但在拿到 Offer 後，我開始反思——是什麼促使我做出了這一切？即使有了 Senior Title，對我的人生真的有幫助嗎？這是我真正想要的嗎？

回顧過去一年

這個結果背後，是過去一年各種準備的累積：

• 每天下班回家刷題、Mock Interview
• 踴躍參加各種活動——黑客松、iThome 鐵人 30、讀書會

可以理解這些行為背後的目的就是要提升自己的能力，讓自己在面試時有好的表現。但仔細想想，這些選擇是怎麼做出來的？

其實我只是在做 Greedy

如果用演算法的角度來看，我只是一直在做 Greedy Approach 的 Selection 而已。

什麼意思？就是在目前的 Observation 底下，我選擇了對自己最有利的行為。

假設下班後只有三個選擇：

1. 去健身房 → 讓自己更健康
2. 回家刷題 → 能找到更好的工作
3. 回家玩遊戲 → 獲得快感與一時的快樂

對去年的我來說，我選了 2，因為這是當時對自己最有利的行為。

「最有利」的定義因人而異，會隨著價值觀而變動，這點之後再聊。

但 Greedy 不保證最佳解

學過演算法的人都知道，Greedy Approach 並不永遠都是最佳解。Greedy 是當下的最優，但可能不是全局的最優。

就像那個經典的胡蘿蔔梗圖——以 Greedy 來說，當然選葉子最茂密的拔，但我們無法保證底下對應的胡蘿蔔就是最大的。

問題的根源在於：我們無法看到完整的 Observation，所以無從得知做哪件事情才是最好的。

Observation 的兩個維度

這裡的 Observation 可以拆成兩個維度：

1. 時間維度——事件的全貌

我們無法得知做了這件事情會如何影響未來。去年每天刷題，讓我拿到了 Senior Offer，但如果那段時間拿去學英文、經營 Side Project、或深耕某個開源社群，三年後的我會不會站在更好的位置？不知道。

2. 視野維度——所有可能的選擇

我們無法得知還有什麼選擇對自己更好。下班後的選項真的只有那三個嗎？也許該去社交、該去學設計、該開始寫作——但這些選項在當時根本不在我的視野裡，自然也不會被選上。

那怎麼辦？放棄嗎？

畢竟我們只是凡人，完整的 Observation 在現實中就是不可能取得的。

但注意一件事：如果我們真的擁有完整的 Observation，那根本不需要 Greedy——直接就能看到最佳解，選就對了。Greedy 之所以存在，正是因為資訊不完整時，我們只能退而求其次，挑當下看起來最好的。

所以真正的問題不是「該不該用 Greedy」，而是：我們能不能讓自己的 Observation 更接近完整？

越接近完整，我們的選擇就越不需要依賴 Greedy 的賭注，越能直接逼近真正的最佳解。

Approximation：逼近我們看不到的東西

在 Computer Science 中有個概念叫 Approximation——找到近似值。

這個概念的應用無處不在。下圍棋時，沒有人能得知盤面的真實勝率，但可以透過訓練或統計的方式取得勝率的近似值，用它來做決策，效果依然很好。無窮小數 1/3 ≈ 0.3333…，近似值可以是 0.34，也可以是 0.33334——後者在實際運算時準確度就高出許多。

重點是：我們不需要完美的答案，只要能逼近，就已經比盲目的 Greedy 好得多。

回到 Observation 的兩個維度，我們能怎麼逼近？

逼近時間維度：看不到未來，但可以模擬

• Simulate in Your Mind：在腦中推演。如果我選了 A，半年後大概會怎樣？一年後呢？不需要精準預測，只需要建立一個粗略但合理的模型。這個模型越精細，你的近似值就越好。
• Learn from History：你看不到自己的未來，但可以看到別人的過去。那些比你早五年、十年走過類似路徑的人，他們的結果就是你最好的參考資料。

逼近視野維度：看不到所有選項，但可以擴展

• Do Exploration：主動去接觸你原本不會接觸的東西。讀不同領域的書、跟不同背景的人聊天、參加你覺得「跟自己無關」的活動。
• Survey：系統性地掃描可能的選項。不是漫無目的地探索，而是帶著問題意識去搜集：「在我這個階段，別人都在做什麼？有哪些路徑是我沒考慮過的？」
• Trial & Error：有些選項的好壞，想再多也不如直接試。試錯的成本往往比你以為的低，而收集到的 Observation 卻是真實的。

