19歲一張機票一個人，
飛往2萬里外的土地 –加拿大，
內心忐忑第一次來到陌生環境，
不善英文的我唯唯諾諾不敢開口，
害怕說錯被嘲笑尷尬，
一切都只是嚇自己。
感謝高中同學讓我認識房東阿姨，
謝謝阿姨開車帶我出去玩照顧我，
也謝謝Bryan跟Chanting的照顧，
是不會忘記的朋友，
這兩個禮拜短是短了點但充滿了快樂，
被漂亮的風景給震驚、被國外的文化給吸引，
加拿大是個舒適的環境，
在這裡發現以往的拘束都不復存在，
是自由的只要敢開口就絕對聊的起來，
-22度的天人性卻是溫暖的，
說出來你可能不信那裡治安也超級好，
進到店裡面或是早上看到誰，
永遠都會得到對方熱情的問候，
是開心的也把內向不敢說話的個性給解除了！

C++導論

我們為何要學C++

C++是目前最快的程式語言（高階語言）
在硬體與軟體中都有強大的地位

基本框架

1
2
3
4
5
6
7
8

#include<iostream> // 匯入基本輸入輸出的函式庫
using namespace std; // 如果找不到一率從std找
int main()// 程式進入點
{
    // 程式主要區塊
    cout << "Hello C++" << "\n";
    return 0;
}

電腦硬體的組成

高階語言中階語言機器語言

程式儲存在哪裡

一個int 幾個bit ?

攥寫你的第一個程式碼

編譯器與直譯器

程式要幹嘛，自己講

• 不要覺得應該會這樣跑預測
• 模擬兩可的寫法

ZeroJudge

Judge的原理

程式

程式 = 設計＋語法

資料型別

簡單的加減乘除取餘數

int unsigned long long long ?

變數

變數只是容器

體感技術（Human Motion Sensing）

作者：陳閔駿

什麼是「體感」？

體感指的是：
人類的身體動作（例如：站立、舉手、蹲下）被科技設備（如攝影機、感測器）感知，
並轉換成電腦可以理解的資訊。

這些動作在技術上稱為「姿勢（Posture）」或「行為（Action）」，
透過影像辨識與數學模型（如 AI、骨架追蹤）來進行分析。

體感技術的應用流程：

Detect -> Track -> Analyze

1. Detect（偵測）
   • 使用攝影機或感測器抓取人的影像或深度資料
2. Track（追蹤）
   • 追蹤人體關鍵點（例如：頭、手、腳的位置）
3. Analyze（分析）
   • 分析動作是否為跌倒、跑步、揮手、下蹲等行為

為什麼 AI「閃閃發光」？

因為 AI 正在深入人類生活的每個面向：

• 食衣住行（Living）：自動購物推薦、智慧穿戴、智慧家居
• 健康（Health）：姿勢偵測、異常行為預測（如跌倒）
• 人際關係（Social）：情緒辨識、語音互動
• 幸福感（Happiness）：個人化互動、智慧娛樂
• 安全感（Security）：行為辨識、防災預警、入侵偵測

目前的AI已經看得懂大部分的東西
相比之下幾年前的AI還是看不懂的
我們學的體感，就是物件辨識的一個分支

辨識 vs 生成

辨識：辨識是處於AI只會看資料，不會出現新的東西
生成：ＡＩ已經不只會看東西了，AI可以透過收集的資料去生成作文等等

多模態視覺模型

人工智慧在各領域的突破

1. 程式設計師copilot等等可以做到與AI當開發隊友

   但可能會有一些版權問題需要小心
   或是可能有些已經過時了

2. Deep Fake 深偽學習（常見AI換臉）

   • 文宣產業

     例如用Deep Fake要川普跟我們說生日快了

3. AI是不是超過大學生了

   • OpenAI’s work可以幫我們完成許多的作業
   • 可以幫我們計算偏導數

4. 智慧醫療

   醫生每天都在幫病人看醫生看病例
   有位聰明的醫生把1000份病例整理紀錄成表格
   
   發現只要把紅色的線畫出來，就可以知道是A形還是B形有病還是沒病
   這是經典的機器學習，透過資料去分割出是A形還是B形

關鍵策略：資料

• 數位化（病例、數據）
• 取得（足夠的）巨量資料
• 取得合適的特徵向量
• 好的分類器

需注意ML並沒有比較簡單，許多資料都是高維度
10維度、20維、50維都有

精準運動

經典案例：棒球、高爾夫球
搜集出來的視覺化資料又可以已2D或3D去做顯示
3D要求比較大
需要較高級的攝影機需要深度攝影機

視覺化應用

• Action prediction（動作預測）
• Surveillance（監控系統）

  科技執法
  分析十字路口車流
  分析車輛品牌分類
  AI考試、面談

• Cloth Parsing（服裝辨識）虛擬試衣
• Online Coathing（線上教練）
• Movie and Game （電影與遊戲）
• VR and VR （虛擬實境與擴增實境）
• Healthcare （健康照護）

  UPDRS量表自動評估系統（帕金森氏判斷）

AI視覺並不只適用於人類也包擴互動

資工人的思維模式

• 運算思維
• 數據思維

總結

AI之所以發展這麼快是因為AI不在如之前一般遙不可及

的感覺而是慢慢融入我們的日常
食衣住行育樂

而其中這幾年流行的機器視覺也在其中

個人最有興趣的為精準運動

與曾煜棋教授的對談

• 請問老師在研究關於羽球時是如何進行的

  有在積極的與學校體育老師做溝通
  
  他們需要什麼我們就做什麼

• 那是用什麼方式去截取這些數據

  在比賽場地的四周架設高速深度攝影機
  
  才可以建立3D立體圖
  以前還想說要將鷹眼或是感測器
  
  裝到羽球拍裡面
  
  但是備受排斥

• 我可以如何開始

  如果要走運動科學勢必要學到AI 視覺
  
  所以AI是一定要碰的
  
  再來就是體感這是最難的因為才剛開始
  
  建議去大量看些國外的論文

十分感謝簡教授的邀約

回憶起去年(2024/07/03)自主學習發表會，
當時在發表會現場榮信認識到簡教授，
與他交談盛歡給了我十分多的建議，

發表、論文不能打出名字例如：陳Ｏ
並且十分鼓勵我持續練習撐竿跳高
以及研究機器學習
在前一個禮拜(2025/06/08)一通電話到來
問我是否方便在今天去屏科實中分享自主學習
十分感謝教授給的機會

