響？誰能夠把握住新科技典範轉移技術帶來的機會？哪些公司又會面臨前所未有的挑戰？

AI機器人帶來的破壞式創新（Disruptive Innovation）

破壞式創新由哈佛商學院教授克雷頓‧克里斯汀生（Clayton Christensen）在其著作《創新的兩難》（Innovator’s Dilemma）當中提出。理論的中心思想是：
產業中的既有業者一般會為了服務現有客戶（通常也是利潤最高的客群），而選擇專注於「持續式創新」，改善現有的產品及服務。此時，一些資源較少的小公司把握機會，瞄準被忽略的市場需求，而取得進入市場的立足點。
破壞式創新又分為以下兩種：

（1）低階市場創新

一般大家較為熟悉的是「低階市場創新」，數位照相技術就是一例。早期的數位相機不僅解析度不佳，而且還有快門延遲很長的問題，但隨著數位照相品質及解析度逐漸進步，數位相機逐漸從低階市場晉升為主流。諷刺的是，柯達雖然研發出數位相機，但卻因為無法放棄當時該公司占據全球3分之2的底片市場，而最終被新技術淘汰。這正是所謂的「創新的兩難」，既有業者雖然看到新科技的威脅，但卻因為現有公司結構，策略等種種原因無法及時因應。

（2）新市場創新

「新市場創新」則是指新進公司瞄準既有公司尚未服務到的「新市場」進行創新。例如，電話剛推出的時候只能被用來做短距離的本地溝通，因此電報產業當時的領先者Western Union拒絕購買發明家貝爾的專利，因為該公司最賺錢的是長途電報市場，當時甚至不認為短途溝通會是一個市場，更不用說預見後來人人都用電話溝通的情景了。

而AI機器人帶來的，正是「新市場的破壞式創新」！

目前汽車及電子製造業占工業機器手臂出貨量的60%，這也導致市場領先者發那科（FANUC）、ABB、KUKA、安川（YASKAWA）專注於「持續式創新」：做他們最擅長，客戶也最需要的，進一步提高速度及精度。這也使得其他諸如倉儲業、食品製造業，或製造業中的「備料程序」成為被忽略新市場。這些客戶並不需要這麼高速度，高精度的作業，但需要機器手臂更靈活，更能彈性自主學習辨識及處理不同的零件或是工作。

新創AI機器人公司看到這樣未被滿足的需求，開始將人工智慧應用在機器人上，使得機器手臂可以被用在備料，包裝，倉儲等新市場。他們使用較低階的相機搭配機器學習模型，讓以往只能由人工作業的備料，貨物分撿等程序自動化，讓機器手臂可以被運用在更多不同的地方，甚至整個產業。

有趣的是，這些新創公司一般不自行生產機器手臂，而是專注於開發機器學習模型、機器視學及控制軟體，在硬體方面則選擇跟既有機器手臂廠商合作。因此，你可能會想，就算這些機器手臂公司不追求AI創新，他們也不會被時代淘汰，因為自動化還是需要硬體的供應。

但是，這樣想忽略了幾件事：

首先，有些機器手臂公司已經先嗅到了商機，並開始一邊與這些新創公司合作，一邊建立自己的AI團隊。這些公司因為率先採取行動，可以更快地在這些以往服務不到的新市場中建立客群，進一步領先競爭對手。

其次，隨著AI應用的普及，產業鏈中的最大價值，會逐漸由硬體轉向軟體及數據。 這點，我們已經可以從無人車的發展趨勢中看出。一但無人車可以做到高度自主，大部分的價值都會在掌握無人車機器學習模型及自駕數據的特斯拉，或Google等公司的手裡。這也是為什麼車廠人人自危，不是積極併購就是跟矽谷的軟體AI新創公司合作。相比起來，機器手臂及製造商對AI技術的接受速度似乎還不及汽車製造商。

AI機器人帶來的挑戰與機會

AI及機器人的結合帶來許多的可能性，但是這些改變絕非一蹴可幾。機器手臂公司縱使開始投資AI，也依然會面臨當初柯達所面臨的「創新者的兩難」。

要如何重新打造組織及發展策略，才能夠讓轉型的負面影響降到最低，也考驗各個公司管理階層的判斷與決心。

另一方面，開發全新市場也絕非簡單的事，新創公司仍需要和製造廠商密切合作，開發更貼合客戶需求的解決方案。 製造業的流程甚至比倉儲更複雜多樣，新創公司雖然了解AI及機器人技術，但卻不一定了解製造流程。這也給台灣製造廠商一個搶得先機成長轉型的最佳機會。

如果台灣廠商能夠率先和這些新創公司合作，不僅能透過流程自動化提升生產效率及品質，還能做到以往較難做到的少量多樣客製需求，擺脫大量製造，削價競爭的紅海策略。更可以成為新一代AI機器人的試驗場，和國際新創合作開發針對電子或半導體製造業的專屬解決方案，進而銷售到其他國家。

