日子還過的挺快的,想不到前段日子每天都在苦苦掙扎,而如今回頭看看菸酒人生也過一大半了xD 算一算課也修的差不多了,下學期再修一門課、碩論寫一寫就準備可以畢業了 :") 每到學期末或選課前都會有同學跑來問我說哪一門課哪個老師上的怎樣、大概在教什麼、怎麼評分,作業要做什麼之類的問題,於是想說既然如此,那乾脆寫一篇丟在這邊給大家參考好了! Jason 碩一的時候共修了八門課,分別為: 107-1 - 影像處理、雲端計算與網路、資料結構與系統程式、圖形識別 107-2 - 物聯網應用與資料分析、計算機網路、高等人工智慧、深度學習
如果從成績面來看的話,那 Jason 應該算有認真修課吧 ? 希望在這邊分享的東西,還是有一點參考價值啦~
課程名稱:數位影像處理 Digital Image Processing
授課教授:吳俊霖 教授 修課時間:107學年度 第一學期 修課人數:25 人 修課及格比:88% 修課心得: DIP 這門課算是我在碩一上學期修的四門課裡收穫最多的一門課。 不過可能因為我本身對 CV 領域的東西就比較感興趣,加上吳老師是我的指導教授,所以不知道這樣給出的意見夠不夠客觀啦,但還是分享給大家參考一下。老師上課蠻有趣的,常常會打嘴砲吹捧自己或者講一些543的,上課的氛圍算是蠻輕鬆的。課程的內容雖然會有一些數學,但是他盡量不會跟你講太複雜的數學,而是會把其數學公式背後的真實意義告訴你,讓你了解這邊是為什麼要這樣做,化繁為簡。我認為要通過這一門課應該是不會太困難,當初他採取的給分方式 : 五次作業(50%)、分組報告(20%)、期末考(30%)。 作業的部分:他在上課的時候就會先跟你講這是作業,然後再開始教它整個的演算法流程,一步一步跟你講說它是怎麼執行會怎麼跑。講的非常清楚,基本上聽完就會做了!就算一開始沒聽懂也沒關係,可以提問,老師很喜歡跟學生互動。或者網路上相關的Resource 非常容易找,而且他沒有限制你實作的工具,可以選擇你比較擅長的工具/語言來寫。五次作業題目:
( 平均來看,每個作業的 deadline 大概都是三週。) 分組報告的部分:基本上就是自己想一個跟 CV 領域相關,有趣的題目來做。 就有點像以前唸大學做畢業專題那樣吧!想一個有趣的題目 > 實作出來 > 製作成文件 > 上台報告 & Demo 不過也不用太擔心啦~ 老師人蠻好的!依據我的觀察,只要你期末前能弄個東西出來上台報告的話,不管多爛都會給70+ 的分數。 期末考的部分:要準備應該是蠻容易的!基本上老師在上課的時候,就預告說他現在要教的這個東西期末會不會考。真的在期末考的時候,除了第一大題裡面的幾個名詞解釋,雖然上課的時候有教但沒特別說要考。就算把那一大題都扣掉,應該還是很容易可以拿到80+ 的分數。
課程名稱:雲端運算與網路 Cloud Computing and Networking
授課教授:曾學文 教授 修課時間:107學年度 第一學期 修課人數:10 人 修課及格比:70% 修課心得: 曾老師算是對學生比較有要求的老師,希望從中興畢業出去的學生是俱備一定 Quality 的 ( 大概也是因為這樣,他就成了學生口中的大刀老師。) 他能接受每個人的初始條件不同,一定有一些能力比較強跟能力比較弱的地方,他覺得你能力不好沒關係,但至少要認真。或者說想要混也可以,但至少也要懂得什麼叫做混亦有道! 這門課我個人修起來比較痛苦一點,主要是因為我個人英文能力很差。課程投影片(ppt) 基本上是全英文的,雖然上課的時候老師口述說的是中文,但是你在準備考試的時候還是需要看投影片。雖然課程的內容不難( 主要就是在跟你講,應用在不同的地方它們的網路架構要怎麼建,跟一些經典的路由演算法。) 但就是要看很多的英文,包含之後讀雲端相關的 Paper 時候也是。 這門課給分的方式採:兩次作業(30%)、期中考(20%)、論文報告(30%)、期末考(20%)。 作業的部分:基本上不難,應該是我修過的課裡面最簡單的!
