• 交大資工 116 級（112 年入學）
• 作業成績只有比較少的才會全部放上來
• 課堂作業請參考 GitHub 上的內容

作業系統概論

課號：515515
選別：必修
任課老師：張立平
開課單位：資訊共同

• 心得

  • 這堂課不點名，課程都會有錄影，所以可以兩倍速看。不過教授教的真的很好，可以很透徹的理解 OS 的原理，有時也會補充一些有趣的知識。
  • 課程會有一個臉書社團討論區，可以在上面匿名提問跟課程內容或作業相關的問題，助教與教授都會回答。
  • 作業總共有六個，不過都不會太難，且在 GitHub 上都有學長姐的可以參考，內容都蠻有趣的，寫完可以更加理解課堂上提到的概念，並接觸到一些以前不曾用到的 library。
  • 作業給分的話就是看隱藏測資有沒有過，不需要交 report，但感覺沒有太刁鑽的測資，因此大部分同學都是滿分。
  • 小考的話則是會定期用 Google 表單來問一些課堂上教過的東西，但也有可能是延伸，需要額外去找資料，並且小考內容在段考中也有可能出現。
  • 期中與期末考不能帶大抄，簡報讀熟進去就可以了。考試的內容都是簡答題，不過一題會再切成很多小題，題型有些會跟考古蠻像的，不過印象中不會重複太多，可能會換一些名詞或方式考。
  • 總成績分布如下圖，整體來說給分蠻甜的，甚至有破百的人來卷爛大家。

• 評分方式

  • HW（6%*6）、Quiz（4%）、Mid（30%）、Final（30%）
  • 調分：無
  • 平均：76.4

• 成績

  HW avg	Quiz avg	Mid	Final	Total
  101.7	4	93	82	A+（93）

計算機圖學概論

課號：515516
選別：選修
任課老師：林奕成
開課單位：資訊共同

• 心得
  • 這堂課是以實體課及線上預錄影片的方式進行。課堂不點名，但是實體課程沒有錄影，因為這個領域我不太熟悉所以還是有去乖乖上課。
  • 作業的話共有三個，內容從最基本的 object transformation 到 shader 逐步涵蓋，部分要寫 report。
  • Final Project 則是分組進行，要自己去找模型，並利用作業中有使用到的一些方法做一個長度為一分鐘的動畫，並有互評的環節。這部分蠻有趣的，可以看到很有創意的組別，也可以看到想要毀滅大家眼睛的組別，雖然蠻花時間但蠻有趣的。
  • 期中與期末考都可以帶大抄，可以先以歷年的考古先來塞，再補上考古沒提到的重點，考試的時候基本上都在玩抄抄樂。
  • 另外段考會考與作業相關的內容，所以如果有用 AI 寫作業的話要去理解一下生出來的扣到底在做啥，至於與作業相關的考題形式歷年都長差不多，去考古題系統翻一下就好。
  • 不過助教改考卷的方式蠻嚴格的，是以預先寫好的評分方式給分，有寫到他想要的點才會有部分的分數，所以在答案卷上要盡量把公式或細節寫滿比較容易拿到高分。
  • 有一堂課是請講師來演講，內容是 AI 與圖學相關的應用，有去的可以加總成績一分，有這種好事當然要去參與一下。
  • 不主動調分，不過教授在最後有提供兩個 bonus 的作業，提供給差一點分數可以進到下一級距的同學來做。bonus 的作業是作業的延伸，公告說會比較複雜一點，但我沒寫所以不太清楚實際的難度。
• 評分方式
  • HW（11%*2+12%+16%）、Mid（27%）、Final（23%）
  • 調分：two extra bonus assignments（0.5%*2）
  • 平均：84.1
• 成績

