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。
 

課程諮詢

姓名
電話
郵件
LINE ID
敘述
自定義欄位名稱  


楊莉

arrow
arrow

    Lynn(鄭雅玲) 發表在 痞客邦 留言(0) 人氣()