屏科實中環境

環境清淨並且器材十分的優良，
外有販賣機以及全家便利商店，
校園很大因為是跟大仁科大一起的，
與子秋老師交談中發現，
簡教授十分支持學生，
上學期有很多的課程，
包括AI、無人機、實驗課程

演講核心

好奇心：學習的起點

自主學習，最需要的就是好奇心。
你還記得小時候，總是問東問西的自己嗎？
那時候的我們，會因為看到地上爬的天上飛的
就一直問「為什麼」。這份純粹的好奇，
其實就是自主學習的開端。

自主學習，說得簡單點，就是自己主動去學習。
而驅動我們主動學習的，就是好奇心。
想想看，如果牛頓被蘋果砸到後沒有產生疑問，
就不會去思考重力，也不會有後來的牛頓三大運動定律；
如果愛迪生沒有對「為什麼不能讓黑夜變亮」感到好奇，就不會有電燈的誕生。

我自己也是這樣走上學習的道路。
程式設計對我來說就像是一個無底洞，越學越有趣。
我一開始學網頁設計，
隔天覺得 App 開發更酷，
然後被機器學習吸引，
接著為了理解 AI 的判斷邏輯而接觸心理學，
最後甚至因為心理學而延伸到哲學的思考。
這一切，都是從一個念頭開始：「我想知道」。

行動：學習的引擎

俗話說得好：做中學、學中做。
就像你想投三分球，光想是沒用的。
你可以看一百支教學影片、想一百種方法，
但只有真正去投、去錯、去調整，
你才會有進步。
自主學習也是這樣，有了好奇心還不夠，你得靠行動去實踐。
牛頓如果只感到好奇，但沒有進一步思考、觀察、紀錄，那重力定律也不會出現。
所以，把想法化為行動，才是學習的關鍵。
「不要怕失敗，沒有做過怎麼知道」

紀錄：讓學習留下痕跡

行動之後，還有一個很重要的環節：紀錄。
紀錄不只是為了記下來，
也是為了讓自己回頭看時能更清楚哪些觀念是對的、哪些還需要修正。
不論是寫學習筆記、拍攝影片、發部落格，這些記錄不只是「學習的證明」，
更是你未來寫學習歷程、製作備審資料時的寶藏。
也能避免你變成所謂的「電腦考古學家」 要做被審資料時才在慢慢翻過去自己的備份。
分享出來，也會有人給你回饋，甚至可能激勵到別人。
這樣的互動也能減少那種「我是不是不夠好」的懷疑感。

演講心得

剛進去實中的演講廳，就覺得很炫酷
不僅教室很大，並且演講螢幕也非常大
（一開始本以為會是在一間教室裡面）
學弟妹們非常的配合，
很遵守老師的教誨，
只能說很感動竟然沒有人睡著！
並且拍手時也很熱烈
在我之後下一個講者為台南一中的學霸
再一次提醒了我學的東西還是不夠
全科均勻數學接近國手，APCS 4/4分
並且人也很謙虛

學弟妹提問

1. 我是如何平衡時間的

   魚與熊掌不可兼得，有捨有得，實作下去自己走過就知道怎麼分配時間

2. 為什麼選擇南華

   資源很多，而且十分支持我

3. 讀不下去該怎麼辦

   休息睡一下下，做自己有興趣的事

對抗式神經網路（GAN, Generative Adversarial Network）

核心概念

它訓練兩個神經網路來彼此競爭，
從指定的訓練資料集中產生更真實的新資料
可以彌補資料過少與過擬合問題

架構介紹

假設建立兩個神經網路：

• ANN（生成器 Generator）：用來生成圖像（例如假人臉）。
• BNN（判別器 Discriminator）：用來判斷輸入圖像是真人還是假人。

流程說明

1. ANN 生成一張假的人臉圖片。
2. 將圖片輸入給 BNN 判斷：
   • 輸出 1 代表認為是真人。
   • 輸出 0 代表認為是假人。
3. ANN 接收回饋，學習如何「騙過」 BNN。
4. BNN 也會根據結果修正判斷機制，變得更難被騙。
5. 不斷循環訓練，直到：
   • ANN 能生成非常逼真的圖片。
   • BNN 無法分辨真假，達到對抗平衡。

如果判別器越強，那生成器也會變強很多

📊 圖示說明

• 左邊藍色神經網路為 ANN（生成器）
• 右邊紅色神經網路為 BNN（判別器）
• 中間箭頭表示生成→判斷的資料流
• 下方箭頭代表訓練不斷迴圈進行

🎯 最終目標

讓 ANN 生成的圖片真實到足以騙過 BNN。

這種結構可廣泛應用於：

• 假人臉生成（如：ThisPersonDoesNotExist）
• AI 繪圖與風格轉換（如：CycleGAN）
• 偽造音訊、影片、語音等

人工智慧與機器學習

1. 人工智慧起源與定義

1.1 人工智慧簡述

人工智慧（Artificial Intelligence，簡稱 AI）在生活中已非常普遍，許多產品如 AI 吸塵器、AI 電鍋、AI 電動車等都標榜「AI」。但加上「AI」究竟意味什麼？這讓人有些困惑。

在了解人工智慧前，需先釐清「智慧」的定義。根據國家教育研究院，智慧指透過人腦思維展現的能力，如記憶、計算、判斷、決策、規劃、學習、探索、推理等。

人工智慧則是利用程式設計或其他技術，讓機器模仿人類大腦的上述能力，試圖模擬人類智慧行為的科技。許多科技發明從自然界獲取靈感，如飛機模仿鳥類翅膀，人工智慧同樣試圖模仿人類思考與學習，讓機器自主處理資訊、判斷與行動。

