選擇 TKB 的理由
講到資工所考試，就不能不想到TKB，每年各大學資工所榜單幾乎都是TKB學生，
尤其是對於跨考生來說，找到短時間內學習資源最多的補習班是最佳解，
而TKB提供的數位學堂對於自制力不好的我來說是非常好的選項，可以讓我自由安排上課時間，
又可以針對自己的進度去選擇要上的範圍。
負責人也相當盡責，當我有問題詢問時都很快速地回覆並幫我處理，
針對課程老師選擇上，不同老師的上課風格等也介紹的十分清楚。
清大資工考試準備方法/時間安排
資工所考科準備
這一科就像堆積木，基底沒打好，上面的東西自然不穩固，需要前面章節的觀念都熟悉，
後面的東西才比較好吸收，這也是為什麼線代課程要一次看完，
暑假開始複習線代筆記，寫藍本後面的題目，遇到不會的再回去看影片。
顧名思義很離散，各個章節間關聯度低，這邊建議一章一章分開處理，
可以一章上完先寫後面藍本的題目，再去看下一章，
不同章節考試出現的頻率也不同，可以針對目標學校常考的部分加強。
大致上的內容都是以背科為主，跟著正課進度走，基本上沒有什麼問題，
每章上完後統整筆記及寫題目，各章概念都要釐清，
有些學校可能會考實際例子，但那種就是遇到一題記一題。
準備起來難度最高的一科，應該是完全沒接觸的領域，
上完補習班正課可以大致清楚這科到底在學什麼，
此外這科還有其他補充影片要看，可以針對目標學校去挑選。
資料結構的話跟著正課進度走，基本上沒有什麼問題，每章上完後統整筆記及寫題目。
各個資料結構的定義、實作及應用面都需要熟記，有時間的話建議多看看程式碼，
雖然大部分考試如果要手寫都是以pseudo code為主，
但個人認為熟悉trace code對考試有很大幫助，pseudo code部分則是需要多手寫練習手感。
著名的演算法問題需熟悉！
ex: divide and conquer中的快速乘法、矩陣相乘，dp中的背包問題、OBST、最少矩陣乘法成本等，
greedy中的activity selection問題等的操作，近幾年都會出現的NP相關問題，
再進階的話可以去了解如何證NP-complete的架構，以及包裝後的演算法問題(情境不同，但解法一樣的)。
心路歷程
本身是資管系，覺得資管的課程學得太廣，沒有特別專精的部分，因此才想跨考資工所，
報名的時候是10月，但因為都沒有下定決心，因此4月才開始認真準備，
對於跨考來說，資工所的考試科目大部分都是沒有接觸過的，因此在準備上要花更多時間。
當時我認為跨考生和本科生想比一定完全比不過，但實際去上過學校資工系的課之後，
發現在考試範圍上，是不是本科生的差距沒有我想像的那麼大，
因為考試的範圍絕對不是學校能夠在一學期內上的完的，
決定你上榜的關鍵在於是否有決心和毅力撐過長達半年到一年的考試準備期。
大碩資工所師資推薦：
感謝林緯老師在數學上的指導，不論是線性代數或是離散數學，各個觀念都解釋的非常清楚，
針對不同的題型不同的解法也講解的非常詳細，讓我即使大學沒有接觸這兩門課也能輕鬆上手。
感謝洪逸老師在資料結構及作業系統的細心教學，因為是上面授課，
所以每堂課都會跟著老師手抄所有上課筆記，可以說是上課手完全沒停下來過，
剛開始不習慣的時候還會有手痠的情況發生，
但也是因為老師將各個概念用淺顯易懂的方式統整下來，才能讓我在短時間內吸收。
感謝張凡老師在計算機組織上的教導，計算機組織本來是一門對跨考生來說難度很高的課程，
但在老師的講解下變成了一門有趣的科目，老師上課的ppt將每個過程一步步呈現，大大降低學習的成本，
還有雲端影片的部分，將上課來不急講完的部分特別另外講解，
雖然全部看完要花很多時間，但那些也是不能忽略的部分。
感謝林立宇老師在演算法上的教學，雖然演算法這門課是一門玄學，
但只要跟著老師的腳步，基本的題型都大致能掌握。
大資工所課程推薦
| 課名 | 師資 | 試聽 |
|---|---|---|
|
資工所
|
TKB師資
|
|
|
線性代數
|
林緯老師
|
|
|
離散數學
|
林緯老師
|
|
|
計算機組織與結構
|
張凡
|
|
|
作業系統
|
洪逸
|
|
|
資料結構
|
洪逸老師
|
|
|
演算法
|
林立宇老師
|
|
如果你在 TKB 的課程列表中，找不到你想試聽的課程，請不要擔心。
你可以利用下方的表單，告訴我們你的需求和想試聽的課程。
我們將會根據你的回饋，提供最適合你的課程資訊，或是為你安排試聽的機會。
請記住，我們的目標是協助你獲得最佳的學習體驗，因此，你的需求和意見對我們來說非常重要。
無論你的問題或需求為何，我們都會盡全力來協助你。
推薦閱讀
