<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Carson Chen on Medium]]></title>
        <description><![CDATA[Stories by Carson Chen on Medium]]></description>
        <link>https://medium.com/@a0909570109?source=rss-6726ade0c109------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*uRbMQyCpwlvlfistypuAzw.png</url>
            <title>Stories by Carson Chen on Medium</title>
            <link>https://medium.com/@a0909570109?source=rss-6726ade0c109------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 15:27:39 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@a0909570109/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[慕尼黑歐洲旅遊攻略]]></title>
            <link>https://medium.com/@a0909570109/%E6%85%95%E5%B0%BC%E9%BB%91%E6%AD%90%E6%B4%B2%E6%97%85%E9%81%8A%E6%94%BB%E7%95%A5-42267fcc1819?source=rss-6726ade0c109------2</link>
            <guid isPermaLink="false">https://medium.com/p/42267fcc1819</guid>
            <dc:creator><![CDATA[Carson Chen]]></dc:creator>
            <pubDate>Sun, 04 Oct 2026 14:03:46 GMT</pubDate>
            <atom:updated>2026-10-04T14:03:46.764Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*VgYle12VbRMQ18TckPzZ_Q.jpeg" /><figcaption>Neuschwanstein, Germany</figcaption></figure><p>這篇是寫給在慕尼黑交換、唸書的同學的旅遊攻略。三年前我也曾是在這座城市交換的學生，那是我第一次踏上歐洲這片未知的土地，所有東西都對我來說十分新奇。從一開始跟朋友在歐洲旅行到後面自己獨旅或是揪人自駕，那一年我去了超過十趟大大小小的旅行，花了不少時間跟金錢但也留下許多21歲珍貴的回憶。我覺得能來到歐洲唸書的同學都是幸運的，希望這篇文能幫大家在安排旅遊上有一些方向。</p><h3>交通</h3><p><strong><em>火車：</em></strong><br>通常大家身為學生都會買德鐵月票。德鐵月票除了市區交通之外，還能搭德國所有區間車（例如RE），要注意像是ICE那種快車不能搭要另外買票。德鐵月票適合在德國境內進行一日遊。像是去鄰近小鎮、湖邊或是山區爬山。旅程如果趕時間的話不建議搭，因為德鐵很常誤點甚至是取消。</p><blockquote>Note: 個人覺得瑞士、義大利、波蘭的火車都蠻準時的。然後有些地方會有夜鋪火車，像是赫爾辛基到羅瓦涅米那段就蠻有名的。</blockquote><p><strong><em>巴士：</em></strong><br>慕尼黑搭巴士大部分都在ZOB(S-bahn Hackebrücke站)，大部分都是FlixBus 營運的，通常比德鐵準時，但偶爾還是會誤點。如果可以接受搭夜車可以用很便宜的價格到很遠的地方，但缺點就是很累。我交換的時候有從慕尼黑搭12小時到阿姆斯特丹，但真的很累而且很難休息。有一些地方火車要轉車或是價格偏高的點可以考慮搭巴士。以下推薦幾個點（但不是每個我都有搭過）：</p><blockquote><strong>蘇黎世：</strong>單程 20–30 歐元，比火車便宜，而且時間差不多<br><strong>Český Krumlov（CK小鎮）：</strong>蠻有名的小鎮，我覺得從慕尼黑去這邊玩一天，再接著去布拉格剛剛好<br><strong>威尼斯：</strong>如果可以接受搭夜車的話，這個蠻划算的<br><strong>Chur：</strong>從這邊去策馬特應該比較方便<br><strong>Garmisch-Partenkirchen：</strong>楚格峰跟Eibsee，如果行程比較趕、怕德鐵延誤，可以搭這個<br><strong>Füssen：</strong>新天鵝堡，有聽過有人搭這個去<br><strong>波札諾：</strong>蠻多人從這邊開始租車自駕多洛米蒂的</blockquote><p>還有蠻多路線的，以上只列出一些我覺得最實用的。FlixBus網頁版可以選出發地後看地圖能到哪些目的地。</p><p><strong><em>飛機：</em></strong></p><p>在慕尼黑想搭飛機不一定要去慕尼黑機場，慕尼黑周遭有不少其他機場可以選擇。每個機場航點都不一樣，不少機場都有很便宜的機票，因此在排行程時可以多看看其他的機場，以下列出幾個慕尼黑周遭的機場：</p><p><strong><em>慕尼黑機場(MUC): </em></strong><br>交通方式：搭S1或S8就能到<br>航點：國際的航班最多，比較難找到真的很低價的機票。不過偶爾會有一些比較難到的航點的機票有直飛。</p><blockquote><strong><em>Tips: </em></strong>Norwegian 挪威航空慕尼黑有直飛一些北歐適合追極光的點（但沒附行李），有些時段價格不貴而且不需要轉機</blockquote><p><strong><em>梅明根機場（FMM):</em></strong><br>交通方式：<br>1. 想省錢可以用德鐵月票坐區間火車到Memmingen hbf，再轉公車到機場。缺點是不太穩定，我有等過40分鐘公車才來的，而且火車可能誤點。如果搭紅眼班機可以早一天去住機場對面的旅館，但就要另外花一筆住宿費。<br>2. 訂機場直達公車，大概十幾歐，可以線上訂票，在慕尼黑主火附近上車。<br>航點：東南歐航點超級豐富而且便宜，如果要去義大利、巴爾幹可以優先看這邊。有一些很便宜又特別的航點（前幾年有直飛約旦安曼的，現在有直飛亞美尼亞葉里溫的）</p><p><strong><em>紐倫堡機場（NUE):</em></strong><br>交通方式：搭火車到Nürnberg hbf或搭FlixBus到紐倫堡市中心（也在主火附近），之後轉紐倫堡的U2搭地鐵到機場約20分鐘<br>航點：我覺得蠻多元的，比較難找到像FMM那種20–30塊的機票，但也不會到太貴。</p><p><strong><em>薩爾茲堡機場（SZG):</em></strong><br>交通方式：從慕尼黑搭區間車到Salzburg hbf可以用德鐵月票，然後再轉公車（要買票）<br>航點：印象中航點較少，但最近有看到Eurowings在那邊多開了一些航點，價格比一般廉航機場稍微再貴一些</p><p><strong><em>斯圖加特機場（STR):</em></strong><br>交通方式：這個機場我自己也沒去過，有看到FlixBus 有直達的。不太建議用德鐵月票省錢去，要轉車而且蠻久的。<br>航點：沒特別研究過就不推薦了，但Eurowings這邊有不少航點</p><blockquote>Tips: 如果不知道要去哪裡玩，只是想找便宜的機票的話，可以直接上廉航官網查。常出現的廉航有Ryanair, Wizz Air, Easyjet, Eurowings<br>不過通常廉航不會附行李，因此如果要帶行李要算一下加行李的成本</blockquote><p>其他機場：<br>上面的幾個機場基本上能cover大部分的搭機需求。不過當要去一些要轉機而且機票價格很貴的地方的時候可以考慮搭火車或巴士到遠一點的機場。以下列出一些比較有可能會去到的機場。</p><blockquote><strong>柏林機場（BER): </strong>飛北歐首都便宜而且直飛，ICE過去到Berlin hbf最快大概4個多小時，有看過最便宜20歐的價格。但記得預留時間到機場</blockquote><blockquote><strong>維也納機場（VIE): </strong>直飛航點很多，價格也不貴。可以搭ICE到維也納市區轉地鐵或是FlixBus有直達機場的。有蠻多希臘小島這邊有直飛的</blockquote><blockquote><strong>巴塞爾機場（BSL EuroAirport）: </strong>這個比較遠，FlixBus要坐5個多小時。機票便宜，而且有一些特別的直飛航點。像是之前有看過直飛冰島雷克雅維克來回100初。</blockquote><blockquote><strong>法蘭克福機場（FRA): </strong>比較多是來回台灣，聽說華航有直飛。飛歐洲內的不用來這邊</blockquote><blockquote>Tips: 大機場比較大人通常比較多，因此建議比較早到。</blockquote><p><strong>個人心得&amp;總結：</strong></p><p>以前還是交換生的時候，時間很多想省錢就會想辦法用德鐵月票去廉航機場。現在念碩士沒有那麼多假就會比較優先考慮慕尼黑飛，或是去其他機場也會訂FlixBus或接駁車。我自己比較常飛MUC跟FMM這兩座機場，尤其FMM會有一些非常特別的點，個人覺得跟其他機場算是蠻互補的。</p><h3>住宿：</h3><p>我自己絕大部分是在booking.com訂，去到一些比較偏僻的地方會用Airbnb。歐洲大城市選擇比較多的地方我都是找8.5分以上可免費取消的，然後再看有沒有其他條件，沒有的話就找距離能接受價格最便宜的。</p><p>一般來說青旅（很多人一起睡一間，一人一個床位的）會比較便宜，但就要看能不能接受跟別人同房，有些青旅會有純女生的房間。我如果住青旅的話也會盡量選擇膠囊房比較有隱私。