2018年原政大金融系考取台大资工所-罗O伦

考取学校：
国立台湾科技大学 所别：资讯工程系硕士班 组别：不分组 名次：1
国立中央大学 所别：资讯工程学系硕士班 组别：不分组 名次：1
国立成功大学 所别：资讯工程学系 组别：不分组 名次：5
国立清华大学 所别：资讯工程学系 组别：不分组
国立交通大学 所别：资讯科学与工程研究所 组别：甲组
国立台湾大学 所别：资讯工程学系 组别：不分组 名次：2



感谢老师的话：
若像我一样对计组没什么基础的，老师上课方式对我们非常有利，因为老师讲课速度慢，重点会重复数次，不用担心进度会跟不上，同时，老师在上课之余还会带领我们解考古题，马上应用我们刚学过的知识。
最重要的是，老师能够有逻辑的简化复杂知识，正因如此，我于课后都会比照老师的方式复习，以模仿老师上课的方式将笔记中钢学完的东西复束一次，同时将此法应用于其他科目的复习上，大大缩短了课后复习的时间，但同时又能达到很好的复习效果。
另外，老师上课的讲义编排我也觉得很棒，内文简洁有力，重点与图像化也做得相当明确，而内文后的题目囊括了大部分学校较具代表性的考古题，基本上只要熟读了老师的讲义，就可应付大部分的考试。

选择TKB的理由：
我数学部分选择TKB，因为我较喜欢黄子嘉老师的上课方式，我觉得老师的特点有2个，一个是非常擅长将激励人心，能够让我保持持续努力的动力（课余会有很 多小故事跟语录），另一点是他非常擅长章节之间的知识（老师会在章节结束时讲解为什么要教下一章节），这一点非常值得我学习。
除此之外，因为是TKB，所以我可以自由调控上课的速度与时间，让我都能复习完上次课程的知识后才去上下一堂课，对于跨考的我来说，时间压力不会那么大。
而演算法我也是选择TKB，主要是这次老师开课的时间较晚，又是连堂，为了使我早点准备以及课后有足够的时间能复习，所以选择TKB。

考试准备要领：
重点：课后复习一遍笔记，弄懂才去听下一堂，若上完整章，尽量在下次上课完成该章题目。
线性代数：
上完第一次正式课程：做线性代数分类题库后【所有单数题】。
上完第二次公播课程：做题库后部分偶数题。
最后复习阶段：挑错的、难的做，基础题靠老师挑选的范例题做。
补充：老师在【线性代数几何化的部分讲的不多】，推荐到这看看，影片讲述线代图形化，有了几何的概念，听公播时，读起来有趣了许多：https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw
（中文版可至 https://www.bilibili.com 找）

离散数学：
简述：做题方法与上述差不多，但这科稍微杂了一点。
可以参考此Link，念起来会较有动力：https://www.slideshare.net/ccckmit/ss-57362287
建议：离散数学大致上可分成多个小区块，若可以的话，可以用白纸写下区块间的连结性、目的性，念起来会比较有帮助。

资料结构：
简述：这科算是比较简单，只要把洪毅老师的笔记好好念完，就差不多了。
建议：若有时间，可尝试用程式写出资料结构，或尝试做题（leetcode有帮你分类好）。

演算法：
简述：将老师的讲义念熟即可。
题目方面，林立宇老师那本的题目我是全做，但若是时间不够可挑类似题型做就好，我每一章节作完题目时，会找个表列出该题型的衍伸问题（e.g. BFS-->connected,更新spanning tree,diameter on tree ….），
建议：不懂可以去找原文书(Introduction to Algorithms)，里面讲的还满详细的。

计算机组织：
简述：张凡老师这科真的教得很好，上课慢条斯理，解释得清楚，对于0基础的人来说很赞，有时间消化。笔记部份，无论是板书或是口头教授，我都会抄下来上完复习，基本上做熟书目就没问题了。
建议：台大这块会考得比较潮一点，我有额外找洪士灏老师的ppt来看，也有稍微了解一下ai相关的硬体(e.g. FGGA,ASIC,HSA...)。
微信订阅：StarryHeavensAbove、矽说、智东西

作业系统：
简述：大部分都是背的，熟读洪毅老师笔记即可，但分散式系统及资讯安全需要自己额外准备。
补充：分散式系统可参考台大薛智文老师的《作业系统》，资安(交大会考)方面可参考《Operating System Concepts》（恐龙本）。
建议：如果要看恐龙本的话可念完笔记后做后面题目，不会的话再往前翻，这样吸收应该会比较快。

考试资讯：
线性代数：(Jordan form可稍放，其他全念)
近年来越来越常考SVD分解，这点需要额外注意。难度为易，是主要拉分的科目。

离散数学：(有限状态机、polya计数可放掉)
若是时间不够，也可稍稍放掉代数结构这一章，它的比例占的不高，可全力攻下黄子嘉老师课本的1~7+10章(基础数学、关系与函数、排列组合、生成函数、递回、图论及数、络与布林代数)
难度为易，但准备上比线性代数来的难，因为章节的知识并不是那么连贯，需要多花时间。

资料结构与演算法：(资结重点为tree，演算法我觉得都满重要的)
值得一提的是，时间复杂度、图论及一些排序演算法在这两科当中重叠的部分很多，两边可以互相参照。
资料结构在准备上会相对容易，熟读笔记即可。
演算法难度稍高，近期NP问题的占分拉高。

计算机组织：(重点为pipeline及memory)
CP值高，只要熟读张凡课本后面的题目拿分相对容易。

作业系统：(重点为process与virtual memory)
准备上较困难，因为这科的范围很广，老师在上课时只能针对重点去上，但考试时常考一些比较偏门的题目。