1.2 人工智慧重要歷史

人工智慧是一門約六、七十年的年輕科學，結合數學邏輯、機率、統計學、神經生物學及計算機科學。以下為重要歷史里程碑：

• 1950 年：圖靈測試（Turing Test）。英國數學家艾倫·圖靈提出，若提問者無法分辨機器與人類的回答，該機器即具備人類智慧水準。
• 1955 年：人工智慧誕生。美國科學家約翰·麥卡錫首次提出「Artificial Intelligence」名詞，並召開達特茅斯會議，開啟 AI 研究序幕。
• 1997 年：DEEP BLUE 擊敗西洋棋冠軍。IBM 的 Deep Blue 擊敗世界西洋棋冠軍卡斯帕羅夫，展現「符號主義」AI 的計算與預測能力。
• 2016 年：ALPHAGO 擊敗圍棋冠軍。Google DeepMind 的 AlphaGo 擊敗李世乭，透過深度學習與強化學習，開啟新一代 AI 時代。

1.3 早期人工智慧分類

人工智慧第一波浪潮始於 1950 年代，尚未進入網際網路時代，稱為「古典人工智慧」。兩大主流理論為「符號主義」與「聯結主義」，分別奠定「專家系統」與「深度學習」基礎。

1.3.1 符號主義

符號主義透過建立知識庫與規則系統，模擬人類推理過程，使用「If…Then…」條件判斷篩選答案。例如：

IF 有流鼻水 AND 發燒 THEN 可能是感冒

缺點：

• 僅限特定領域，知識庫外無法回答。
• 維護與更新成本高。

1.3.2 聯結主義

聯結主義模仿人腦神經元結構，建立人工神經網路（Artificial Neural Networks）。不依賴明確規則，透過數據學習調整網路權重，完成分類、預測、識別等任務，是現今深度學習的基礎。

2. 要怎麼實現人工智慧

人類透過學習與經驗累積智慧，如閱讀、背誦與練習內化知識。人工智慧的核心理念是讓機器透過學習獲得智慧。機器學習（Machine Learning）是實現 AI 的主要方法之一，其中包含進階的深度學習（Deep Learning）。本文以機器學習為主軸，介紹其運作方式與應用。

3. 機器學習

機器學習（Machine Learning, ML）讓機器具備學習能力，透過資料找出規律，建立模型以預測或判斷新資料。類似人類從觀察與經驗學習，機器學習分為三大類：監督式學習（Supervised Learning）、無監督式學習（Unsupervised Learning）與強化學習（Reinforcement Learning）。

3.1 機器學習三劍客

3.1.1 監督式學習

監督式學習類似童年學習辨認汽車的過程。觀察特徵（如四個輪子、兩個車燈），猜測（機車或腳踏車），由正確答案（汽車）修正認知。這種「預測—修正—再預測—再修正」的循環是監督式學習的核心，透過標籤（Label）回饋讓機器掌握判斷能力。

3.1.1.1 簡單線性回歸

簡單線性回歸是基本機器學習演算法，用於發現自變量（x）與應變量（y）的關聯性。其公式為：

$$
\hat{y} = w \cdot x + b
$$

其中：

• (y)：模型預測的 y 值
• (x)：輸入的自變量（特徵）
• (w)：斜率，代表 x 對 y 的影響程度
• (b)：截距，當 x 為 0 時的 y 預測值

目標是找出最佳 (w) 與 (b)，使 (y) 接近實際 y 值，透過最小化損失函數（如均方誤差，MSE）達成。

3.1.1.2 誤差函數

誤差函數常用：

• 平方誤差
• 絕對誤差

3.1.1.3 梯度下降優化演算法

核心概念

機器學習的核心目標：
找出一組最佳參數，使模型預測值與實際值的誤差最小。

常用的誤差衡量指標：均方誤差（SME）

$$
\text{SME} = \frac{1}{2n} \sum (y - \hat{y})^2
$$

什麼是梯度下降？

梯度下降（Gradient Descent）是一種優化演算法（Optimization Algorithm），
目的是透過不斷調整參數，最小化損失函數。

應用於

• 監督式學習（Supervised Learning）
• 模型訓練過程中的參數調整（如權重 w、偏差 b）

簡單理解

你站在一座高山上（誤差最大處），但迷失了方向，現在你的目標是一步步走到平地（誤差最小的地方）去。
對你當下的位置取斜率（也就是求梯度 Ｌ）

看這個坡是往上還是往下走比較快接近地面
梯度告訴你哪個方向「誤差增加得最快」
所以我們就反方向走 —— 因為我們要讓誤差減少

這時候就要用到 學習率（learning rate） 來控制你的「步伐大小」：

學習率太大：你可能一下子走過頭，甚至不斷震盪、來回跳，無法穩定落地。

學習率太小：每次移動太少，你可能永遠走不到平地，太慢了！

總結公式

$$
w := w - \eta \cdot \frac{\partial J}{\partial w}
$$

$$
b := b - \eta \cdot \frac{\partial J}{\partial b}
$$
詳細推導請參考

（待更新）

3.1.1.4 多元線性回歸

（待更新）

3.1.1.5 邏輯回歸

（待更新）

3.1.1.6 二元交叉熵

（待更新）

3.2 無監督式學習

（待更新）

3.3 強化學習

（待更新）

4. 參考資料

• 幻影狐狸，2020，〈第12屆iThome 鐵人賽〉，「窺探人工智慧與資料科學的面貌系列 第 4. 篇」 https://ithelp.ithome.com.tw/articles/10239971
• 什麼是平均絕對誤差-mean-absolute-error-mae？

南華大學特殊選才與繁星入學新生說明會

希望可以透過此次說明會更了解校園

環境

踏入校園便被優美的環境震攝，太陽的照耀下映射了學校的書卷氣息，美麗綻放的花朵，充滿安靜和諧的校園，以及樹上的鳥鳴聲，讓我一進入就如同踏入仙境一般，清淨、放鬆，且師生互動熱情，剛進來就感受到學長們的「熱烈招待」，以及主任的關心，優美正氣的環境。

與主任的對談及說明會

前一天總結了這幾個月所學習的心得、瓶頸，主任看到後建議我，優先補足我的英文、數學等基本能力，因為能力不夠導致我無法學到機器學習「更深」的核心技巧。所以我下定決心利用這幾個月去提升自己，希望可以在開學前走上正軌。