</p><blockquote>Note: 這幾年歐洲夏天非常的熱，夏天出去玩建議選有冷氣選有冷氣、獨立衛浴的房間。歐洲有一些青旅是一間房或多間房共用空調設備，基本上等於沒用。我曾經在巴黎的膠囊青旅熱到受不了當下重訂住宿</blockquote><p>我自己比較喜歡的是便宜的連鎖旅館，像是ibis、holiday inn、a&amp;o等等。通常在評分不會太低的狀況下我都會優先選這些。品質跟五星飯店不能比但以過夜休息來說是非常ok的。</p><p>想省住宿錢可以考慮夜巴或夜鋪火車。夜巴如上蠻看每個人忍受度的，我覺得年輕可以體驗一次看看，像我現在老了就無法這樣搭了。夜鋪火車有些有附衛浴，我沒搭過但北歐的聽下來風評不差。</p><h3>旅行地點</h3><p>有名的地方像是巴黎羅馬大家都會去到，以下分享一些我覺得相對冷門但個人很推的地方：</p><ol><li>挪威 羅佛敦群島：人生到目前的Top 1旅行地</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dQyjl09HkiblhVLS5qj3lA.jpeg" /><figcaption>Reine, Norway</figcaption></figure><p>2. 希臘 邁泰奧拉（天空之城）</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Zb-FZynMcEYlRPPv8GX7QA.jpeg" /><figcaption>Meteora, Greece</figcaption></figure><p>3. 五漁村</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*O8WflMonQhYzkXPBXwtBmg.jpeg" /><figcaption>Manarola, Italy</figcaption></figure><p>4. 土耳其 卡帕多奇亞</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*F2TB9Cie_Q_tdcx5-BB2VA.jpeg" /><figcaption>Cappadocia, Turkey</figcaption></figure><p>5. 塞普勒斯</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7TjbVJ8JUbqQmzJs2LDlYg.jpeg" /><figcaption>Nicosia, Cyprus</figcaption></figure><p>這篇打得有點趕，有想到新的內容會不定期更新</p><p>by x+0<br>04.10.2026</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=42267fcc1819" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[TUM 留學筆記 2026夏季學期修課紀錄]]></title>
            <link>https://medium.com/@a0909570109/tum-%E7%95%99%E5%AD%B8%E7%AD%86%E8%A8%98-2026%E4%B8%8B%E5%AD%A3%E5%AD%B8%E6%9C%9F%E4%BF%AE%E8%AA%B2%E7%B4%80%E9%8C%84-d17639f2236e?source=rss-6726ade0c109------2</link>
            <guid isPermaLink="false">https://medium.com/p/d17639f2236e</guid>
            <dc:creator><![CDATA[Carson Chen]]></dc:creator>
            <pubDate>Mon, 28 Sep 2026 00:50:16 GMT</pubDate>
            <atom:updated>2026-09-28T01:24:53.087Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fS6MYxgN-temd9hQsAEQ0A.jpeg" /><figcaption>26.07.2026 Eibsee</figcaption></figure><p>這是我在 TUM MSc. Informatics 的第二學期。這學期修了幾門課，包含必修16 學分的 Interdiscipline Project。修的課主要都和 Machine Learning 的應用有關，以下分享其中我覺得最有趣的三門課。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kNBKCAon3lE72S4PKQ5c4A.png" /><figcaption>SoSe 26-<em>CIT423013 </em>Machine Learning and Structure: Geometry, Discrete Structure and Algorithms</figcaption></figure><blockquote><em>CIT423013 </em>Machine Learning and Structure: Geometry, Discrete Structure and Algorithms</blockquote><blockquote><em>學分：8ECTs</em></blockquote><blockquote><em>成績：1.7</em></blockquote><blockquote><em>難度：⭐️⭐️⭐️⭐️</em></blockquote><p>這門課是我這學期覺得最有趣的課，內容涵蓋許多當今 ML 相關的主題。聽說老師原本是 MIT 的教授，上課有不少內容涉及當今前沿的研究方向，因此沒有什麼教科書，大部分內容都取自近兩三年發表在頂尖期刊上的論文。</p><p>上課模式方面，老師通常會在前半堂講授一些內容，後半堂則討論上週請同學回去思考的問題。可能因為這是第一次開課，來上課的同學不多，但我覺得這門課很值得對 ML 有興趣的人來聽，上完可以得到不少 insight。</p><p>作業方面，整學期共有五次作業。數學推導的部分十分難（但非常有趣！），程式的部分主要應該是想讓同學了解實作上的細節。寫作業和上課參與討論都有 bonus，但其實我也不確定 bonus 是怎麼算的。我每次作業都有寫，上課也大多有參與，最後應該有拿到 0.3 的 bonus。</p><p>考試方面，老師考的大部分是基本觀念，加上一些上課提到的內容，可以帶一張 cheat sheet。我個人覺得考試難度中間偏難，因為內容其實不算少，對沒接觸過 ML 的人來說可能會有些吃力，但很適合已經有 ML 基礎的人來修。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ETfPJ9_JzuGIvEUS7nzDvg.png" /><figcaption>SoSe 26-<em>IN2322 </em>Protein Prediction I for Computer Scientists</figcaption></figure><blockquote><em>IN2322 </em>Protein Prediction I for Computer Scientists</blockquote><blockquote><em>學分：8ECTs</em></blockquote><blockquote><em>成績：1.3</em></blockquote><blockquote><em>難度：⭐️⭐️⭐️</em></blockquote><p>這門課主要是教我們預測蛋白質結構相關的方法。原先的課程規劃包含上課和專案，但這學期因為教授的私人因素，只上了三堂課，因此專案佔了大部分。</p><p>每個人都會被分進 3–5 人的小組。我們這組的專案的主題是利用 Speculative Decoding，提高模型 Autoregressive Decoding 的速度。每組的主題都不一樣，但都和蛋白質結構預測有關。</p><p>我個人覺得老師上課的內容比較偏向方法學。今年的考試是口試，內容主要是專案，以及對一點上課教材的理解。我覺得專案做起來蠻好玩的，而且不太需要生物學相關的知識。</p><blockquote><em>IN4192 </em>Advanced Practical Course — Large-Scale Machine Learning</blockquote><blockquote><em>學分：10ECTs</em></blockquote><blockquote><em>成績：1.0</em></blockquote><blockquote><em>難度：⭐️⭐️⭐️⭐️</em></blockquote><p>這門課是我在 TUM 修的第三門 Practical Course，由 TUM 的 DAML chair 和一間新創公司 Pruna 合作開設（chair 的教授是 co-founder）。TUM Informatics 的 Practical Course 都是 10 學分，基本上都是由一個小組完成一個semester project。</p><p>我們的專案主要是嘗試各種 World Model 的優化方法。我們試了 Quantization、Penalization，以及各種 Caching 方法。沒有太多新的 idea，比較像是從其他人的研究中找出可行的方法來實作。</p><p>我覺得這門課最好的地方是有提供 H100 的計算資源。整體來說，專案內容也蠻有趣的，是一門很適合累積實作經驗的課。</p><p>本來我還有修其他兩門課，但因為後來覺得太忙了沒時間準備考試加上學分其實夠了就沒去考試。不過還是想說也分想一下心得：</p><blockquote><em>CIT4230003 </em>Advanced Machine Learning: Deep Generative Models</blockquote><blockquote><em>學分：3ECTs</em></blockquote><blockquote><em>難度：⭐️⭐️⭐️⭐️(只看上課內容、作業)</em></blockquote><p>這一門課比較偏重數學，主要是在拆解生成是模型背後的數學原理，會應用到不少機率相關的知識。有五次習題不算分，題目我覺得中等難度。另外有三次程式作業，會依完成比例給bonus。