論文報告的部分:老師會提供一個pool 讓妳們從裡面挑一篇跟雲端網路相關的論文來報。這部分對我來說還蠻虐心的,在看paper、準備報告的那幾個禮拜我每天都在懷疑人生。但是我看其他同學在準備這個部分的時候一個輕鬆自在,所以這部分難不難可能還是見仁見智吧。不過我從最終老師給的分數來看,其實不管你在台上報的怎樣 ( 像 Jason 當初就被老師電爆 Q_Q ),老師幾乎都還是會給你80+ 的分數。 期中考&期末考的部分:我認為要這部分要準備真的不容易,可能是我能力不足 ( 英文 ) 或資質愚鈍吧。 考題的部分都是考一些名詞解釋跟一些論述。但是!就是這個 BUT 讓整個人生都不同,這學期考試的時候老師有發放福利 ( 我不知道過去有沒有,也不知道未來會不會有,只是針對當時的狀況來說。 ),在考卷發下來他講完每一題是什麼以後,他開放10分鐘讓你Open Book 找答案。就是這10分鐘!就足夠讓你從地獄爬回天堂了xD 用 Jason 自己當時考試的狀況為例好了,考卷發下來看一看以後本來自己會的題目可能不到20-30分,但靠那開書的 10分鐘幾乎就能把答案給抄滿了。( 非常建議帶筆電去,用 Ctrl + F 找答案真的太神~ ) 另外我個人抄東西的速度是不快啦,而且因為我英文不好,所以每個單字我都會完整的把它抄完。 老師最後還幫大家總分調了10分,所以我覺得只要肯認真上課,這門課要拿個 Pass 應該也不會太困難。
課程名稱:資料結構與系統程式 Data Structure and System Programming
授課教授:曾學文、蔡崇煒 教授 修課時間:107學年度 第一學期 修課人數:27 人 修課及格比:85% 修課心得: 這門課就是我在【經驗分享】中興大學資工系 碩士在職專班:找指導教授 那篇裡面提到的,算是研究所的先修課程,如果你在大學期間修過「資料結構」與「系統程式」這兩門課的話可以抵修,但是如果你沒有修過又或者少修了其中一門課的話,那就一定要修這門課 ( 不然會沒辦法畢業 )。這門課會分成兩個部分,期中考之前會由曾老師負責教「資料結構」;期中考之後由蔡崇煒老師負責教「系統程式」;配分的部分兩位老師各佔50%。 老實講「資料結構」不會是一門太難的課,對資工人來說它很基礎、也很重要!一般大學資工系在課程的安排上來說,通常會被安排在大一的下學期,大一的上學期可能會先用 C 或 Java 教一些基本的程式設計。會這麼安排就是因為,如果你已經先會寫程式,那麼再回頭學資料結構的時候可以事半功倍,會很容易理解為什麼要有這樣一個資料結構、為什麼它會被設計出來、它會被用在哪邊,甚至可能有一支程式你以前花很多精力在寫,但架構及效能各方面其實都不太好,但你把它改用資料結構裡面的某個東西來實作,一整個豁然開朗、相見恨晚。 想了解更多關於「程式設計」、「演算法」、「資料結構」彼此的關係,可以參考 Jason 以前寫的這一篇: 【演算法】入門介紹-什麼是演算法 What's Algorithm? 不過我個人是覺得系上的這門課開的沒意沒思,因為今天如果你是非本科生,跑來唸興大資工碩專班,也預計畢業以後想轉職到電資相關領域,想學 Coding、想學資料結構、想學演算法,我們先不討論這三門課本來就三位一體的要綁在一起教效果比較好。既然系上都選擇要挑「資料結構」來教,為什麼只教半套? 然後用另一半的時間教「系統程式」? 導致資料結構到期中考結束時只教了半本 ( 大概教到樹狀結構 ),可是後半本的內容是在實務面上極為有用的!而系統程式的部分也因為只有半學期能上,也是不太能教出個所以然來。 抱怨完了,還是來寫點你們比較感興趣的內容好了。 曾老師出了兩次作業(20%)、一次小考(10%)、一次期中考(20%)。
蔡老師出了一次作業,跟一個期末專案。