日前，曾任職於Google與百度的吳恩達（Andrew Ng）受邀來台演講中也指出，台灣應該善用自己在半導體與製造業的既有優勢，發展人工智慧，成為除了矽谷、北京之外的下一個AI Hub。 相較於其他像是零售或是消費性網路領域這些現在發展相對成熟的AI應用，台灣在製造產業中發展人工智慧，不但更具有了解應用案例、掌握數據等優勢，也有機會能夠藉由AI機器人等新技術，達到產業轉型的目的。

附圖：KIT工具包 — source: kitting-assembly.ca
深度學習物件辨識範例，由左至右分別為Mask-RCNN, Object Modeling, Grasp Point Prediction。OSARO
傳統及AI機器人創新策略比較 — source: Bastiane Huang
製造業自動化產業鏈- source: Bastiane Huang

資料來源：https://medium.com/marketingdatascience/ai%E6%A9%9F%E5%99%A8%E4%BA%BA%E5%B0%87%E5%A6%82%E4%BD%95%E9%A1%9B%E8%A6%86%E8%A3%BD%E9%80%A0%E6%A5%AD-ee2dbc3db7e4

真的很感謝Jack願意接受訪談
還有我真的拖很久才把影片剪出來
真的感謝大家的等待與觀看

學程連結：https://www.rwth-aachen.de/go/id/jiqd?lidx=1

▷▶︎ 幫助你更快的找到問題
-------------------------
00:00 關於Jack
00:50 為什麼沒有打學畢業就直接出國？
01:42 在台灣的工作經驗是什麼？可以到各國出差？
04:45 出國讀第二碩的動機是什麼？
05:31 當初找學校的方向？為什麼選RWTH Aachen?
08:03 RWTH Aachen機械系的內容是？系所優缺點？
14:35 英文學程會比較好畢業嗎？
15:48 怎麼找到目前在Henkel的實習？工作內容？
19:42 台灣與德國的職場差異？
22:37 AI學習與目前應用有什麼關係？
25:02 目前在德國的休閒活動是什麼？
26:55 畢業之後的規劃

▷▶︎ 點擊領取德國留學申請祕訣
https://mailchi.mp/e20209012955/lilyhahahahana

▷▶︎ More LILYHAHA
----------------------
▪︎ Instagram: https://www.instagram.com/lily.hahahahana/
▪︎ Email: [email protected]
(更多留學諮詢、合作，請來信)

▷▶︎ About LILYHAHA
---------------------
留學不在只是夢想，過去在準備德國留學的路上，資源總是相對英美少的很多，因此希望透過YouTube這個平台，來分享更多在歐洲的留學＆工作經驗給大家，想到德國工作？想到德國念碩士？但卻沒有什麼方向，都可以跟我聊聊喔！

▷▶︎ 留學德國申請祕訣-免費資源
----------------------------------------
▪︎ 底下留言告訴我你的eamil，即可領取申請祕訣喔！
▪︎ 私訊預約免費留學諮詢30分鐘

▷▶︎ 這些影片會讓你對德國有更多了解
-------------------------------------
⇢德國留學＆生活
▪︎ 德國亞洲超市：https://youtu.be/B2xAXR5in8E
▪︎ 德國一天需要多少德文：https://youtu.be/qsmiffED25Y
▪︎ 德國外食花費：https://youtu.be/DDH8coykU3A
▪︎ 德國大學排名：https://youtu.be/9XWqweyKowo

⇢德國留學訪談
▪︎ 高中申請學士（慕尼黑大學）https://youtu.be/rL3eG-X3NfQ
▪︎ 德國碩士獎學金（慕尼黑工大）https://youtu.be/HvS2e6WjZzo
▪︎ 瑞士博士申請（蘇黎世聯邦理工）https://youtu.be/nT0HYE1Ctn0
▪︎ 瑞士碩士申請（洛桑聯邦理工）https://youtu.be/ATmVnNDhHTE
▪︎ 德國科大碩士（Hochschule Esslingen) https://youtu.be/gdIAPx4gmbE

⇢德國工作&實習
▪︎ 德國互惠生：https://youtu.be/x2Zysm7-0yk
▪︎ 德國畢業賺多少：https://youtu.be/FzBh5MRSuO4
▪︎ 德國實習＆打工經驗：https://youtu.be/81CnfYIXJMA
▪︎ 德國軟體工程師：https://youtu.be/mY1K17nUzGU
▪︎ 瑞士Google工程師：https://youtu.be/7ly1ZCUldss

▷▶︎ key words 關鍵字
----------------------
李黎哈哈 李黎哈哈訪談系列 德國留學 歐洲留學 德國工作 德國實習 德國生活 歐洲生活 德國簽證 留學申請 留學心得

⁉️有任何問題都歡迎在底下留言分享喔～
-----------------------------------------------------------------------------------
🔍如果大家想知道更多我的德國生活
Instagram @lichun_lin_41795 @lily.hahahahana
-----------------------------------------------------------------------------------
🎥在使用的影片拍攝剪輯器材
相機 sony zv1
https://amzn.to/2C8Iab1
攝影 i Phone 7
https://amzn.to/3hc1sMw
腳架 JOBE
https://amzn.to/3dPME3X
麥克風 RODE
https://amzn.to/3f8ZL0t
剪輯 FCPX
https://amzn.to/3dQr6V8
字幕 Arctime
------------------------------------------------------------------------------------