個人覺得算是一堂不錯的課，內容不多但需要花時間理解。</p><blockquote><em>CIT423001 </em>DevOps: Engineering for Deployment and Operations</blockquote><blockquote><em>學分：6ECTs</em></blockquote><blockquote><em>難度：⭐️⭐️(只看上課內容、專案)</em></blockquote><p>這一門課包含上課及專案兩部分，上課時間在週五，上課教材都會上傳。因為我週五要上班所以都沒有去上課。講義直接看會覺得好像都在背東西，想修的人還是去上一下課比較好。</p><p>專案是三個人一組，是做一個小的app。但比起app做得如何我覺得助教更注重有沒有將上課教的結合在開發的過程中。雖然上到一半就決定棄修這門了，但為了不要拋下隊友還是有把專案做完。這門課除了本科生我覺得也很適合外系想跨領域的來修。</p><p>這學期過得蠻充實的，除了修課做project之外還開始做Working Student。兩學期修下來覺得一學期35–45 ECTs剛剛好，然後要平衡一下project的數量不然期末擠在一起會很忙。</p><p>以上就是我這學期修的幾門課的修課心得，如果對我們系的課程有什麼問題都歡迎來問我（chenglin2b30@gmail.com）</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d17639f2236e" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[TUM Study Notes — WiSe 25/26]]></title>
            <link>https://medium.com/@a0909570109/tum-study-notes-wise-25-26-c426e40e0b5c?source=rss-6726ade0c109------2</link>
            <guid isPermaLink="false">https://medium.com/p/c426e40e0b5c</guid>
            <dc:creator><![CDATA[Carson Chen]]></dc:creator>
            <pubDate>Sat, 11 Apr 2026 12:46:40 GMT</pubDate>
            <atom:updated>2026-04-13T07:53:24.653Z</atom:updated>
            <content:encoded><![CDATA[<blockquote>This article was originally written in Mandarin and later translated into English.</blockquote><blockquote>Following is the link for Mandarin version:</blockquote><p><a href="https://medium.com/@a0909570109/tum-%E7%95%99%E5%AD%B8%E7%AD%86%E8%A8%98-2025%E7%A7%8B%E5%AD%A3%E5%AD%B8%E6%9C%9F%E4%BF%AE%E8%AA%B2%E7%B4%80%E9%8C%84-d5b1e8807bcc">TUM 留學筆記 2025秋季學期修課紀錄</a></p><p>After finishing my bachelor’s degree in Taiwan, I was fortunate enough to return to this place full of great memories. This time, however, I’m here as a full-time graduate student, so my mindset has and should definitely changed — I can’t be as carefree as I was during my exchange.</p><p>I’m also really grateful to my past self during the exchange period. I completed six courses (33 ECTS in total), all of which were successfully transferred to my master’s degree. In particular, <strong>Machine Learning</strong> and <strong>Introduction to Deep Learning</strong> gave me a very solid foundation for my future studies.</p><p>Since TUM Informatics offers a huge number of courses and there’s still relatively limited information online, I decided to write down my course reviews to help future students. In addition to this semester’s courses, I’ll also include a few courses I took during my exchange. Some courses are omitted simply because I no longer remember them clearly.</p><blockquote><strong>Note 1:</strong> The German grading system ranges from 1.0 (best) to 5.0 (fail), with 4.0 being the passing threshold.<br><strong>Note 2:</strong> Most lecture-based courses in Germany are graded entirely based on the final exam — so yes, it’s intense :)<br><strong>Note 3:</strong> Some courses are labeled with <em>(THEO)</em>, which indicates theoretical courses. For the TUM MSc Informatics program, you are required to complete at least 10 ECTS in such courses. These are usually more math-heavy and challenging.</blockquote><h3>Courses Taken During Exchange</h3><blockquote><strong>IN2064 Machine Learning (ML)</strong></blockquote><blockquote><strong>ECTS: 8<br>Grade: 2.0<br>Difficulty: ⭐️⭐️⭐️⭐️</strong></blockquote><p>This is an introductory course to Machine Learning and a prerequisite for many advanced AI-related courses. It is taught by Prof. Stephen Günnemann.</p><p>The course covers topics ranging from Bayesian methods and SVMs to neural network training, with a strong emphasis on mathematical foundations. I think the professor strikes a very good balance — not overly abstract, but still rigorous enough.</p><p>There are weekly problem sets (not graded), but they are very important since exam questions are often based on them and focus heavily on mathematical derivations and proofs.</p><p>Past exams are provided before the final. If you go through them and review the weekly exercises, you should be well-prepared. Although the grade distribution might look intimidating, I believe many students take this course just to try their luck. If you study seriously, passing is definitely achievable. Highly recommended for anyone interested in ML.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2STSrHmIaaf0RotY_pai3g.png" /><figcaption>WiSe 23/24-IN2064 Machine Learning</figcaption></figure><blockquote><strong>IN2346 Introduction to Deep Learning (I2DL)</strong></blockquote><blockquote><strong>ECTS: 6<br>Grade: 2.7<br>Difficulty: ⭐️⭐️⭐️</strong></blockquote><p>Another core course in the AI track, and even more popular due to the widespread use of deep learning across fields.