課程名稱:圖形識別 Pattern Recognition
授課教授:喻石生 教授 修課時間:107學年度 第一學期 修課人數:33 人 修課及格比:100% 修課心得: 這門課的修課體驗真的是蠻特別的!它是在一個演講廳上課 ( 剛好就是 Jason 當初來面試的那一間教室 ),修課的人數蠻多的,然後老師在第一堂課就直接講明了,他這堂課不會考試、不會出作業、不用交報告也不會當人。 Jason 在聽完老師講完這些的當下,心裡面的第一個想法就是 What the xxxx ?! 這個老師也太妙了吧... 不過不得不說,剛進來的時候能修到這門課真的是蠻好的,畢竟碩一新鮮人對在職進修這件事也沒那麼了解,就很傻很天真的選滿四堂課來上了。媽呀~ 真d累 T^T 累到每天下課回家以後啥也沒幹,就癱在沙發上懷疑人生,懷疑自己是造了什麼孽,讓自己當初會做出這樣的選擇... 哎呀~ 想不到日子一天渡過一天,也學期末了,也活下來了 :") 所以說,能選到像這樣子比較輕鬆的課也是挺好的,挺好的。 不過老實講 PR 這門課在資工系裡面算比較進階的一門課,如果對於搞:聲音辨識、影像辨識、知識發掘、資料探勘、人工智慧 ( 機器學習、深度學習 ) 這方面東西有興趣的話,是可以多花一些 effort 來聽 PR 這一門課。不過由於喻老師是應數系出身的老師,所以你會發現他在教這一門課的時候,也真的教的很數學,我看很多同學想認真聽他上課,不過聽著聽著就倒了 >"< 最後這堂課評分的標準,應該是依據在課程中有的時候會發一份試卷給大家練習。 類似點名的作用,點加分的!然後那個練習試卷有寫對的話再多加一點這樣吧~
課程名稱:物聯網應用與資料分析 Internet of Things Application and Data Analysis
授課教授:陳煥 教授 修課時間:107學年度 第二學期 修課人數:27 人 修課及格比:100% 修課心得: 陳煥老師在上課的時候是一個非常有教學熱情的老師,常常可以自己上課上一上、講一講,講得自己很 High 這樣。然後在授課的過程中,他基本上就是把你當作什麼都不會在教!而這樣對於那些真的什麼都不會的同學來說是相當有幫助的;但對於這東西本來就比較熟悉的同學來說,就有一點在拖台錢了,不過整體來說還是相當不錯的!像 Jason 這種寫韌體的資工人,對於物聯網這東西可以說是蠻熟悉的 ( 畢竟是現在整個產業的大方向 ),但在上完陳煥老師的這門課後,仍然是有蠻多的收穫。 這一門課很實作,給分的標準是依據:六次作業( 原定七次,但最後怕我們會做不完少出了一次 ) 70% 以及一個期末專案 Final Project 30%。不需要考試! 作業的部分: 如果有看過 Jason 之前寫的【物聯網】入門介紹-什麼是物聯網 What's IoT? 這篇文章的話,大概可以有個概念就是 => 物聯網的東西可說是包山包海啊!而陳煥老師出的作業也是如此,包山包海:
而且最後也可以看到,老師&助教 給的成績真d佛的,所以也不用太擔心。
期末專案的部分:
基本上這部分也就是會在學期初先做分組( 2-3人),然後在作業3 的時候會先要求你去找一些物聯網的應用案例,你們覺得有趣的,先 Study 一下,然後提一個自己的 Proposal ( 要上台報,大概期中考週過後。) 並在學期末前將你們的提案給實作出來、上台展示成果。算是蠻有趣的啦~ 有的人做了一台影像自走車、有的做了一套洗衣追蹤系統、智慧存錢筒、智慧園藝、工具機監控之類等等的。 Jason 的話做的是:智慧城市-智慧路燈,如果有機會的話,之後再寫一篇跟大家分享我做的東西好了。
課程名稱:計算機網路 Computer Networks
