打雜工的窩 (Lynn)

2018年原政大金融系考取台大資工所-羅O倫

考取學校：
國立台灣科技大學 所別：資訊工程系碩士班 組別：不分組 名次：1
國立中央大學 所別：資訊工程學系碩士班 組別：不分組 名次：1
國立成功大學 所別：資訊工程學系 組別：不分組 名次：5
國立清華大學 所別：資訊工程學系 組別：不分組
國立交通大學 所別：資訊科學與工程研究所 組別：甲組
國立台灣大學 所別：資訊工程學系 組別：不分組 名次：2



感謝老師的話：
若像我一樣對計組沒什麼基礎的，老師上課方式對我們非常有利，因為老師講課速度慢，重點會重複數次，不用擔心進度會跟不上，同時，老師在上課之餘還會帶領我們解考古題，馬上應用我們剛學過的知識。
最重要的是，老師能夠有邏輯的簡化複雜知識，正因如此，我於課後都會比照老師的方式複習，以模仿老師上課的方式將筆記中鋼學完的東西復束一次，同時將此法應用於其他科目的複習上，大大縮短了課後複習的時間，但同時又能達到很好的復習效果。
另外，老師上課的講義編排我也覺得很棒，內文簡潔有力，重點與圖像化也做得相當明確，而內文後的題目囊括了大部分學校較具代表性的考古題，基本上只要熟讀了老師的講義，就可應付大部分的考試。

選擇TKB的理由：
我數學部分選擇TKB，因為我較喜歡黃子嘉老師的上課方式，我覺得老師的特點有2個，一個是非常擅長將激勵人心，能夠讓我保持持續努力的動力（課餘會有很 多小故事跟語錄），另一點是他非常擅長章節之間的知識（老師會在章節結束時講解為什麼要教下一章節），這一點非常值得我學習。
除此之外，因為是TKB，所以我可以自由調控上課的速度與時間，讓我都能複習完上次課程的知識後才去上下一堂課，對於跨考的我來說，時間壓力不會那麼大。
而演算法我也是選擇TKB，主要是這次老師開課的時間較晚，又是連堂，為了使我早點準備以及課後有足夠的時間能複習，所以選擇TKB。

考試準備要領：
重點：課後複習一遍筆記，弄懂才去聽下一堂，若上完整章，盡量在下次上課完成該章題目。
線性代數：
上完第一次正式課程：做線性代數分類題庫後【所有單數題】。
上完第二次公播課程：做題庫後部分偶數題。
最後複習階段：挑錯的、難的做，基礎題靠老師挑選的範例題做。
補充：老師在【線性代數幾何化的部分講的不多】，推薦到這看看，影片講述線代圖形化，有了幾何的概念，聽公播時，讀起來有趣了許多：https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw
（中文版可至 https://www.bilibili.com 找）

離散數學：
簡述：做題方法與上述差不多，但這科稍微雜了一點。
可以參考此Link，念起來會較有動力：https://www.slideshare.net/ccckmit/ss-57362287
建議：離散數學大致上可分成多個小區塊，若可以的話，可以用白紙寫下區塊間的連結性、目的性，念起來會比較有幫助。

資料結構：
簡述：這科算是比較簡單，只要把洪毅老師的筆記好好念完，就差不多了。
建議：若有時間，可嘗試用程式寫出資料結構，或嘗試做題（leetcode有幫你分類好）。

演算法：
簡述：將老師的講義唸熟即可。
題目方面，林立宇老師那本的題目我是全做，但若是時間不夠可挑類似題型做就好，我每一章節作完題目時，會找個表列出該題型的衍伸問題（e.g. BFS-->connected,更新spanning tree,diameter on tree ….），
建議：不懂可以去找原文書(Introduction to Algorithms)，裡面講的還滿詳細的。

計算機組織：
簡述：張凡老師這科真的教得很好，上課慢條斯理，解釋得清楚，對於0基礎的人來說很讚，有時間消化。筆記部份，無論是板書或是口頭教授，我都會抄下來上完複習，基本上做熟書目就沒問題了。
建議：台大這塊會考得比較潮一點，我有額外找洪士灝老師的ppt來看，也有稍微了解一下ai相關的硬體(e.g. FGGA,ASIC,HSA...)。
微信訂閱：StarryHeavensAbove、矽說、智東西

作業系統：
簡述：大部分都是背的，熟讀洪毅老師筆記即可，但分散式系統及資訊安全需要自己額外準備。
補充：分散式系統可參考台大薛智文老師的《作業系統》，資安(交大會考)方面可參考《Operating System Concepts》（恐龍本）。
建議：如果要看恐龍本的話可唸完筆記後做後面題目，不會的話再往前翻，這樣吸收應該會比較快。

考試資訊：
線性代數：(Jordan form可稍放，其他全唸)
近年來越來越常考SVD分解，這點需要額外注意。難度為易，是主要拉分的科目。

離散數學：(有限狀態機、polya計數可放掉)
若是時間不夠，也可稍稍放掉代數結構這一章，它的比例佔的不高，可全力攻下黃子嘉老師課本的1~7+10章(基礎數學、關係與函數、排列組合、生成函數、遞迴、圖論及數、絡與布林代數)
難度為易，但準備上比線性代數來的難，因為章節的知識並不是那麼連貫，需要多花時間。

資料結構與演算法：(資結重點為tree，演算法我覺得都滿重要的)
值得一提的是，時間複雜度、圖論及一些排序演算法在這兩科當中重疊的部分很多，兩邊可以互相參照。
資料結構在準備上會相對容易，熟讀筆記即可。
演算法難度稍高，近期NP問題的佔分拉高。

計算機組織：(重點為pipeline及memory)
CP值高，只要熟讀張凡課本後面的題目拿分相對容易。

作業系統：(重點為process與virtual memory)
準備上較困難，因為這科的範圍很廣，老師在上課時只能針對重點去上，但考試時常考一些比較偏門的題目。