</p><p>Compared to ML, this course focuses more on training neural networks. It is taught by Prof. Matthias Niessner, a well-known researcher in visual computing.</p><p>The course emphasizes conceptual understanding. While there is some memorization required, it’s not overwhelming. The exam questions are quite flexible — getting a high grade is not easy, but passing is manageable.</p><p>There are optional coding assignments that provide bonus points (which I didn’t do). Overall, this is also a highly recommended course, especially for students from non-CS backgrounds.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4x5TeBSyl3OY3ooAzn5ABw.png" /><figcaption>WiSe 23/24-IN2346 Introduction to Deep Learning</figcaption></figure><blockquote><strong>IN2323 Machine Learning for Graph and Sequential Data (MLGS)</strong></blockquote><blockquote><strong>ECTS: 5<br>Grade: 3.7<br>Difficulty: ⭐️⭐️⭐️⭐️</strong></blockquote><p>Also taught by Prof. Stephen Günnemann, this is a more advanced ML course covering topics such as RNNs, Transformers, GNNs, and robustness.</p><p>It assumes prior knowledge of ML. One key difference from introductory courses is that more complex models are introduced and explained in a modular (block-based) manner.</p><p>The course is still math-heavy but includes more conceptual and memorization-based content, such as model architectures and comparisons.</p><p>There are ungraded exercises and a small bonus project. After completing this course, you should be able to read ML papers at a basic level.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BY_rMRFOzySAuZHXy_AmiA.png" /><figcaption>SoSe 23/24-IN2323 Machine Learning for Graph and Sequential Data</figcaption></figure><h3>Fall Semester 2025 (WiSe 25/26)</h3><p>This semester, I took a total of <strong>49 ECTS</strong>, including:</p><ul><li>4 informatics courses (23 ECTS)</li><li>1 elective (6 ECTS)</li><li>2 practical courses (20 ECTS total)</li></ul><blockquote><strong>IN2026 Visual Data Analytics</strong></blockquote><blockquote><strong>ECTS: 5<br>Grade: 2.0<br>Difficulty: ⭐️⭐️</strong></blockquote><p>This course focuses on data visualization, including visualization techniques and interpolation methods.</p><p>There are regular (ungraded) exercises. The content leans more toward memorization (around 60%) with some basic math.</p><p>There is also an optional assignment that introduces visualization tools. Completing it grants a +0.3 bonus to the final grade.</p><p>Overall, this course is relatively easy — following the slides is usually enough to pass.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*c0_L55CwuNW6tW1WonX9gQ.png" /><figcaption>WiSe 25/26-IN2026 Visual Data Analytics</figcaption></figure><blockquote><strong>CIT423000 Scientific Computing and Machine Learning</strong></blockquote><blockquote><strong>ECTS: 5<br>Grade: 2.0<br>Difficulty: ⭐️⭐️⭐️</strong></blockquote><p>This course is somewhat unique. It mainly covers scientific computing methods and their connections to machine learning.</p><p>The content is ranges very wide, from ODEs and PDEs to more recent topics like neural operators are included. However, one downside is that the pace is quite fast and explanations can feel somewhat shallow, making the mathematical rigor less satisfying at times.</p><p>The instructor mentioned that the course will likely be split into two in the future, which should improve depth and clarity.</p><p>There are 6 coding assignments (on Artemis). Scoring more than 50% overall gives a +0.3 bonus. The assignments are well-designed with templates and clear instructions.</p><p>The exam allows one cheat sheet. Overall, getting a high grade is challenging, but passing is manageable.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*b_5uTlDleAVBnYJyJxuesg.png" /><figcaption>WiSe 25/26-CIT423000 Scientific Computing and Machine Learning</figcaption></figure><blockquote><strong>IN2381 Introduction to Quantum Computing (THEO)</strong></blockquote><blockquote><strong>ECTS: 5<br>Grade: 2.3<br>Difficulty: ⭐️⭐️⭐️⭐️</strong></blockquote><p>This course introduces the fundamentals of quantum computing. It feels quite abstract at first — and honestly, still somewhat abstract even after finishing it.</p><p>The course challenges classical intuition, but it doesn’t require much physics background. Instead, it relies more on math, especially complex numbers and trigonometry.</p><p>Weekly problem sets are provided and are very important for the exam. Sometimes, a bit of mathematical intuition is needed.