授課教授:王丕中 教授 修課時間:107學年度 第二學期 修課人數:24 人 修課及格比:100% 修課心得: 計算機網路這一門課在資工領域來說算是蠻基礎的一門課!一般資工系在大學部就會開不少跟電腦網路相關的課程,畢竟從資工系畢業以後有蠻多人都會去搞跟電腦網路相關的東西,甚至別說大學了,Jason 以前在念高職的時候學校就有在教電腦網路了!等到 Jason 畢業幾年之後,科裡面甚至開始培訓一些資網的選手群讓他們去參加一些相關的比賽。 然後個人覺得,王丕中老師這一門課教的非常精實!從課程講述的過程與備課的熟悉度來看,你就能感受到他在這一方面真的是非常的專業,之前好像還有聽同學說過老師是中華電信的網路顧問。 這堂課給分的方式為:Wireshark Lab( 7次) 30%、期中考 35%、期末考 35%。 Wireshark Lab 的部分: 不像其他門課都是出作業讓你回家做,王老師的 Wireshark Lab 是讓你在課堂上做的!真的是蠻佛的,讓你不用把這堂課的 Loading 帶回家中,而且在課堂中做的另一個好處就是 : 如果你有任何不明白、不懂的,可以馬上問助教 or 身邊的同學不用怕做出來,再不然那些題目其實也是國外某大學專門設計用來教電腦網路的題目,算蠻廣為流傳的,很多人都做過了!你在網路上也都找的到答案 ( 直接整份正確解答 )。 英文版解答 : 直接 google search 「Wireshark Lab: xxx Solution」 中文版解答 : 可以參考「宅學習」: https://sls.weco.net/node/28877 期中考的部分: 我認為還算好準備,只要你能跟修過這門課的學長姐們拿到神奇的歷屆考題 xD 期中考十題,當中有八題是跟那份歷屆考題有重複的! 期末考的部分: 這部分就沒有歷屆考題可以參考了~ ( maybe 也是有吧,只是 Jason 要不到 Q_Q ) 然後考的真d 難,我看一堆同學看到考卷就傻眼了吧... 難的點不是有什麼理論艱深難懂 ( 實際上這門課的內容在資工領域算是很好學的了 ),而是範圍真的太廣了不好準備,加上大部分都是需要靠記的、靠背的東西,除非你本身就是在做網路相關的工作啦。
課程名稱:高等人工智慧 Advanced Artificial Intelligence
授課教授:游家牧 教授 修課時間:107學年度 第二學期 修課人數:8 人 修課及格比:100% 修課心得: 其實這一門課,原本是要由蔡崇煒老師來開的。但是就像我在上面「資料結構與系統程式」那段提到的一樣,因為蔡老師離開中興改回去高雄老家去中山任教了,所以這門課在正式選課前一週也臨陣換將改由游家牧老師來教,導致我覺得給游老師備課的時間有點不足。 游老師有個外號叫做資安鬼見愁,為什麼有這個外號原因就留給你們去想像了xD tips: 107年上學期的時候,資安那門課都沒什麼人選,直接開不成。 and then 這件事也差點發生在這門 AI 課上,一開始還蠻多人預選的,然後開學第一週結束後幾乎人都退光了!我記得開課的最低人數是 9人 , 退到只剩 5人還6人。當大家都以為開不成的時候,系主任就跳出來說不管幾個人選這門課都會開!最後這門課就有開成了,算上後來加選的總共 8個人修課。 雖然叫鬼見愁,但我也不知道為什麼他 AI 會上的這麼佛,最後到了學期末他一個人都沒當! 連一個非本科系來修教育學程的同學跟另外兩個從期中考以後幾乎就沒有出現過的學長,最後也都 Pass 了,要我說的話,真的蠻不可思議的。 游老師給分的依據應該是:一次作業、期中考、期末考,比例怎麼給的不知道。 作業的部分: 本來他是打算出三個作業,後來因為時間的緣故就只出了一個。 這部分還蠻簡單的,就是要用 CNN 來破解年代售票系統的 Captcha,乍聽之下這東西聽起來好像很玄幻,但其實你可以在 Github 上找到一個別人用CNN 來破解台鐵售票系統 Captcha 的專案。