※ 引述《evil7589 (新生活)》之铭言： : 看到一堆人报考资工，内心觉得这些人到底懂不懂资工在干嘛？以为很简单啊就写程式， 我大一进来就这麽想 : 大家有学过8051吗？记得以前念大学电机修程式语言课程时，老师出个题目，班上能写出 : 程式的就那一两个，其他的全部抄袭，而且这戏码每学期都在发生，写程式这种东西这麽 : 吃天份，跟学音乐或艺术一样。 没学过, 写过比较底层的只有ARM, 但也忘光了 : 当初自己成绩可以填更前段大学资工系，也不敢填，只好念个电机，出来图个工作做， : 念资工出来有想过自己有没有办法独立完成一支了不起的程式，去工作撑得过三个月 : 试用期吗？ : 还是以为公司都有资料库，把程式叫出来像兜系统一样兜一兜就好？ 事实是 现在念资工的人也未必有完成一个专案的能力 程式是让你实现理论的一种方法 但不是绝对 资工最早是由数学衍伸出来的一个分支 主要讨论计算理论 编码论 编译器理论 在那时候大概只有编译器跟写程式有实质关系 其他两科着重在数学证明跟问题解决上 到後来电脑的应用层面发展成熟 诸如计算机组织 作业系统 电脑网路理论等高层面的应用才开始慢慢加入资工课程 回来看目前资工的六科考科 除了网路方面没有考 其他我觉得都有尽可能涵盖到资工应该要有的基本能力 那程式语言不算基本能力吗? 我觉得算 但问题在要考哪个 怎麽考 是要回归原点用 8051 ARM? 还是进阶一点用 pasal? 不然C/C++? 还是最近资料科学很夯 来考点python/R? 有人会觉得可以用online judge来考阿 就像程设竞赛一样 但你知道吗 那种竞赛的题目就是在考演算法跟资料结构的实作阿 与其要花那个时间跟金钱在搞那个考场 不如出张考卷先看看大家有没有common sense比较快 考上了再依各自需要去选想写的语言也不迟 反正不会写也不想写的人就不会找coding很重的可能偏理论的lab 反正如果不会写也能找到相关工作 那干嘛不念 对不起自己? 看到很多人在那边谯说大学不念资工跑来考啥资工所 阿大学念资工所前是不是也要高中有参加过资讯社或比赛过才能念? 人家想转跑道是他的自由 在现今制度下上了就是上了 没妨碍到人也没犯法 那里不行? 然後拿有没有学过什麽语言来问人家有没有资工sense我觉得太武断 毕竟程式语言有上百种 每种语言的写法都有他的哲学存在 而且除了这个还有一堆要学的 程式语言对於每个人 每份工作 都应该会有不同的问题要面对 在念书的应该是你有没有办法找到适合你领域的语言来实现你想作的东西 在工作的应该是你有没有办法写出一份clean code方便大家阅读跟维护 写code是一门学问 但不会是拿来质疑专业的唯一基准 有些人想写code可能是研究需要 或是解决日常小问题 开心就好 有些人想念资工不喜欢写code 因为他喜欢去研究理论 那也没差 平平都是研究 怎麽一到资工不写code就不叫研究 以前人发表演算法都是用数学证明 想拿来用的自己写就好了阿这不算吗? 不知道要讲什麽收尾 讲讲写code这件事好惹 如何写好 code 这问题本来就是大哉问 因为这里面包含了很多问题 像是可读性、效能、算法、语言特性、资料结构、coding style、命名问题、etc 讲都讲不完 要提升的方法有几个 一个是多看别人的code github上那些星数很多的专案一定有他星数多的理由 可能是写法很漂亮 或是点子很出众 一定有他的原因在 不管哪方面都能吸收到东西 还有一个方法是看官方的document 很多library不知道怎麽用 google也找不到 但可能关方给的文件就有题到很多实现方式 不仿先去翻翻看 也可以吸收一下人家都怎麽写参考文件的 许多人写了十几二十年 code 品质跟阅读性还是烂的要命 像我QQ 另外google能力很重要 看起来有点像废话 但事实是很多人不知道怎麽下关键字解决问题 从你在google上debug跟找资料的时候就可以看出很多事实 加上资料更新的速度很快 不可能同一招走完你的职涯 所以与其去讨论会不会写什麽语言 不如多花点时间去看github 程式语言的document 或是online course还比较有帮助 想到什麽就写什麽 觉得文笔不好的话就抱歉惹 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.117.181.31 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/graduate/M.1496729186.A.C0C.html 我觉得这个关系到一个人对於该程式语言语法的理解跟调度能力 还有热情 当年我也是看了无数个夜晚的google跟debug才成功弄出一个可以跑递回的ARM程式 程式逻辑有几种 一种是流程控制 一种是算法思维 前者是实际写code才能体会的痛 後者是可以从书中+code得到的sense Marvin Minsky当初也是提出说可以用数学模型模拟神经元来建造神经网路 但是碍於当时的硬体能力 绝大部分都只能用数学理论证明 Herbert Simon提出了人工智慧模拟人类的推理跟搜索能力 得到图灵奖跟诺贝尔奖 但是也因为硬体能力限制让这领域被冷落很久 现在weak AI发展火热 这些旧有的理论也开始慢慢被拿回来讨论了 ※ 编辑: HEroKuma (140.117.181.31), 06/06/2017 14:33:26 一样那句 看你要开发什麽 没有绝对的 ※ 编辑: HEroKuma (140.117.181.31), 06/06/2017 14:34:58 我大学修过的数学相关课程有基础微积分 离散线代 数值分析 密码学 基本上我觉得在某些程度上都有一定的关联性存在 所以念起来不会很突兀 以考试有的两科来讲 离散跟演算法还有资结有一定程度的关系 所以必念 线代在机器学习的模型学习上很重要 或是讯号处理也会用到 如果结合工程数学领域要解决的问题就是必修 所以我觉得基础线代也有学的必要 ※ 编辑: HEroKuma (140.117.181.31), 06/06/2017 17:35:12