</p><p>No bonus opportunities are offered. One cheat sheet is allowed in the exam, and past exams are provided.</p><p>Overall, this is a challenging course that requires solid preparation, but I personally found it interesting. The workload is reasonable, and it’s a good option for fulfilling THEO requirements.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*U2hl7dAOHf6NpsEVmyKVNw.png" /><figcaption>WiSe 25/26-IN2381 Introduction to Quantum Computing</figcaption></figure><blockquote><strong>IN2410 Causality (THEO)</strong></blockquote><blockquote><strong>ECTS: 8<br>Grade: 1.3<br>Difficulty: ⭐️⭐️⭐️⭐️⭐️</strong></blockquote><p>This is the most difficult course I took this semester.</p><p>It focuses on deriving causal relationships using rigorous mathematical frameworks. The course covers foundational math and various causal models, eventually teaching how to formally infer causality.</p><p>It’s a very interesting course, but can be quite challenging for students who are not comfortable with math. Some topics (e.g., measure theory) are not typically covered in undergraduate calculus in Taiwan.</p><p>Weekly (ungraded) exercises are provided. The final exam allows one handwritten cheat sheet.</p><p>Overall, the exam is very difficult, but the course is extremely solid and rewarding.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gw7dCjLifMDjb9o_phB7WA.png" /><figcaption>WiSe 25/26-IN2410 Causality</figcaption></figure><blockquote><strong>WI001056 Principles of Economics</strong></blockquote><blockquote><strong>ECTS: 6<br>Grade: 1.7<br>Difficulty: ⭐️</strong></blockquote><p>This was one of my elective courses, covering basic supply-demand relationships and market concepts.</p><p>I only started studying two days before the exam, but since I had taken economics before, it wasn’t too difficult.</p><p>Practice problems and two mock exams were provided. Although I didn’t finish all of them, the format was almost identical to the actual exam.</p><p>The exam consists of 40 multiple-choice questions. Overall, it’s quite easy to pass if you prepare properly.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*U905vACUJpXn5B1EmSHlTg.png" /><figcaption>WiSe 25/26-WI001056 Principles of Economics</figcaption></figure><blockquote><strong>IN2107 Practical Course (2 Courses)</strong></blockquote><blockquote><strong>ECTS: 10 each<br>Grade: 1.3 /1.0<br>Difficulty: ⭐️⭐️⭐️</strong></blockquote><p>In addition to lectures, I also took two practical courses designed to improve hands-on skills.</p><p>My projects this semester were on diffusion models for patient data synthesis and robust AI, both of which were very interesting topics.</p><p>Each course requires completing a project under the supervision of a PhD student. Weekly progress is expected, making the workload quite heavy — which explains the high ECTS.</p><p>Despite the workload, these courses provide valuable practical experience and useful skills. I highly recommend taking them.</p><h3>Final Thoughts</h3><p>That’s a summary of the courses I took this semester.<br>If you have any questions about the program or courses, feel free to reach out:</p><p>📧 chenglin2b30@gmail.com</p><p>Thanks for reading :)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c426e40e0b5c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[TUM 留學筆記 2025秋季學期修課紀錄]]></title>
            <link>https://medium.com/@a0909570109/tum-%E7%95%99%E5%AD%B8%E7%AD%86%E8%A8%98-2025%E7%A7%8B%E5%AD%A3%E5%AD%B8%E6%9C%9F%E4%BF%AE%E8%AA%B2%E7%B4%80%E9%8C%84-d5b1e8807bcc?source=rss-6726ade0c109------2</link>
            <guid isPermaLink="false">https://medium.com/p/d5b1e8807bcc</guid>
            <dc:creator><![CDATA[Carson Chen]]></dc:creator>
            <pubDate>Sat, 11 Apr 2026 12:43:40 GMT</pubDate>
            <atom:updated>2026-09-28T00:56:56.868Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*QQgM35HOTpu9CTMPmuG5YA.jpeg" /><figcaption>19.01.2026 Aurora at Luitpoldpark, Munich</figcaption></figure><p>在台灣完成學士學位後，很幸運能再次回到這個充滿美好回憶的地方。只是這次回來是為了留學念書，心態上也有所轉變，不能再像交換時那樣隨心所欲了。</p><p>同時也很感謝當時交換的自己，修了六門課、共 33 學分並成功認抵。尤其是ML跟I2DL兩門課讓我覺得收穫很大，也為之後修課打了一定的基礎。</p><p>由於 TUM Informatics 的課程選擇非常多，網路上對各門課的評價仍然相對有限，因此我打算記錄自己的修課心得，提供給有需要的學弟妹作為參考。除了本學期的課程外，也會補充幾門交換期間修過的課；有些課程因為印象已經有點模糊，就不另外列出了。</p><blockquote>Note 1: 德國成績計算是1.0-5.0制，最高1.0最低5.0，其中4.0以上（含）算是及格。</blockquote><blockquote>Note 2: 德國大部分的課（lecture)都是100%期末考決定，以下沒特別講的課都是這個模式，十分地刺激:)</blockquote><blockquote>Note 3: 有些課學分旁邊會標示(THEO)，這是因為TUM MSc. Informatics有一條畢業規定是要修到至少10ECTs的理論課(THEO)，通常這種課都比較多數學也比較難。