你把專案 Clone 下來之後,看一看、理解一下,然後修改部分的程式碼,接著再用你標好的 dataset 來 train model 就好。 期中考、期末考: 游老師出的期中考跟期末考題真d 佛,完全沒有要刁難學生的意思,大概是那種如果你寫不出來,你會跪下來求老師當你的那種等級,不過好像也拿不到多高分,Jason 唸到科目排名第一,老師 Final Score 也才給88而已。 不過這門課之後將改由陳煥老師來教了!原因大概是因為蔡崇煒老師走後,原本蔡老師底下的研究生就變成由他跟陳煥老師兩人共同指導,而當初會找蔡老師的那些研究生幾乎也都是對 AI 有興趣想研究 AI 方面的東西,所以陳煥老師也就把這門課接過來開,也比較方便他去指導那些研究生吧! BTW 陳煥老師之後要教的方向會跟現在游老師教的很不一樣,之前有聽陳煥老師提了一下,他大概是會教:基因演算法、爬山、退火、粒子群最佳化那類的東西,就一些優化演算法的東西。
課程名稱:深度學習與應用 Deep Learning and It's Application
授課教授:廖宜恩 教授 修課時間:107學年度 第二學期 修課人數:33 人 修課及格比:100% 修課心得: 廖老師跟喻老師一樣以前都是應數系的教授,教學的套路很像,都講得很數學。老實講 Jason 對 AI 領域的東西也算是頗有興趣的,也預計下一份工作要轉去做跟 AI 相關的領域上,所以應該能想像我真的還蠻認真聽課的,但是廖老師的那種授課方式真的讓我有點吸收不了,他很認真的講;我也很認真聽;然後我聽著他講著講著,我就斷片了 Orz 但不得不說他還是一位很認真的老師啦~ 而且感覺得出來他很想幫學生,也準備了很多好的資源跟教材可以讓我們回去自學。 然後給分的方式是依據 : 四次作業(20%)、期中考(30%)、期末專案(50%)。 作業的部分: 不難,甚至不需要寫程式,但就是要花一點時間。 第一個作業他會給你一篇科技新聞,然後要你從新聞裡面提到的公司中挑一間,去研究他們是怎麼應用 ML/DL 的東西來解決他們實際遇到的問題,還有用了哪些技術等等的,最後寫一篇心得交上去。 第二個 & 第四個作業是要你去找一篇最近發表的,跟深度學習相關的論文來看,並寫一篇心得。 第三個作業是要你去上 Google Machine Learning 的線上課程 ( 這門線上課程真的教的蠻不錯的,有興趣的可以去上上看。) 在上完全部課程之後,寫一篇心得。 期中考的部分: 我覺得超難!基本上就在是考一些數學的東西,微積分怎麼算、某個活化函數微分以後會長怎樣、還有考 Jacobian matrix 那些有的沒的。( 這部分我大概沒有辦法給出任何具有參考價值的建議 ) 就成績來看,最高分95;最低分4分;平均31.5分,雖然期中考大家普遍都考不好,但最後老師還是都給過了。 期末專案的部分: 這是一個分組報告( 2-3人),基本上就是把你在作業二、四 讀的那篇論文給實作出來,然後上台報告。我看有個碩三的學長做的、報的東西真的很精采,當然也有些碩一、碩二的同學、學長做的東西就.. 真的還好,甚至有些人做的還挺糟糕的,但是老師人真的很好,也沒太苛刻還是為難他們怎樣的,基本上他可能是希望你真的有自己動手實作一些 Deep Learning 的東西就可以了吧。 【2020/01/20 更新】
課程名稱:高等資料挖掘與巨量資料分析 Advanced Data Mining and Big Data Analysis