說明會內容詳實，不僅介紹了學校的課程規劃與學習資源，還讓我們了解未來的升學發展與職涯規劃方向。

特別是南華大學豐富的學術與實務資源，強調全人教育的校園環境，都讓我們感受到這是一個能夠圓夢、成長的理想學習殿堂。

我們都知道「教育如同百年樹人」，但校長引用星雲大師的話巧妙地詮釋：

「教育就像種樹，每個學生都是棵不同特性的樹，需要不同的陽光、水、空氣，教育就是讓這棵樹茁壯長大。」

與校長的互動

各系所的主任對今天的學生都十分瞭解。校長高俊雄博士知道我是撐竿選手後，竟親自帶領我們參觀體適能暨重量訓練室，這份關懷令我們受寵若驚，十分感動。

學校不只支持我，給我訓練場地，也提供豐富的資源，讓我能在南華順利訓練。葉健銘教練開的課表，希望讓我即使只有假日練技術，也能有所進步，真的千分感謝校長。

目標

經歷過今天的點點滴滴後，讓我更認真地審視自身能力。我希望在這幾個月中：

• 考取英檢初級證照
• 補齊數學的不足
• 練習大學程式檢定的題目

希望透過不懈的努力，在這幾個月內完成自我提升！

葉丙成教授-AI 時代人才新思維

• 牛津大學論文
  • 針對全世界 702 種工作分析 20 年後多少還會存在，而多少會消失
  • 結果：未來 20 年有 47% 現有工作會消失，65% 出現（那個時候 AlphaGO 還沒打敗人類，所以還會再往上升）
  • 108課綱：把台灣的孩子培養成終身學習者

AI 時代人才圖像

• 案例：ChatGPT 如何影響當今業界？
  • ChatGPT 讀合約後取代法務人員
  • 業界幾乎不需要 Junior 工程師，只需要 Senior 工程師利用 AI 生程式碼，就只要改一點 bug 便能快速完成
• 案例：目前業界最缺數位行銷人材
  • 未必要相關科系，甚至高中生也行
  • 大學跟不上世界趨勢->再次強調自主學習
  • 要證明你有這個能力
• 未來職場的新趨勢：每三、五年學新技能
  • 市場價值沒辦法維持二、三十年（因為很快就會有很多人有相同的 skillset）
  • AI 時代最寶貴的特質：好奇
    • 如何找到自己的 edge？跟隨自己的好奇心去探索，找到市場利基點。

教育建議

• 要呵護自己的好奇心，因為耗損掉之後就不會回來

• 傳統觀念：好學歷=好公司

  • Pagamo 根本不看學歷，能力很比學歷還重要

• 好奇心將是未來二十年成功者必備的關鍵特質

  • 不要到大學階段好奇心彈性疲乏，傳統學習方式，背、抄

• 記住：世界變化越快，機會越多

  • 不用焦慮，因為新生兒越來越少
  • 台灣家長的焦慮正在扼殺孩子的好奇心，尤其是比較心態
  • 不要讓父母的焦慮影響自己

• 記住：找到人生的極值：Gradient Method

  • 不要想一步就到極值，不斷往各方向嘗試，才能找到人生的極值

小結：AI 時代產業變化快，個人須自學快

• AI 很會解問題，但不會自己問問題
  • 什麼問題對解決社會問題很有價值不知道
  • 要找到眾人的需求，這就是你的價值
• AI 擅長處理繁雜 routine，但不會創新
• AI 時代趨勢變化快，個人須敢抉擇：
  • 作有風險的決定的經驗
• 我們該教育出能自學快、問問題；了解人、敢創新敢抉擇的人才

當今教育的困境

小鳥只會張嘴等蟲自己跳進嘴裡，所以不要補全科，要有自學能力

與葉丙成教授的聊天

我：簡單自我介紹，說明我的目標，學習過程
葉教授：

我覺得你的想法太狹義了，研究體育可以不只可以利用AI實現，
所以要去大量看相關論文
但AI結合體育是不錯的想法

葉教授：

體育項目有分好幾類，例如：他是屬于影像辨識或是數據分析

我：老師請問我國中沒學好，要回去補嗎還是繼續學習

葉教授：

要，花一點時間去補足不足的地方，尤其是資訊相關的科系，
你可以花一點時間補，剩下繼續學習

葉教授：

推薦你，去找師大教授，寫信給他，體育要結合科技是不太輕易需要
有帶專案的教授

SITCON 2025 論壇逐字稿

講者介紹

主持人：路Ｏ珍女士
與談人：吳Ｏ宇（生成式藝術家、新媒體藝術家）
與談人：李Ｏ樵（軟體工程師、小說家）
與談人：蔡Ｏ翰（資工系教授、數位人文研究者）

AI 與創作的關係

AI 對創作的影響

吳Ｏ宇

• AI 就像是外骨骼，可以減輕創作者的工作負擔，但最後的創作仍依賴人類的主觀判斷。
• 當 AI 讓大量內容的生產變得廉價時，人的審美標準會隨之提升，創作將更關注內心感受與價值，而不只是形式上的堆砌。
• 以攝影為例，手機攝影技術的提升導致傳統攝影師不再以銳度為主要追求，而轉向更具獨特性的表現方式，如大光圈的美學。
• AI 生成文本的成本大幅降低，過去字數的長度作為小說成就的標準將失去意義，未來讀者更可能關注的是內容的真實性與情感表達。

李Ｏ樵

• AI 在創作中的直接幫助較少，但在前期的資料搜集上能夠發揮極大作用，例如快速查找世界各地的相似作品。
• 文學創作的價值在於個體的經驗與視角，即使 AI 參與創作，仍需要人類來決定哪些內容是有價值的。
• AI 幫助降低創作門檻，但也促使市場淘汰更平庸的作品，未來只有真正能夠觸動讀者的內容才能被保留下來。

蔡Ｏ翰

• AI 的發展與藝術創作可以共存，關鍵在於 揭露創作的過程。如果創作者能夠清楚標記 AI 參與的程度，那麼這種創作依然可以被視為藝術。
• AI 在歷史研究上提供了極大的幫助，例如分析明朝歷史檔案，發現 400 多名文官同時擔任軍事指揮官，這些結果可作為後續研究的基礎。
• 生成式 AI 的作品仍需人類專家進行審查與解讀，否則可能會產生錯誤或誤導性的結果。