  HW1	HW2	HW3	HW4	Mid	Final	Total
  96	99	97	86.5	91	94	A+（94）

機器學習概論

課號：515520
選別：選修
任課老師：林彥宇
開課單位：資訊共同

• 心得
  • 這堂課是英文授課，教授語速與進度蠻慢的，有時候還會英文講完中文再講一次，因為不點名所以不少人都沒去上課。
  • 在第一堂有提到會調至大約 25% 的同學有 A+，最終成績分布是 21% 的同學 A+，37% 的同學拿到 A。
  • 作業共有四個，分別是 linear regression、linear classification、ensemble learning 以及實際去 train 一個 model 來識別是否為 AI 產生的圖。
  • 前三個作業都是以 report 評分，簡報中都有提到配分的方式，作業的話則不會到太難。不過送出前要記得好好檢查，我有個作業少截到一行送分的 lint code 結果被扣了五分，全班就只有我被扣這個。
  • 最後一個作業則是以 kaggle 評分，把 test result 上傳至平台來評分，沒有每日上傳次數限制。不過好像不包含 private 的測資蠻弱的，有好幾個人卷到計分板上出現 accuracy 是 1.0000 的情況，不過最終開版排名則大變動，所以測資還是參考就好。
  • 期末考佔總成績 40%，佔比非常重且沒有考古，還不能帶大抄，只能砸時間下去讀。考試的內容我們是考前六份投影片，總共有大概 400 頁，並還有一堆數學，有夠難啃。
  • 考試內容只能說什麼都考，有考定義、實作方式、比較差異、應用方法等等，真的蠻難準備。考完的感想就是熟讀簡報，不然真的會蠻慘的。
  • 個人認為算是蠻硬的一堂課，不過分數上給的是蠻甜的，並可以在作業中學到一些 ML 相關的知識。
• 評分方式
  • HW（15%*4）、Final（40%）
  • 調分：總成績 * 0.625 + 37.5
  • 平均：84.9
• 成績

  HW1	HW2	HW3	HW4	Final	Total
  100	95	97	98	67	A+（91）

無人機自動飛航與電腦視覺概論

課號：515603
選別：選修
任課老師：陳冠文
開課單位：資工系

• 心得
  • 這堂課的 loading 在期中期末考的時候蠻重的，其餘就還行。分數上則很甜，沒退選的這次每組都至少有 A，也有好幾組拿到 A+。
  • 個人認為這堂課非常有趣，會寫扣去操作無人機讓他到處飛。每組會有一台，如果運氣好拿到比較受控的，整學期將會過得相對順利。不過拿到機王的話助教也會讓你更換，所以不用擔心。
  • 要保護好你的無人機，他是你老大，不要惹他，不然他心情不好可能會讓你的成績乒乒乓乓。
  • 每堂課都會有 lab，有些不需要當下完成。而各個 lab 的內容最終都會在賽道中，例如有堂課是在做 Aruco marker 的辨識，期中賽道就有看到 ID 為多少的 marker 要做什麼動作這樣。
  • 期中考跟期末考都是要讓無人機自動走完整條賽道，計分的方式會是賽道成績加上排名成績。如果沒有完成降落在指定平台上就等於賽道未完成，將會是 0 分，如果中途有手動操控的話也會有扣分；排名成績則是以完成的時間做排名來給分。
  • 考前的練習次數大約有三次，不過在測試時教室會有很多人走來走去，無人機有可能會亂飄，並要排隊輪流測試。另外無人機不能帶出教室，所以都要在現場測試並改扣，不能帶回宿舍慢慢寫。
  • 我們這組在每次考前都有用綠色乖乖好好鎮壓我們的無人機，供參。
  • 如果在段考當下對分數不滿意的，會有其他時間可以補考，不過補考的時間分數就會排在最後。
• 評分方式
  • Lab（40%）、Mid（25%）、Final（35%）
  • 調分：無
  • 平均：90.4
• 成績

  Lab avg	Mid	Final	Total
  100	90	95	A+（96）

編譯器設計概論

課號：515609
選別：選修
任課老師：游逸平
開課單位：資工系

• 心得
  • 是堂硬課，會花不少時間，不過能學到不少東西。修完的感想就是大雜燴什麼都有，像是正規語言、作業系統、計算機組織等教過的內容在這堂課都有提到一些。
  • 不點名，實體上課。不過是早九又沒有錄影，而且教授講的速度蠻快的，很難當下立刻理解，因此出席率不高。
  • 作業會是用 GitHub Classroom 繳交，只要在截止時間前 push 上去即可，非常方便。
  • 總共有五個作業，會定義一個 P 語言，然後會從一開始的 parser 一路做到一個可以真正產生 machine code 的編譯器。
  • 每個作業都需要寫一份 report，會根據報告的完整程度有不同的分數。
  • 有些作業會有 bonus，不過總分超出上限的部分不算進總成績，也就是作業這部分最高只能拿到 50%。
  • 期中期末考都不能帶大抄，所以也是需要好好啃簡報並背下各種計算方法。考古多刷一點會增加記憶以及了解考試的方向，不過免不了什麼都要背起來的部分。
• 評分方式
  • HW（10%*5）、Mid（25%）、Final（25%）
  • 調分：未公布
  • 平均：未公布
• 成績