授課教授:范耀中 教授 修課時間:108學年度 第一學期 修課人數:23 人 修課及格比:100% 修課心得: Jason 這個學習把在興大的最後一堂課給修完了!然後突然想到之前有寫過這篇分享修課心得的文章,想說做事情不要虎頭蛇尾,還是來把最後一堂課的修課心得給補上xD 我個人認為范老師算是興大裡面蠻好的一位老師,課算教的蠻好的,一些分類器的原理也講得很仔細,只可惜碩一沒修到他的課 ( 我認為這門課排在碩一修會比較好! ),如果真的要挑什麼缺點的話,大概就上課不太準時吧!開剛學老師就說他比較忙,還要接送小孩,6:20 來上課他不太 ok 這樣,就跟我們把課程時間喬到 7:00,不過老師也從來沒有準時 7:00 出現在教室準備上課過的,通常都會慢一點。 另外,老師在講課之餘還會跟你分享一些做為一個研究生需要知道的東西,例如之後口試的過程大概是怎樣的、什麼樣的 paper 是一篇好 paper 什麼是垃圾、論文可以朝哪幾類方向去寫之類的。不過我也不確定是剛好有同學問所以他講,還是他本來就會講xD 最後給分的依據是:一次作業(5%)、論文報告(25%)、期中 QA 機器人(30%)、期末 PM2.5 考試(30%) 作業的部分: 課程剛開始的時候就有預告說預計會出一到二個作業,到學期結束時只出了一個作業。這個作業主要是讓你練習Spark 的東西,老師會給你一份 2015年全國 PM2.5 的觀測資料,然後:
論文報告的部分: 這部分是以小組(2-3人)為單位進行,並以 Data Science for Social Good 相關的題目找一篇 Paper 來讀,並允許從這些地方找:D4SG、KDD、ICDM、AAAI,最後準備 PPT 跟時長約20 分鐘的口頭報告。 期中 QA 機器人的部分: 老師會以維基百科的內容為主,出100題選擇題(有A、B、C)三個選項,以JSON格式提供給你,你要寫一個機器人程式來回答,再將你的答案以特定格式輸出提交到老師的網站上,總共有5分鐘的時間,最多可提交5次,機器人達對幾題你就幾分,一樣是以小組為單位。 期末 PM2.5 的部分: 這個部分要自行到氣象局的網站 download dataset,然後自己再把資料洗一洗、前處理一下,拿去 train 一個 machine learning 的 model 來作預測,老師會給你要預測時間點之前該測站該年度的全部資料,然後你的 model 就是預測下一個小時會不會紫爆,由於時間、日期、地點全部都會給你,所以禁止使用查表的方法,一定要使用模型來進行預測,但是如果你的模型 overfitting 了,自己學會查表那就不在此限。 我當初是覺得老師這題目出的很有問題啦~ 蠻奇怪的,一般應該不會這樣搞,但.. 就算了,誰叫他是老師xD 跟期中考一樣100題、提交到網站上,你的 model 答對幾題你就幾分,也一樣是以小組為單位。 其實老師本來還有打算要考個期末考的(筆試),但是後來由於時間的關係就沒考了。 【懶人包】
缺先修課程 ==> 資料結構與系統程式
想輕鬆修課 ==> 圖型識別、計算機網路 不喜歡考試 ==> 物聯網應用與資料分析 喜歡聽數學 ==> 深度學習與應用、圖型識別 聽老師喇賽 ==> 數位影像處理、物聯網應用與資料分析 所以在 Jason 目前修過課的八位教授裡,只有曾教授跟吳教授的課有人被當掉。 另外提醒一點,就是學費的部分,每學期會有一個學雜費大約1萬3千多,差不多開學的時候就要繳了,然後興大資工碩專班的學分費 1學分是 5000 元,然後這部分是等課上超過 1/3 還 1/2 以後才要繳。所以如果你像 Jason 這樣一上選了 12學分來修你總共就要繳 73xxx 的學費;一下再選 12學分,一樣就 73xxx,這樣一年下來就繳了快 15萬的學費了!我知道每個人的經濟狀況可能不太一樣,或者每週能支配到學校學習的時間有限等等,可以考慮一下自己的狀況再決定怎麼修課唷!