</blockquote><p>以下為幾門交換期間修過的課：</p><blockquote>IN2064 Machine Learning(ML)</blockquote><blockquote>學分：8ECTs</blockquote><blockquote>成績：2.0</blockquote><blockquote>難度：⭐️⭐️⭐️⭐️</blockquote><p>這門課是 Machine Learning 的入門課程，如果之後想往 AI 領域發展，許多進階課程都會要求先修過這門課。授課教授是 Stephen Günnemann。課程內容涵蓋 Bayesian、SVM 到 NN training 等主題，整體偏向數學導向。</p><p>我認為老師在數學深度的拿捏上做得很好，既不會過於艱深難懂，也不會過度簡化而失去重點。每週都有不計分的習題，但考試內容多半會從中延伸，且偏向數學推導與證明。</p><p>考前會提供歷屆試題，只要寫完考古題並複習每週習題，其實就足以應付考試。雖然這門課的成績分佈可能會讓不少人卻步，但由於修課人數很多，我猜其中也包含不少抱著嘗試心態的學生，因此只要認真準備，要通過並不困難。對於有志於學習 ML 的同學來說，非常推薦修習這門課。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2STSrHmIaaf0RotY_pai3g.png" /><figcaption>WiSe 23/24-IN2064 Machine Learning</figcaption></figure><blockquote>IN2346 Introduction to Deep Learning(I2DL)</blockquote><blockquote>學分：6ECTs</blockquote><blockquote>成績：2.7</blockquote><blockquote>難度：⭐️⭐️⭐️</blockquote><p>這門課同樣是 AI 領域的重要基礎課程之一，而且由於深度學習在許多領域都有應用，因此修課人數更多。</p><p>與 Machine Learning 相比，這門課主要著重在神經網路的訓練。授課教授是 Matthias Niessner，是 Visual Computing 領域相當知名的學者。</p><p>課程重點在於理解，雖然有部分需要記憶的內容，但比例不高。考題相當靈活，我個人覺得要拿高分不容易，但通過並不困難。學期間還有加分的 coding 作業，但我那時候沒有做就是了。</p><p>整體來說，這門課也非常推薦修習，而且相較於前一門課，對於跨領域的學生更加友善。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4x5TeBSyl3OY3ooAzn5ABw.png" /><figcaption>WiSe 23/24-IN2346 Introduction to Deep Learning</figcaption></figure><blockquote>IN2323 Machine Learning for Graph and Sequential Data(MLGS)</blockquote><blockquote>學分：5ECTs</blockquote><blockquote>成績：3.7</blockquote><blockquote>難度：⭐️⭐️⭐️⭐️</blockquote><p>這門課同樣由Stephen Günnemann教授授課，內容屬於進階 Machine Learning，主要涵蓋 RNN、Transformer、GNN 等主題，也包含部分 robustness 的內容。</p><p>由於是進階課程，會假設學生已具備基礎的 ML 知識。與基礎 ML 課程的一大不同在於，這門課會接觸到更複雜的模型，並且常以「模組（block）」的方式進行講解，將模型拆解成多個部分來分析。</p><p>整體而言，這門課仍然偏重數學，但同時也增加了一些需要記憶的內容，例如經典模型的設計與比較。</p><p>課程設有不計分的練習題，以及完成後可獲得加分的小型 project。修完這門課後，基本上已具備閱讀 Machine Learning 論文的能力。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BY_rMRFOzySAuZHXy_AmiA.png" /><figcaption>SoSe 23/24-IN2323 Machine Learning for Graph and Sequential Data</figcaption></figure><p>以上是我在交換時修的其中幾門課，下面是我在2025秋季正式來慕尼黑念碩士之後修的課。整學期總共49學分(ECTs)，包含四門系上專業課一共23學分，一門彈性選修6學分，以及兩門10學分的專案課一共20學分。</p><blockquote>IN2026 Visual Data Analysis</blockquote><blockquote>學分：5ECTs</blockquote><blockquote>成績：2.0</blockquote><blockquote>難度：⭐️⭐️</blockquote><p>這門課主要介紹如何將資料進行視覺化，包括各種視覺化方法，以及數學上一些 interpolation 技巧。平常會有一些課程練習題（不算分），內容我覺得需要記憶的部分稍多（約60%），剩下是一些簡單的數學。</p><p>課程中包含一個小作業，主要讓學生熟悉資料視覺化相關的軟體。這份作業並非強制，但完成後可以在期末總成績中 加 0.3 分 bonus。</p><p>整體而言，我認為這門課的難度 中等偏簡單，只要認真跟著 slides 學習，要通過並不困難。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*c0_L55CwuNW6tW1WonX9gQ.png" /><figcaption>WiSe 25/26-IN2026 Visual Data Analytics</figcaption></figure><blockquote>CIT423000 Scientific Computing and Machine Learning</blockquote><blockquote>學分：5ECTs</blockquote><blockquote>成績：2.0</blockquote><blockquote>難度：⭐️⭐️⭐️</blockquote><p>這門課的定位有點微妙，主要內容是科學計算的方法，並延伸到與 Machine Learning 的連結與應用。</p><p>課程涵蓋範圍非常廣，從常見的 ODE、PDE，一直到近年才發表的neural operator都有所介紹。然而我認為一個小缺點是課程節奏偏快且講解不夠細緻，因此在學習時有時會覺得數學推導不夠嚴謹，或是老師講解跳躍較大。</p><p>不過老師也在學期末提到，未來會將這門課拆分成兩門，讓內容可以講得更完整、更深入，相信未來的教學品質會進一步提升。</p><p>課程包含 6 次 coding 作業，只要總分超過一半，即可在期末成績中 加 0.3 分 bonus。coding作業是在Artemis平台上進行的，會給template並標注要完成的部分，設計上十分細心而且品質很好。</p><p>考試允許攜帶一張 cheat sheet。整體來說，我覺得這門課要拿高分有一定難度，但要通過不算困難。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*b_5uTlDleAVBnYJyJxuesg.png" /><figcaption>WiSe 25/26-CIT423000 Scientific Computing and Machine Learning</figcaption></figure><blockquote>IN2381 Introduction to Quantum Computing</blockquote><blockquote>學分：5ECTs (THEO)</blockquote><blockquote>成績：2.3</blockquote><blockquote>難度：⭐️⭐️⭐️⭐️</blockquote><p>這門課主要介紹量子計算的基本原理。剛開始接觸時會覺得相當抽象，甚至學完整體仍然帶有一定的神祕感。</p><p>課程內容在某種程度上會顛覆對傳統物理的直覺理解，但其實不需要太多物理背景，反而比較依賴數學能力，例如複數與三角函數在計算中經常出現。每一週都會有一份練習卷，內容對考試十分重要，有時候會需要一些數學直（通）覺（靈）。</p><p>這門課沒有額外的加分機會，考試時可以攜帶一張 cheat sheet。老師在考前提供了不少考古題，完成這些題目可以幫助掌握考試方向。不過整體而言，課程內容仍具有相當難度，因此考前需要投入不少時間準備。</p><p>對我來說這門課蠻有趣的，Loading也十分剛好。以THEO來說算是不錯的一門課。但如果對量子計算真的有興趣的話，我們學校物理系好像有教更深入的課程。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*U2hl7dAOHf6NpsEVmyKVNw.png" /><figcaption>WiSe 25/26-IN2381 Introduction to Quantum Computing</figcaption></figure><blockquote>IN2410 Causality</blockquote><blockquote>學分：8ECTs (THEO)</blockquote><blockquote>成績：1.3</blockquote><blockquote>難度：⭐️⭐️⭐️⭐️⭐️</blockquote><p>這門課是本學期我認為 最困難的一門課，主要透過嚴謹的數學方法來推導因果關係。課程內容包含基礎數學工具，以及各種用來描述與分析因果關係的模型，最終會教導學生如何推導事件之間的因果關係。</p><p>這門課本身非常有趣，但對於不喜歡數學的同學來說可能會較為吃力，尤其是部分數學內容在台灣的大學微積分課程中較少涉及(像是measure theory)。</p><p>每週會發放一份不計分的練習題，供學生檢視學習成果。期末考試允許攜帶一張手寫 cheat sheet。整體來說，考試難度相當高，但內容也非常扎實且有深度，是一門具有挑戰性但收穫豐富的課程。