  HW1	HW2	HW3	HW4	HW5	Mid	Final	Total
  105	116	113	105	116.5	87	82	A+（92）

區塊鏈與智慧合約

課號：539106
選別：選修
任課老師：邱維揚、葉國暉
開課單位：智能系統

• 心得
  • 這堂課是第一次開，教授的英文很流利，很喜歡跟大家互動，課程內容從區塊鏈基礎一路到合約的原理都有提到。
  • 這堂課不是資訊學院開的，所以如果要拿來抵免或認專業選修可能要詢問一下系辦。
  • 上課的方式是前半段會是教授講理論部分，後半段是教授帶大家實作，程式語言使用的是 Java。
  • 原本在上半學期跟下半學期會有 assignment，不過整學期下來只有一個額外的作業，是做區塊鏈的迷因。個人推測是因為教授沒有助教團，因此調整教學及評分的方式。
  • 期中專案是以課堂上有區塊鏈交易範例的 code，加上更多功能並用其他的程式語言重新寫過。我們這組是改成用 python 寫，並加上 json rpc 的功能。
  • 期末專案則是用 solidity 來寫一個 DApp。我們這組是用 cli 的形式，做一個猜數字遊戲，並用 Hardhat 部署到教授的 private chain 上。
  • 教授的 private chain 蠻不穩定的，有時候會連不到，但過一陣子又好了，還會遇到有人一直 mining 導致 difficulty 太高的問題，所以期末專案要儘早寫比較好。
  • 就 loading 來說這堂課蠻輕鬆的，我在期中之後也沒什麼去上課，不過教授在 e3 上公布作業的時間都蠻晚的，而期末專案則是特別跑去上課才知道要做什麼，詢問教授後才有 e3 的作業區與評分標準，還被教授問說為什麼很久看到我 QQ。
• 評分方式
  • Assignments（45%）、Midterm Project（25%）、Final Project（30%）
  • 調分：未公布
  • 平均：未公布
• 成績

  Assignments	Midterm Project	Final Project	Total
  未公布	未公布	未公布	A+

圖靈獎歷史

課號：561086
選別：核心課程
任課老師：林一平
開課單位：通識中心

• 心得
  • 大推，又甜又涼，可惜教授在教完我們退休了，所以可能不會再開了。
  • 上課會點名，不過總共有去簽到十次就好，一次點名各佔總成績一分，也有人點完名就跑走了。
  • 除了演講以外，每堂課都是輪流上台報告，報告主題都是林一平教授自己寫的文章或採訪影片，助教會在學期初幫大家分配。
  • 報告的形式有兩種，一種就是傳統的做簡報上台報告，另一種就是用 AI 生成的影片來報告。其實還蠻酷的，聽說用 AI 生成影片要一段一段生成並剪接，聽起來也蠻麻煩的，不過上台就不用講話了只要播影片就好。
  • 分數也不知道是怎麼評的，不過聽助教說教授人很好，有好好報告簡報美化一下成績都不會太差。
• 評分方式
  • Article Presentations（45%*2）、Course Attendance（10%）
  • 調分：未公布
  • 平均：未公布
• 成績

  Presentation1	Presentation2	Course Attendance	Total
  未公布	未公布	10	A+

體育－網球乙

課號：563068
選別：體育
任課老師：伍啟萌
開課單位：體育室

• 心得
  • 這堂課很注重出席率，印象教授在課堂說明有提到請假的話好像還要去找他說明。
  • 教授會從頭開始教，由握拍開始到正手、反手、發球等，全部教完整個學期也過得差不多了。
  • 上課模式會從熱身練習開始，基本上就是自由練習。再來是教練會教新東西，並讓大家練習與巡視大家給建議。最後則是收球點名，大概會提早 10 分鐘下課。
  • 因為室內場只有三個，因此會很多人共用一個場地，要小心不要被球打到。
  • 期末考試滿分 100 分，是請夥伴放球打正手 10 顆、反手 10 顆，並根據落點有不同的分數。不過大多數的人都不及格，我印象那時候算算也大概只有 50 分左右，但最終成績應該是有調整過的，不用太擔心。
• 評分方式
  • Final（60%）、Class participation（40%）
  • 調分：未公布
  • 平均：未公布
• 成績

  Final	Class participation	Total
  未公布	未公布	A