27 評論
Ken
12/9/2019 14:17:11
108級碩專班學弟路過拜讀 ...
回覆
YF
1/14/2020 00:26:27
我是應數系的學生想修資工系相關的課
回覆
Avery
3/5/2020 19:10:53
請問一下游老師上課的方式如何?~謝謝!
回覆
Jason Chen
3/5/2020 20:54:33
Hi Avery,
回覆
Avery
3/10/2020 23:37:51
非常謝謝你那麼用心的回覆!!
Louis Yang
3/29/2020 17:08:59
請問可否跟您詢問資料結構與程式設計二位老師的作業跟考試的資料嗎?
回覆
Jason Chen
3/30/2020 10:40:36
Hi Louis Yang,
回覆
Louis Yang
4/1/2020 20:30:25
你好,感謝回覆有找到考古題參考,目前剩下作業這個難題...
Laurence
10/27/2020 13:58:22
大大你好!我是109年的學弟....
回覆
Jason Chen
11/2/2020 17:17:21
Hi 學弟,
回覆
Laurence
11/18/2020 08:51:21
感謝用心回覆!!
Joan
12/7/2020 10:45:11
您好,請問備審資料準備重點?以及口試都問些什麼內容可以分享一下您的經驗嗎?謝謝
回覆
Jason Chen
12/7/2020 15:32:20
Hi Joan,
回覆
hsuan
8/25/2021 15:03:02
學長您好,我是您110學年度的學妹,
回覆
Jason Chen
8/28/2021 02:12:56
Hi hsuan,
回覆
Jason Chen
8/28/2021 02:21:24
第一次注意到這個 "回覆" 還有字數限制,搞得有點煩 ~"~
Hebe
2/23/2022 12:47:19
學長好:
回覆
Jason Chen
2/23/2022 17:26:09
Hi Hebe,
回覆
Hebe
2/23/2022 19:06:49
謝謝學長,請問這是期中考考題?是否有期末考的歷年考題呢?
Jason Chen
2/23/2022 20:03:52
可以參考本文描述的內容。
Hebe
2/25/2022 15:05:50
明白,謝謝學長
Hugo
4/3/2022 20:17:15
意外發現Jason大一學期竟然修了4門課,小弟不材,還在猶豫3門課會不會負擔太重。
回覆
Sylvia
10/2/2022 22:44:42
您好 Jason
回覆
Jason Chen
10/3/2022 19:11:20
Hi Sylvia,
回覆
Sylvia
10/3/2022 19:16:26
Hi Jason您好
sonar
11/20/2023 16:34:43
學長你好,我今年打算報名中興資工在職
回覆
Jason Chen
11/20/2023 16:56:44
Hi sonar,
回覆
發表回覆。 |
Jason Chen人不光是生來就擁有一切,而是靠他從學習中得到的一切來造就自己。- 歌德 文章分類
全部
封存檔
九月 2023
|