跨領域思維與 AI

工程思維與創作

吳Ｏ宇

• 以 工程思維 進入不同領域能夠提升創作與研究的效率，例如將 Debug 方法應用到文學創作中，透過團隊合作來降低試錯成本。
• AI 就像是創作者的 外骨骼，能夠增強個體的知識處理能力，但最終的決策仍然取決於人的價值觀與創意。

李Ｏ樵

• AI 技術發展迅速，與其專注於深入理解技術細節，不如關注 AI 在自身興趣領域的應用。
• 在跨領域探索時，應該尋找與身邊人不同的方向，以增加成功的機率。

蔡Ｏ翰

• AI 研究的門檻高，開發 AI 需要極大的資本投入，因此建議非專業者專注於應用層面，而非核心技術開發。
• 大學教育應該更具彈性，現在的文理分科過於僵化，許多問題需要綜合知識來解決。

AI 對文化與社會的影響

AI 如何影響文化與社群媒體

吳Ｏ宇

• AI 與社群媒體的發展，使得某些創作形式更容易傳播，例如 2015 年的台灣現代詩復興，短詩因為更適合社群平台而受到廣泛關注。
• 小說創作相對來說沒有搭上這波風潮，因為長篇內容難以在社群媒體上快速傳播。

李Ｏ樵

• AI 可能會導致內容的過度生產，但真正經典的作品仍會被留下，因為創作的價值來自於創作者的主觀視角，而不只是技術本身。

蔡Ｏ翰

• AI 發展可能讓部分專業工作發生變化，例如歷史學家的研究方式將從資料蒐集轉向詮釋與驗證 AI 生成的分析結果。
• 台灣應該發展自己的 AI 語言模型，以避免依賴國外技術而受到文化與價值觀的影響。

AI 在教育與學習的應用

AI 對學習與思維模式的影響

蔡Ｏ翰

• AI 讓學習資源更容易獲取，但核心仍在於如何應用這些技術來增強自身能力。
• 建議學生關注 AI 在自己領域的應用，而不必深究 AI 的技術細節，除非計畫專攻該領域。

李Ｏ樵

• 應該勇於探索不同的領域，尤其是那些較少人關注的領域，這樣可以提高未來發展的機會。

講師論壇

講者CCLin:

AI套件，使用的好，精度很高，沒必要一個個手刻，實際也很難全刻出來
但我的學習方式是好的，很扎實

有錯誤麻煩拜託寫信給 jun20061030@gmail.com
或填寫此表單 https://forms.gle/8ba6PxkGUZME6V6X6
連結

pythont程式設計

• 作者：Juhn Chen

marp: true

title: Python 程式設計
author: 陳閔駿

Python 程式設計

by.陳閔駿

🚀 學習目標

• 學習 Python 的基本語法與邏輯
• 交叉學習 C++ 與 Python，減少知識落差
• 透過 實作解題 強化應用能力
• 培養程式設計思維，提高解決問題的能力
• 學習如何撰寫高效且可讀性高的程式碼

📖 章節大綱

1. Python 是什麼？
2. 基本運算與變數
3. 值的型別與資料結構
4. 條件判斷與迴圈
5. 函式與模組
6. 演算法入門與問題解決

🔧 使用工具

• IDE：Python 3 / Visual Studio Code
• 開發環境：Windows / macOS / Linux

🐍 Python 可以做什麼？

強大的程式語言，應用廣泛包括但不限於：

• ✅ 基本運算與自動化處理
• ✅ 物件導向程式設計
• ✅ 數據分析與視覺化
• ✅ 機器學習與人工智慧
• ✅ 網頁開發與後端應用
• ✅ 網路爬蟲與自動化測試

⚖ Python3 vs. C++

📌 interpret vs. compiler

• 直譯：一行翻譯、一行執行，開發效率高
• 編譯：全部翻譯、全部執行，效能較高

中階語言 ->組合語言

機器語言

📌 強制型 vs. 動態型

C++ (強制型)

1
2
3
4
5
6
7
8
9
10
11
12

#include<iostream>
using namespace std;
int main()
{
    int a = 5;
    float b = 7.0;
    char c = 'h';
    cout << a << "\n";
    cout << b << "\n";
    cout << c << "\n";
    return 0;
}

Python3 （動態型）

1
2
3
4
5
6

a = 5
b = 7.0
c = "Hello World"
print(a)
print(b)
print(c)

python幫你做好了很多的事情

環境安裝

✅ 安裝 Python3：Python 官方網站
✅ 安裝 VS Code：Visual Studio Code 官方網站
Jupyter Notebook（線上）：

✅ 確認 Python 版本

Mac 用戶：

1

python3 --version

Windows 用戶：

1

python --version

數值運算

Python 提供強大的數值運算功能，例如：

1
2
3
4
5
6
7
8
9

x = 10
y = 3
print(x + y)  # 加法
print(x - y)  # 減法
print(x * y)  # 乘法
print(x / y)  # 除法（浮點數）
print(x // y) # 整數除法
print(x % y)  # 取餘數
print(x ** y) # 次方

與C++不同的是

強型別int

1
2
3
4
5
6
7
8
9
10
11
12

#include<iostream>
using namespace std;
signed main()
{
    
    int n = 10;
    int b = 4;
    cout << n/b << endl;
    
    return 0;
    
}

程式在哪裡運行

1. 滑鼠
2. 鍵盤
3. CPU
4. 記憶體

程式在哪裡運行

1. 滑鼠
2. 鍵盤
3. CPU
4. 記憶體

變數與賦值

1

a = 5

= 不是數學中的等號，而是賦值，將右邊的數值 5 賦予給變數 a。

記憶體

assignment operator

1

a = 5

In C++ and other language

指標

1
2
3
4

signed main(){
    int x = 10;
    cout << &x << endl; 
}

輸出 0x16f8df0ec

進一步學習

✅ 推薦資源

• Python 官方文件：https://docs.python.org/3/
• W3Schools Python 教學：https://www.w3schools.com/python/
• LeetCode 練習題：https://leetcode.com/
• Kaggle 數據分析：https://www.kaggle.com/