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gw7dCjLifMDjb9o_phB7WA.png" /><figcaption>WiSe 25/26-IN2410 Causality</figcaption></figure><blockquote>WI001056 Principles of Economics</blockquote><blockquote>學分：6ECTs</blockquote><blockquote>成績：1.7</blockquote><blockquote>難度：⭐️</blockquote><p>這門課屬於我彈性選修學分中的課，內容主要涵蓋基本的供給與需求關係，還有一些市場相關的內容。</p><p>其實我是考試前兩天才把講義載下來開始唸，但因為大學就有修過經濟學原理跟個體經濟學，所以學習起來沒有什麼問題。講義的內容和我在大學學的有些地方不太一樣，但背後的邏輯其實都差不多。</p><p>老師每單元都有提供一些習題，最後也有給兩回模擬考題練習用，不過我時間有限沒有全部做完，但和考試的題型基本上一模一樣。考試形式為 40 題選擇題，整體難度不高。只要有認真完成習題，基本上都能順利通過。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*U905vACUJpXn5B1EmSHlTg.png" /><figcaption>WiSe 25/26-WI001056 Principles of Economics</figcaption></figure><blockquote>IN2107 Practical Course（兩門）</blockquote><blockquote>學分：各10ECTs</blockquote><blockquote>成績：1.3/1.0</blockquote><blockquote>難度：⭐️⭐️⭐️</blockquote><p>除了上述課程外，我另外修了兩門 Practical Course。這類課程主要是系上為了培養學生實作能力而設計的。</p><p>我這學期的期中一門是有關Diffusion on Patient Data Synthesis的，另外一門是有關Robust AI的，兩門都是蠻有趣的主題。</p><p>每門課都需要完成一個專案，並由一位博士生擔任指導老師。由於每週都需要穩定產出進度，整體課業負擔不小，這也反映在每門課高達 10 學分的設計上。</p><p>儘管 workload 較重，但能夠累積相當多實用的技能與實務經驗，因此我個人非常推薦修習這類課程。</p><p>以上就是我這學期修的幾門課的修課心得，如果對我們系的課程有什麼問題都歡迎來問我（chenglin2b30@gmail.com）</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d5b1e8807bcc" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[清大出國交換申請心得I：事前準備與校內申請流程]]></title>
            <link>https://medium.com/@a0909570109/%E6%B8%85%E5%A4%A7%E5%87%BA%E5%9C%8B%E4%BA%A4%E6%8F%9B%E7%94%B3%E8%AB%8B%E5%BF%83%E5%BE%97i-%E4%BA%8B%E5%89%8D%E6%BA%96%E5%82%99%E8%88%87%E6%A0%A1%E5%85%A7%E7%94%B3%E8%AB%8B%E6%B5%81%E7%A8%8B-5f51718391aa?source=rss-6726ade0c109------2</link>
            <guid isPermaLink="false">https://medium.com/p/5f51718391aa</guid>
            <dc:creator><![CDATA[Carson Chen]]></dc:creator>
            <pubDate>Mon, 18 Sep 2023 17:57:12 GMT</pubDate>
            <atom:updated>2023-09-18T18:01:47.879Z</atom:updated>
            <content:encoded><![CDATA[<p>我是清大大學部25級的學生，2023年9月即將飛到歐洲交換。從進大學時就夢想著能到其他國家交換走走看看，也因此大一就有陸續開始一些準備。這一篇將會介紹我如何準備申請、申請的流程以及如何選學校的。</p><h4><strong>大綱</strong></h4><ul><li>申請前的準備</li><li>申請流程</li><li>學校及志願選擇</li></ul><h4>申請前的準備</h4><p>因為交換的名額有限，因此學校會有一套篩選的過程。一開始要將申請資料送到自己系的系辦，之後系辦會把資料交給院辦，院辦最後會通知你的院排名為多少。而這一個院排名會影響你之後在選填志願及分發。而至於院排名如何排出來其實查不太到一個詳細的標準，但應該跟你的前一年的課業成績、推件信以及其他繳交的文件等有不小的關連。</p><p>當時申請我所繳交給系辦的文件如下：</p><ul><li>個人資料表</li><li>修課規劃</li><li>成績單</li><li>推薦信</li><li>語言證明</li><li>其他身份證明文件（像學生證影本等等）</li></ul><p>個人資料表跟修課規劃其實是同一份，有需要可以到<a href="https://oga.site.nthu.edu.tw/p/412-1524-18680.php?Lang=zh-tw"><strong>清大全球處</strong></a>的網站找。建議可以先依自己的喜好跟能力找幾間學校當作目標，並去查他們的課程來寫修課計畫。修課計畫不是上了之後一定要修的課，只是讓你提前做功課並對那間學校科系開的課有一些了解。有關選擇學校的部分在後面的段落有說明。</p><p>成績單可以到校本部行政大樓收發室旁的自助影印機印（旺宏圖書館外有沉思者的那側門出來對面），記得要帶錢，繳完費就可以直接拿到。</p><p>我當時申請的時候是大一升大二的暑假，因為還沒進實驗室也跟自己的導師沒有到很熟，因此我當時是請大一下修的某一門課的授課教授幫忙寫。當時我選的方式是找我覺得我表現最好的一門系上的必修課。如果有教授對你特別印象深刻（而且是好的那種），可以考慮找他。不然找導師也是不錯的選擇。我自己遇到系上的教授都很鼓勵學生有機會能出國交換看看，也都很樂意幫忙。</p><p>語言證明的部分一般大家都是考托福或雅思，有些國家的學校可以接受或指定一定要第二外語的證明。像是日本、法國就不少學校需要日檢、法檢。如果自己本身原本就會一點第二外語，而目標的學校也參採的話，那考第二外語檢定是個不錯的選擇。通常只認第二外語的學校競爭程度也較低，像是法國的學校普遍需要法檢，因此比較少人會去選填。（但日本例外，日本太多人搶了XD）</p><p>如果要準備檢定，建議衡量自己的底子跟時間來安排讀書計畫。學校給的最低門檻不難（TOEFL iBT 79 (不接受My Best Score) / IELTS 6.0），要注意的是有些學校會有自己的標準，像是我記得新加坡的南洋理工大學（NTU sg）就要求托福要90以上。如果已經有一些目標交換學校的口袋名單，可以先查查他們有沒有特殊的要求。</p><p>另外有些學校開課分為英語授課跟當地官方語言授課，如果想要修非英語授課的課的話，也要先查好那間學校對於修課所要求的外語檢定成績。如果要申請獎學金，那每學期須修三門（大學部）自己領域相關的課（研究所只要一門）。如果目標的學校開的課很多都是用第二外語（當地語言），而自己第二外語程度又不夠的話，可能要想看看自己是否能及時將自己的第二外語能力提升到能修課的程度，不然就要重新考慮一下自己目標的學校。</p><p>個人非常建議再申請前的暑假先上網查一下交換校的資訊，並從中選出幾間當作口袋名單。選校的考量每個人都大不相同，但不外乎是以下幾點。</p><ul><li>個人對交換地點的偏好（地理位置、語言、治安、物價等等）</li><li>學校對應系所排名、名聲</li><li>學校對應系所開的課程多元性、難度以及授課語言</li><li>學校的競爭程度</li></ul><h4>申請流程</h4><p>通常交給系辦的文件都是8月開始開放申請，9月中到10月初截止。建議不要壓線，能提早準備就提早準備。</p><p>語言檢定當初我是大一上就開始弄，每週花一點零碎的時間背背托福單字。到了升大二的暑假才去考。聽說最近托福考試上有做大更新，總時長變短了。我有去考的朋友普遍成績都不錯，但也聽到說有些人比較偏好雅思，這部分就看個人抉擇了。不過一樣不建議壓線考，因為我個人覺得這種考試很吃當下的狀況，除非對自己程度有一定的信心，不然預留一段時間假如第一次成績不理想還可以拚第二次。</p><p>推薦信可以的話大概8月中或底左右可以先詢問教授看是否能幫忙寫推薦信，我想大部分教授都很樂意幫忙寫。</p><p>還是非常建議想交換的暑假可以花一點時間研究要交換的學校科系、課程、以及一些相關規劃。有空可以多看看學長姐的心得，心得全球處網站有連結。申請表要寫的東西說實在沒有很多，不過有空也可以先寫。不知道從何研究起的，可以先把全球處網站上的資料看一看。</p><p>進<a href="https://oga.site.nthu.edu.tw/">全球處網站</a>後在交換計畫下面點海外交換計畫（去訪）</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0puA5WiMmTXQ3FgbYyQR1A.png" /></figure><p>點進去後可以看到上方（橘色框框）有許多按鈕可以選，分別連結到不同的資訊頁面</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oInRu1RubNMsp2ImpTMGLg.png" /></figure><p>直接往下滑會看到下面有不少資訊及連結，其中綠色框框的地方點進去分別可以連到交換系統及歷年的姐妹校熱門程度參考表。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*M_wQ86wU_XRF04h0cvsL2A.png" /></figure><p>以上是一些我覺得比較重要的資訊，但還是建議是把整個網站上跟交換有關的資訊仔細的看一遍。</p><p>找好目標的學校後就可以到該校的網站上查課程了，這個部份是最麻煩且最耗時的，因爲學校關於交換的資訊很可能散落在不同網站上。