回到我自己

重新看去年的自己，我確實是在做 Greedy——在有限的視野裡，挑了看起來回報最高的選項。結果不差，但我沒辦法說這就是最好的。

而現在，寫下這篇文章本身，其實就是一種 Approximation 的嘗試。把腦中模糊的反思具體化，逼自己去建立一個更完整的模型，讓下一次做選擇時，Observation 能比上一次更完整一點。

不需要一步到位，近似值的精度是可以慢慢提高的。

0.34 比亂猜好，0.33334 又比 0.34 好。

重要的是持續逼近。

背景

台中夜市大學畢業，非本科，非應屆(當完兵才考)，系排80% 給有類似背景的參考

成績

建議大家考前不要對答案搞自己心態考，真的會影響考試心情。

動機/準備過程

動機

還記得四年級開始，不知是出於隨波逐流，還是成為社畜前的掙扎，身邊蠻多人紛紛報考了研究所，但想到還要去重讀惡夢電磁電子學，且還不確定自己是否想從事這類行業度過餘生，於是報了個實習先體會一下。不過私立學店出來，其中作性質不難想像，就是每天早8晚5無塵服，然後公司再利用你學士未畢業開底薪給你ㄏㄏ

這邊順便黑一下學校的實習，說好了去”公司”的科技廠上班，然後其實是人頭公司(系辦主任還一直不承認)，把你派發到其他科技廠當人頭，從中賺取酬庸價差，真是傑出的一手。

其實到這也只是萌生個想洗學歷換環境的念頭，選擇資工主要是後來摸了程式設計，寫了幾個APP出來，超有成就感，於是就決定跨考資工了。(那時覺得這就是資工的我真的太天真)

準備過程

畢業後才打算跨考，那時也快7月了，看了看自己的能力，嗯 學店出生、計概三修、系排倒數20%，於是很有自知之明放棄了畢業那年考的想法，跑去申請了提早入伍。

-入伍、退伍、過完年就3月了。

報了補習班，6科0基礎，只有修過線代但就做做3X3反矩陣的程度。 但我覺得這都不是重點，主要是過去的環境導致我根本沒有所謂的”讀書習慣”，開電腦就是玩遊戲，坐在書桌前就想去躺床，這樣下去明年榜上無名 四大皆空不意外會是既定事實。

所以買了補習班課程、K書中心、與火車月票，想藉著規律作息來培養。 不得不說其實”壓力”才是這其中的動力來源，每當想到 1.錢 2.年齡 3.父母，想耍廢都會良心不安。

下面分享一下準備的大致時段，參考就好。

3~6月 瀏覽

本來數位課都隨便亂約，然後去k書中心鬼混一下。 後來發現每天早晚各約一堂，中間時段強迫自己去K書中心複習上過的課，這樣效率還不錯(對我來說)，因為約晚上的課可以抹去K書中心待不下去而提早回家的想法。

上課順序: 其實我約課都是穿插，一開始比重上數、軟、硬差不多3:1:1，後來數學聽完就把剩下軟硬體補完，畢竟數學的底子要打很久，另外讀小黃本s時遇到不明白時我會在旁邊做註解，並且寫下自己疑慮順便懷疑一下課本，等之後複習再回來看時會發現自己愚蠢的可愛。

這邊我主要是瀏覽，在遇到真的聽不懂的地方時我會先跳過，但若是數學那種有連貫性的章節，推薦還是前面章節要懂個78成，再往下讀，若不然直接跳後面會猶如聽天書，再好的老師教你也聽不懂(eg 4大空間那邊)

6~11月 複習

覺得實力提升最多的一段時間，全部課本再讀一遍(演算法除外)+題庫。

而題庫則是5大科為重+演法讀林立宇老師出的講義(這本超詳細)。且自己重讀時則筆記了各章重點(不常考冷門範圍例外) 這邊說起來簡短，因為完全沒有捷徑，就是排出時間每科都讀一遍，有補習的就以課本上課筆記為主。

11~1月 考古

跟大部分人一樣台、清、交、央四間100~109考古刷一遍。

另外考古不會的盡量還是翻課本+原文，須認真地了解到這題為何答案是這樣(只背答案考出來還是不會)，且要注意不要某科放太久沒碰，避免記憶模糊。 個人是留了4大108年考古最後一個禮拜寫，且到考前倒數一個禮拜，整個壓力大到完全讀不下去，跑去看YT、打電腦。推薦大家找個最適合自己的步調複習才好，若你有訂每天的時刻表，則照著時刻表走，別被時間搞心態!!