代更新…2025/2/25

電腦的組成

進位

• 十進制
  生活中的進位制是十進制，這種進位制通常使用10個阿拉伯數字（即 0-9 ）進行記數
  0 1 2 3 4 5 6 7 8 9 10

• 二進制
  幾乎所有的電子計算機內部都使用二進位制，分別為「0」和「1」表示「關」和「開」。用於大多數電子計數器。
  0 1 10 11 100 101 110 111 1000 1001 1010 1011

• 十六進制
  經常用於計算機領域，2到4次冪。十六位數字為「0-9」，接著是「A-F」。
  0 1 2 3 4 5 6 7 8 9 A B C D E F 10

10進位轉2進位

67(十進位)

1
2
3
4
5
6
7

67÷2 = 33...1
33÷2 = 16...1
16÷2 = 8....0
8÷2 = 4...0
4÷2 = 2...0
2÷2 = 1...0
1÷2 = 0...1

所以二進制就是 1000011

2進位轉16進位

10110011

先拆解數字
1011與0011

1011 = B
0011 = 3

所以10110011 = B3

2進位轉成10進位

1101
就如我們小時候學的數學一樣

1
2

千 百 十 個
1  1  0  1

個 2^0 * 1 = 1
十 2^1 *0 = 0
百 2^2 *1 = 4
千 2^3 *1 = 8

1+0+4+8 = 13

1101(二進制) 的十進制就是 13(十進制)

title: 計算機概論6
date: 2024-10-16 08:58:19
tags:

overflow 溢位

七進制舉例

1
2
3
4
5

    0 1 1 1.   +7

“+” 0 1 1 1.   +7
-----------------
    1 1 1 0

第四位數如果原本是正數加完之後如果變成負數就是超過表示範圍

1001 → 0110 → 0111

補數可以說是將數值變成負數

1001 = -7

1
2
3
4
5

 1001 = -7

+1001 = -7
-------
 0010

一個負數加一個負數 = 正數 = overflow

一個正數加一個正數 = 負數 = overflow

練習

11100110 十進制答案

1

11100110 -> 00011001 （一的補數）-> 00011010 （二的補數）= -26 

• 解釋

  原始二進制數：

  • 11100110

  這是一個 8 位的二進制數，表示它是用來表示一個 有符號的數字，其中最高位（最左邊的 1）是符號位。當最高位是 1 時，這個數是負數；當最高位是 0 時，這個數是正數。

  2. 求一的補數：

  • 將每個位的數字反轉，將 1 變成 0，0 變成 1。

  • 原數字是 11100110，它的一的補數是 00011001。

  3. 求二的補數：

  • 在一的補數基礎上加上 1。

  • 00011001 + 1 = 00011010。

  4. 將二進制數轉換為十進制數：

  • 現在，我們已經得到了 00011010，它是二的補數形式，用來表示負數。

  • 00011010 = 26（十進制）。

檢查碼

• 例如身份字號F233456789
• 其中F代表地區
• 剩下七個數字為流水號

Big - 5編碼規則（可變長度編碼）

• 兩個byte代表一個漢字
• 想辦法與英文字母相容

分首碼次碼，高位元的在前面

舉例：big-5 (cont’)

• 0 一 Ａ4440

• 1 乙 A4440

• 3 丁 A4440

• 5400 籲 C67E

• 5401 乂 C940

• 5402 乜 C941

• 5403 凵 C942

• 5404 匚 C943

• 5405 厂 C944

• 5406 万 C945

• 5407 丌 C946

https://web.tnu.edu.tw/me/study/moodle/tutor/vb6/tutor/r05/index.htm

其中有 408 個符號和所謂常用字 5401 個,
次常用字 7652 個

輸入法

• 字音輸入法
  • 注音
  • 拼音
• 字型輸入法
  • 倉頡
  • 大易

假如在鍵盤上我們可以應用的按件數是n

則n個鍵可以組成

$ n +n^2+n^3+…..

舉例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

0 1 1 0  ———>  6

1  1 1 0 ———>   -6

0 0 0 0 ——→     0

1  0 0 0 ———>  -0 [x]

加法

     0  1   1   0

+   1   1   1   0
--------------------

0   1   0   0

上面是錯誤的

每個輸入法都有規則，開頭的第一位是1就是負數0就是正數

也可以用2的補數表去計算

正確

1 1 0 1 舉例

1
2
3
4
5
6
7
8
9
10
11
12

1101  2進位轉成 10進位

1 1 0 1 前面第一個是1 代表示負數

所以要取二的補數

1 1 0 1  → 0 0 1 0 = 一的補數第一位再加一 = 2 的補數

0 0 1 0
+     1
--------
0 0 1 1 (2進位） =  - 3(十進位）

轉換後之後記得加上負號

-7 寫出2的補數表

1
2
3

7 = 0111

0111 → 1000 = 一的補數再加一 = 二的補數  = 1001(二的補數）

1 0 0 0的補數 = 1 0 0 0

為什麼？

• 因為在4位2進制下多出來的會被拋棄

4位補數的範圍

表達範圍

4 bits = +7 ~ -8

= +2^(4-1) -1 ~ -2(4-1)

n bits = +2^(n-1) -1 ~ -2^(n-1)

初入計算機概論

計算機概論是所有電腦的基礎

如果你是國文系的最好修計算機概論
如果你是歷史系的最好修計算機概論

快速進入

計算

• 希臘阿基米德以極限求圓面積

• 羅馬

  • 羅馬數字：非對位系統
  • 羅馬幾乎失聯了所有的希臘知識
  • 例如他們不知道希臘已經認證的地球是個圓形

• 阿拉伯

  • 大量的翻譯希臘文獻
  • 阿拉伯 採借了印度的數字符號

• 歐洲

  • 展開了 十字軍東征 的侵略掠奪得到的寶貝
    • 譯成阿拉伯文的希臘文明遺產
    • 十進制阿拉伯數字與計算法

計算機始的重要人物

• Blaise Pascal(1623 - 1662)

在11歲時自行發展歐氏幾何，並證明「三角形內角和為 180°」
Pascal在19歲到21歲為了幫助父親課稅，發明了堪稱史上最早的計算機械。
Pascal 24歲，開始進行大氣壓力的實驗， 並發現大氣壓力隨海拔增高而減少的事實，並由此得到大氣層外必為真空的結論，

• Charles Babbage (1791–1871 )