以我去交換的TUM為例，關於國際交換生綜合相關的資訊會在TUM Global &amp; Alumi Office 網站的其中一個子頁面<a href="https://www.international.tum.de/en/global/comingtotum/tumexchange/"><strong>Study at TUM with TUMexchange</strong></a>裡。而我去交換的科系的相關資訊則在<a href="https://www.cit.tum.de/en/cit/home/">TUM School of CIT</a>網站中<a href="https://www.cit.tum.de/en/cit/studium/internationales/informatics-incoming/"><strong>Studies-&gt;Internationals-&gt;Informatics Incoming</strong></a>的地方找到。而開設的課程及課程資訊則又會在<a href="https://campus.tum.de/tumonline/ee/ui/ca2/app/desktop/#/login"><strong>TUM Online</strong></a>上。總而言之會需要花不少時間做功課。找好學校看好課程後就可以開始填表寫修課計畫了。</p><p>接下來開學後在時間內交到系辦，之後就是等院排名出來。我們這年院排名是在10月底出來，每個院寄信的時間都不太一樣。出來之後很快的11月初就要進行第一輪的志願填，12月初公告結果。之後好像還有第二輪，就是第一輪沒滿的學校再填一次。我自己因為第一輪就上了所以第二輪的相關時程不是很清楚，想知道的一樣可以到全球處網站查。</p><p><strong>學校及志願選擇</strong></p><p>11月初的時候會有約一個禮拜可以填志願。每一個人只能填一次，至少可以填兩個志願，最多能填幾個有點忘了。不過大多數熱門的名額都會在第一輪就被選完，因此建議第二志願就填一個保底的。另外選志願時就要決定要去一學期還是兩學期，以及如果要一學期是上學期去還是下學期去。我當初有寫信問全球處當一個學校<strong><em>同志願選填人數 &gt; 剩餘名額 </em></strong>時會如何篩選，得到的回覆是<strong><em>以院排序為優先考量，其他資料各院委員會再審核</em></strong>。因此大家在院排出來時就可以開始想自己口袋名單的學校哪一間比較有機會上。</p><p>在暑假時就可以陸續看看清大有簽約的姐妹校。要注意不是每個姐妹校都會在當年有開名額，也有些學校會限定只有研究所或特定科系才能去。建議可以先從想去國家或地點開始慢慢查，然後自己先列出第一志願跟第二以後志願的學校清單。到了選志願的那個時間點可能恰逢某些課要段考，因此不太建議到那時才開始從頭研究。我自己那時候因為想說大二沒申請到大三可以再一次，所以只選了大概五間我自己非常想去的。但如果沒有打算要再等一年的話，保底的學校還是找個幾間比較好。</p><p>各個學校的熱門程度如上面提到的全球處有一個excel檔案可以參考，不過每年的狀況都不太一樣。我覺得比較有幫助的是那年我們有一個交換的Line群組（非官方，學生自己創的），有要填志願的可以在上面分享自己的院排名跟想填的學校。系統上只能看到當前某個學校分別有多少人填第一志願跟第二志願，但看不到填的人所屬的院跟院排。因此如果可以互相交流彼此的資訊可以讓志願比較不容易被浪費。<strong>不過這種匿名的方式可能有真實性的問題，所以大家要再權衡一下。</strong></p><p>這篇大概到這邊，希望能對看的人有所幫助。如果夠多人讀我再寫第二篇關於分發後要做的事。</p><p><strong>感謝好友yccj、CC幫忙審稿，也祝他們今年申請順利。</strong></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5f51718391aa" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[110台大資管面試心得]]></title>
            <link>https://medium.com/@a0909570109/110%E5%8F%B0%E5%A4%A7%E8%B3%87%E7%AE%A1%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97-562390653b60?source=rss-6726ade0c109------2</link>
            <guid isPermaLink="false">https://medium.com/p/562390653b60</guid>
            <dc:creator><![CDATA[Carson Chen]]></dc:creator>
            <pubDate>Mon, 05 Sep 2022 16:10:51 GMT</pubDate>
            <atom:updated>2023-09-18T14:44:49.540Z</atom:updated>
            <content:encoded><![CDATA[<p>本來二階結束就該寫的因為偷懶拖到現在都要升大二了才發。想當初我在準備二階跟決定志願時，也是翻遍了ptt、Dcard跟Medium上所有和台大資管相關的文章，我很感謝那些願意分享心得的人，他們的建議給了我不少的幫助。雖然後來我沒有去台大，但還是想把自己的經驗寫下來讓有需要的人參考。那我們就開始吧！</p><h3>事前準備</h3><p>先講備審(審查)資料的部分好了。我是舊課綱末代，下一屆開始才有學習歷程這個東西。我不太了解學習歷程的制度是怎樣。(但我猜性質應該差不多?)我們當時的備審分為好幾個部分，主要就是高中成績單、簡歷、自傳&amp;申請動機、讀書計畫跟其他有利審查資料等等這幾類。</p><p>我自己事後有跟朋友比對二階的成績(不只台大資管，還有台清交的一些其他系)，我們發現在校成績其實占書審很大的部分。尤其我個人覺得清交比起台大更重在校成績一點。其他有利審查資料大多是一些競賽、檢定的成績，這部分也是看你三年來的累積。最後是自傳跟申請動機的部分，這方面我自己是平鋪直述地把自己的經歷、個性、興趣等等寫出來。我覺得不要寫得太誇張、讓教授覺得你在唬爛應該分數應該都不會太低。這方面網路上也是有許多資源能參考。</p><p>講完備審講講如何準備面試。根據過往經驗，面試會包含中英文的自我介紹跟問答，其實不少校系都是這樣。建議先準備簡短的自我介紹，中文英文都要有，有空可以多了解一些資管領域的相關知識。</p><p>我那時是和一群要面試的同學圍成一圈，互相問對方要面試的科系的相關問題。題目來源主要是網路上的考古題，我們還會互相看對方的備審資料，從中找一些問題來問。這樣做可以訓練台風跟英文發音，以及思考如果被問到這題該怎麼答。我覺得練習的目的是讓你練習口條，特別是像台大資管這種含有英文面試關卡的科系，不常說英文的人剛開始可能會卡卡的，我覺得有練習心裡會有一個底，知道教授問哪種類型的問題大概要怎麼答。</p><p>面試其實跟你交給教授的審查資料很有關係，像那時候第三關教授問的問題就是從我備審上寫的內容去延伸。我當時有在我的資料上有提到虛擬貨幣，而教授沒記錯的話是問我對虛擬貨幣取代一般貨幣的看法。我自己認為這個題目抓得很好，因為如果我只是隨便想到一個聽過的名詞就把它寫在備審上，這題大概回答不出什麼內容。不要懷疑大學教授出題的能力XD。要特別注意的是這關是英文關，因此我覺得英文表達上至少要能夠讓教授清楚知道你的看法。</p><h3>面試當天</h3><p>面試當天建議穿西裝，沒有硬性規定，但大部分的人都會這樣穿，如果不穿可能會顯得有些突兀。在進二階後會上網填面試時段的志願，大家可以依照自己的喜好來選時段。當天會先在一間休息室內集合，等時間到，同一時段面試的會被叫出去集合。</p><p>面試大概15分鐘左右，有三關分別是中文基本問答、數學關跟英文關。每關分別有關分別有ㄧ個小房間，進去後會坐在椅子上，教授會坐在對面。整個過程的氛圍不算太緊張，就像是在跟教授聊天一樣。中文那關我覺得還好，就是一些基本問答，面帶微笑展現熱情不要怯場分數應該就還不錯。數學關是考你臨場解數學的反應。我覺得比起算出正確答案，教授更想看到你解題的思維。我自己在數學關時遇到比較難的問題（相對我有去面試的其他同學），解題的過程十分的卡。但我有不斷地跟教授說明我的思路跟初步的想法，教授也有給我回饋並指出我哪些地方少考慮到。可能是因為這樣面試的分數沒有太差。第三關是英文關。我覺得要盡可能地去把自己想說的東西說明完整，當然前提是說的東西是要有內容的。過程中可能會想不到怎麼講或忘詞，我覺得可以盡量形容到讓教授大致明白你想表達的東西。另外如上所述，我在英文關有一題被問到在被審資料上提到相關的內容。在這裡還是建議要對自己的被審資料有一定的掌握度。當然說話的語調跟台風還是十分重要的。</p><p>面試完就去考數學筆試了，考試過程大概12分鐘，考完就能走了。</p><p>數學筆試範圍大概是到指考，難度我覺得偏簡單，以我那年考的內容來說，顧好課內的內容可以答對個4、5題(總共六題)，這部分是跟面試一起算的，佔比我不清楚。(面試加筆試占總分30%)不過裡面有第六冊的內容（積分），所以學測後進度還是要跟。其實當初我和其他兩個同學有把那六題背出來，本來也打算寫詳解放上來，只是我看網路上已經有人放就不弄了，有興趣就自己去找吧。</p><h3>心得</h3><p>教授們其實人都還不錯，問題也都在合理範圍，不會特別刁難。我覺得最重要的是自己的心態。像我這種超容易緊張的人，即便在考前不斷告訴自己要平常心，正式上場還是心臟跳超快。</p><p>考完的當下我心情其實有點不太好，可能是因為我在數學那關面試表現得不符合自己的期待。不過出來後剛好旁邊有小木屋，我就去買了一個鬆餅然後開心的回家了。</p><p>話說我心得寫的好隨便喔XD</p><h3>後記</h3><p>這是我第一篇發在Ｍedium上的文。寫這個的初衷不只是分享資訊給其他有需要的人，也是記錄自己面對過的一些挑戰。其實這篇文早該發的，但大一的我其實沒什麼心力寫這個，就拖到現在了。希望對看的人有幫助&gt;&lt;</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=562390653b60" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>