各科建議

線性代數

非常有關連性的一科，聽課時務必至少要懂個大概再往下聽，像我第三章就聽了3次初步了解四大空間後，才繼續往下上。 還有線代的話全部還是建議多讀幾遍，本人每次重讀都會有不同的理解，當你讀每章節都能聯想到其他章節，代表你神功已成。

考試取向: 那時候不信邪某些不太會考，每章都有讀，覺得考出來我可以用冷門題跟其他人拉開分差，走火入魔開始研究些很屌的方法解題(現在想想真的蠢)，這邊誠心建議，若只是打算應付個考試，jordan、冷門證明、雙線性(台大100年初有考)、不變子空間…等，其實可以 不用碰。

另外線代的觀念與定義也是十分重要，央交的考古、漢堡本各章後面的是非題都是拿來測試自己的好東西。 最後就是基本功 解題速度與正確度。 課本題庫的題目都寫起來相信這是會最好拿分的科目。

離散數學

與線代完全不同，各章都沒關聯。像我數學底子不好也用題目練了起來，所以這科反而比較沒技巧，考古題庫寫下去就對了。

考試取向: 今年交大考了名詞定義，台大也重操舊業考了數論，清大則是考了近10分的機率。若我再重考一年，我會選擇多讀小黃本上冊，然後把遞迴那邊練得更熟QQ。

作業系統

這邊推一下恐龍，若有電子檔，ctrl f+名詞，幾乎都可以直接找到要的結果，超級方便。 例:考古寫到不會的，拿題目的名詞，開恐龍查，前後文讀一下+寫一點自己的結論，應該都有不錯的效果。

考試取向: 其實有練考古都知道，各校考試都有不同的嗜好，台交會特定考GPU、分散式系統與資安(交大我自己感覺改成多考file system)，清大近年也有考了平行計算(偏計組)，這邊有時間可以方向性補一下。且當看恐龍時，記得一定要看懂，別一知半解；若只有模糊記憶，再考試時壓力緊張之下，會有這題”好像”是這樣，然後不敢下筆的情況發生(有倒扣阿QQ)

計算機組織

永遠的2大方向pipeline、memory+公式帶入的計算題，跟著老師與題庫相信都可以拿到基本分。不過範圍超廣，想考高分可能需要閱覽其他原文or開放課程。

考試取向: 題型主要分兩大種，類計算題與觀念題，類計算題基本上有練有分(eg:virtual physical那邊、效能評估公式..等)，這邊分數盡量拿到；另外觀念題，我個人是有讀算盤，但看了些硬體考超高的他人心得，多上了yt的開放課程，感覺就是差距所在，且近年清交考試範圍感覺有更加跳脫補習班課本的跡象，所以有空不妨可以去看看。

資料結構/演算法

相較起來非常有趣的兩科，寫密不可分，所以就寫一起了。楓葉本是你最好的朋友，時間複雜度的部分較不推薦死背，ds可從結構下去推，algo也可從整個流程(迴圈)推出來。

考試取向: 資結固定，演法多元，所以當基本的觀念有了，不妨開leetcode起來練習反應力(這邊感謝一下戰友大偉有推薦我去刷題)，解題時不僅在ds與algo上的選擇需要考慮，結果出來還能透過時間複雜度來判斷自己的選擇對不對，更能訓練自己的coding能力，可以說是跨考仔的利器。

後記

不免俗的先謝個家人、戰友(大帥 大偉 謝律師)、與嘴砲仔，你們都是我前進的動力。

「落榜的時候，會不會後悔現在不努力一點」，是我在準備過程中常常跟自己說的一句話。畢竟過去永遠都有 我只是不想讀阿，所以才考這樣的垃圾藉口，來欺騙自己很聰明只是懶惰罷了。但 這次結果若是不如預期，是不是就該承認自己是個”廢物”這個不爭的事實。

※ 阿跨考仔找教授又是另一個故事了