• Augusta Ada Byron (1815-1852)

她是第一位主張計算機不只可以用來算數的人，
也發表了第一段分析機用的演算法。因此，
愛達常被公認為史上第一位程式設計師。

• Mark I (Howard Aikan )1943
  是美國第一部大尺度自動數位電腦，被認為是第一部萬用型計算機。
  它的生產和設計者（IBM）給它起的名字是全自動化循序控制計算機
  ，哈佛一型是它的使用者哈佛大學給它起的名字。
  哈佛一型是第一部被實作出來的全自動電腦，
  同時與當年的其他電子式電腦相比它非常可靠。
  大家認為「這是現代電腦時代的開端」以及「真正的電腦時代的曙光」。

第一台利用繼電器取代電腦

• Grace Hopper (1906-1992)

全世界第一套的compiler: A-0

• 第一個bug

1947 年 9 月 9 日，
哈佛大學 Mark II 電腦的一名工程師團隊記錄了第一個實際的電腦「錯誤」
一隻飛蛾卡在機器的繼電器之間。記錄於 15:45，錯誤昆蟲的遺骸被貼在頁面上，
上面寫著：

電腦先驅格蕾絲·霍珀 (Grace Hopper)是哈佛 Mark II 團隊的成員，
但史密森學會指出，該日誌可能不是霍珀的。然而，她很可能幫助這件事變得出名。

• ENIAC (計算彈道)1946

世界上第一部可變程式的電子計算機
透過插孔改變指令

• John von Neumann (1903-1957)

內儲程式的計算機(程式與資料都儲存
在電腦裡面 )IAS computer

• Neumann 架構

類似list一條list儲存多種資料

• Alan Turing

他被譽為電腦科學與人工智慧之父。
二次世界大戰期間，「Hut 8」小組，
負責德國海軍密碼分析。 期
間他設計了一些加速破譯德國密碼的技術，
包括改進波蘭戰前研製的機器Bombe，
一種可以找到恩尼格瑪密碼機設定的機電機器

圖靈機，又稱確定型圖靈機，
是英國數學家艾倫·圖靈
於1936年提出的一種將人的計算行為抽象化的數學邏輯機，
其更抽象的意義為一種計算模型，
可以看作等價於任何有限邏輯數學過程的終極強大邏輯機器

打字機

• QWERTY
  音譯：科蒂鍵盤，是各國通用的現今流行的鍵盤組合
  由1867年10月提出的專利
  QWERTY鍵盤安排次序的原則是
  為了要減少打字機在打字時連
  動杆之間的擠壓及故障發生率的狀況，
  因而要把常用字母隔開

白話點：
是為了讓打字速度不要那麼快
避免打字機故障

但現今技術以解決這項問題
QWERTY組合卻早已廣為流傳
所以是無法輕易改變的

• Dvorak
  在1930年代期間設計，
  是主流鍵盤排列QWERTY鍵盤的競爭對手

• 電傳打字機

1949年8月16日台灣正式使用
遠距離列印交換的編寫形式。
電傳既具有電話的快速，
又具有打字機的準確，
尤其是當電文中有資料時，
這種優點表現得特別明顯。
人們普遍認為，
電傳這種通訊方式，
除了具備高效性和精確性之外，
還比電報和電話更為便宜。
電傳是在傳真機普遍使用以前的通訊裝置，
其原理有點近似電報

例如說：我在屏東打字，字會顯示在台北的機器上

GUI

• Xerox
  Xerox Alto是Xerox PARC（帕洛阿爾托研究中心）
  於 1970 年代開發的電腦系統
  Alto 是第一台具有圖形作業系統的計算機，
  並且基於早期的圖形介面設計而構建
  Alto並未在商業上取得成功，
  但它對未來電腦系統的發展產生了重大影響。

• APPLE
  • Apple II
    Apple II 由史蒂夫·沃茲尼亞克設計，
    於 1977 年首次推出。
    它是第一款廣泛成功的個人電腦之一，
具有彩色圖形和擴展槽。(參觀Xerox時學習借鑒)
    吸引了大量的教育和家庭用戶。
    它的開放性設計促進了第三方軟體的發展。
  - Lisa 1983 因為史蒂夫·賈伯斯的第一個女兒叫麗莎·布倫南（1978年出生）， 所以通常推斷這個名字也有個人聯想 該項目始於 1978 年， 旨在打造一個相對於Apple II 為代表的傳統設計的更現代版本 Lisa可說更為先進（同時也更為昂貴）， `這也具體的表現在許多方面，如內存保護，` `協作式多任務處理，基於硬碟的作業系統，` `內置的屏幕保護程序，` `支援紙帶的先進計算器程序，` `支援高達2兆(百萬)字節(即2MB)的內存，` `擴充插槽，和一個更大更高的解析度顯示。` 這些超越時代的設計 - Macintosh 1984 Apple Macintosh（簡稱：Mac） `是蘋果公司在1984年所推出的一款個人電腦，` `是蘋果公司所推出的第二款採用圖形用戶界面的個人電腦產品，` 亦是蘋果公司旗下的麥金塔系列電腦中的第一款產品， `於1984年1月24日發布` 在Mac發布後的一段時間內， 其銷售額曾十分強勁， 在1984年5月時蘋果公司即售出了70,000台Mac， 但好景不長，`從1984年下半年開始`， Macintosh的銷量便一路下滑， 到年底的月銷量已跌至萬台以下， `導致其在次年10月即告停產`。

硬體架構

主要元素

• 中央處理單元（CPU）：
  負責執行指令、處理數據。架構設計包括CPU的指令集（如x86、ARM）、處理核心數量及其運作方式（單核、多核、超線程等）。
• 記憶體架構：
  隨機存取記憶體（RAM）：短期存儲數據，提供運行中的程序和系統需要的暫存空間。
  快取記憶體（Cache）：臨時存儲經常訪問的數據，加快CPU訪問數據的速度。
  主存與次存：
  指揮如何管理主存（RAM）與次存（如硬碟、SSD）之間的數據交換。
• 總線架構：
  連接處理器、記憶體和其他設備的通訊路徑。不同總線（如系統總線、資料總線、地址總線）影響數據的傳輸速度和效率。
• 輸入/輸出（I/O）系統：
  硬體如何與外部設備（如鍵盤、螢幕、硬碟）互動，設計影響硬體和外部設備之間的數據交換效率。
• 主板（Motherboard）：
  整個硬體架構的核心，將所有硬體元件互相連接，並確保它們能有效運作。

硬體架構的作用

• 性能與效率：
  不同的架構設計會直接影響系統的性能。
  例如，多核心架構可以提升並行處理能力，
  快取記憶體的大小和設計可以加快數據存取速度。

• 兼容性：  硬體架構必須與軟體系統兼容，  從指令集架構（ISA）到I/O設備的設計都需與操作系統和應用程序相容。

• 功耗與散熱：
  現代硬體架構中，
  功耗管理和散熱設計也是重要考量，
  特別是移動設備和伺服器中。

CPU 架構

Memory Unit（記憶體單元）：

• 元件負責儲存數據和指令，
  CPU通過與記憶體單元進行數據交換來執行運算。
  圖中顯示，記憶體單元與累加器（Accumulator）
  和B寄存器（B Register）進行雙向數據傳輸。
• Accumulator（累加器）：
  累加器是一種寄存器，
  用來儲存運算的中間結果。
  它通常是算術或邏輯運算中的主要暫存器，
  會接收從記憶體單元讀取的數據，
  並在完成運算後將結果返回到記憶體或繼續進行其他運算。
• Logic Circuits（邏輯電路）：
  邏輯電路是算術邏輯單元中的核心組件，負責進行各種邏輯運算（如與、或、非、異或等）和算術運算（如加法、減法）。它會從累加器和B寄存器中接收數據，並執行指令。
• B Register（B寄存器）：
  B寄存器是另一個暫存器，通常用來存放第二個運算數。與累加器配合，B寄存器可以存放需要與累加器中的值進行運算的數據。
• Control Unit（控制單元）：
  控制單元負責指揮整個CPU的運作，
  發送控制信號來調度ALU進行各項運算。
  控制單元指揮累加器、B寄存器和邏輯電路進行相應操作，
  並與記憶體單元交互數據。

有感而發想，想對幾位貴人說聲謝謝–1130902

• 葉Ｏ銘教練
  感謝您的出現、願意破格教一個沒運動底子的人學撐竿跳高！
  因為有您的教授技術以及種種鞭策
  讓我一直熱情不減的想會撐竿跳高給我的奧妙
  我愛撐竿跳高 很愛 很愛
  
  因為您不放棄我，所以我才能繼續訓練，繼續突破自己！
  我深知不是您最耀眼的那顆星
  先天沒運動細胞 卻有後天凡夫俗子的干擾
  但我會一點一點進步
  越是不可能，我就越有繼續努力的機會
  所以，教練 真的很謝謝您！
  之後還請您多多指教

• 歐Ｏ雄老師
  感謝您一直不斷的指導我許多專題報告、資料的製作
  不厭其煩重複聽我報告又報告
  不斷的修正我的種種不OK
  因為有老師的指導與調整
  我不怯場、漸漸知道一些小眉角
  佔用您許多寶貴時間
  今天忽然想付諸文字告訴您
  「有您真好」、「謝謝您」
  當然
  面臨關鍵時刻的逼近
  我必須展現我的「會跟」
  希望得到您的題點指導
  謝謝您

哎呀
開學第二天
看似沒變卻不一樣了
看似變了但又還是一樣
所以
寫下這謝感言
還有很多善知識貴人在幫助我
也都謝謝你們
未完

自助學習過程與說明

ppt發表

榮幸代表學校前往參加屏一區自主學習共好計畫

過程中非常的緊張

動機

某次練習中，看到教練正指導著初入門的學弟撐竿跳高基本動作，
學弟的表情卻顯得一副茫然；那一幕極像當年懵懂的我，
總在每一次的「感覺」中體會教練所指的「再如何一點、如何一點」，
孰不知差之毫釐，失之千里！
撐竿跳高的「技術」如同畫家在作畫時的「筆觸」般，都是很「抽象的感覺」。
哪怕以詳細的文字描述，仍存在著每個人身體條件及個人理解力的不同，
而需將這種抽象感累積而成。

在棒球運動中，投手的每個動作都可以被「數據化」，
每個細節都會影響到最終的投球軌跡。
那麼，撐竿跳高呢？這項運動由12個動作組成，
而從一開始的持竿助跑來看，
持竿助跑動作是否與成績有直接的關聯呢？

簡介 - 文獻

在田徑跳步運動中撐竿跳高運動是唯一使用器具，
也是最具難度、複雜性與技巧性的項目
（王代才、張武記，1994;Morlier,J.&Cid,M.,1996;Bussabarger,2001）。
自從1817年開始採用木質跳竿創造第一成績後，
經歷竹竿、鋁竿、尼龍竿與石墨纖維竿等，
直到1962年才改用玻璃纖維竿
（游正忠，2008）。
優越的物理特性，使竿子更加輕便、彈力更大、韌性強、握感好
（李北玉，2001；孫南，2006）
撐竿跳高運動是田徑運動項目中困難度最高，
也是亞洲運動會和奧林匹克運動會競賽中，
在教學和訓練上需要經過細膩且完整的動作分析過後逐步進行
（謝佳翰，2019）。
其動作包括持竿、助跑、插竿、起跳、
弓身、擺體、捲體、伸展、轉身、
倒立、推竿（過竿）及後仰等十二個環節
（葉健銘，2022）。
這十二個動作需在約十秒內完成，
每一個動作都環環相扣因此。
與其他跳躍項目的助跑不同，撐竿跳高的助跑過程中，
選手需在負重情況下維持最高且可控的助跑速度，
這將直接影響最終的成績
（謝佳翰，2019）。
在人-竿相互作用的結合下，將人體拋向更高越過橫桿，
也就是將動能轉變為位能的過程，這是一個技術複雜，
且困難性高的項目，
所以選手必須擁有較高的水平速度、跳躍及體操技巧的能力
（Linthorne，2000）。

在台灣，男子撐竿跳高的紀錄為：5公尺38公分（林志成，2024年創下)
而國際撐竿跳高男子紀錄則為：6公尺26公分（Mondo Duplantis，2024年)

說明

2024-09-02 待更新