Python程式設計入門

Python程式設計入門

Python 是一門廣受歡迎的高階程式設計語言,以其易學易用、多功能,以及完整而豐富的開源社群與生態系著稱,成為軟體開發、統計分析、影像處理、人工智慧等領域的首選語言。隨著科技業的快速發展,Python 的應用範圍日益廣泛,無論是在桌面應用程式、網頁開發、網站後端、科學計算和數據可視化、機器/深度學習還是自動化測試等領域,Python 都扮演著關鍵的角色,使其成為現代資訊科技領域不可或缺的技能。
Python 的學習門檻相對較低,其直觀的語法和豐富的內置庫使其成為初學者入門程式設計的最佳選擇。與 C/C++ 相比,Python 提供了更簡易的程式語法及更高層次的語言特性,這使得程式設計師可以用比過往少上許多的程式碼量完成複雜的任務,大幅提升開發效率和程式的可讀性及可維護性。學習 Python 不僅能夠迅速掌握基本的程式設計概念,如條件判斷、迴圈和函式等,還能學會如何運用 Python 強大的標準庫來處理字串、檔案、試算表資料等。對於渴望踏入資訊工程或資料科學等領域的學生而言,Python 是一門必學的程式語言。
本入門班從零開始,並通過大量的範例讓學生學會Python 3.x的基礎語法、基礎物件導向程式設計(Object-Oriented Programming, OOP)觀念,以及如何配合PyQt5設計自己的桌面應用程式。透過期末小型專案的實戰開發來熟悉 Python 的強大,為未來鋪設程式設計之基礎。

課程大綱

• 教學目的
o 使程式初學者掌握基礎 Python 3 程式語法與理解腳本語言的執行。
o 使程式初學者初步掌握 Python 3 物件導向程式設計。
o 使程式初學者能實際運用 Python 3 於簡單的應用程式開發。

• 進度規劃
1. Python簡介與環境安裝、變數與基本運算
2. 流程控制——條件判斷與迴圈
3. 字串處理與檔案
4. 容器與函式
5. 類別與物件
6. 錯誤與例外處理
7. 實戰應用——Python 專案管理 + 配合 PyQt5 開發圖形使用者介面程式
8. 實戰應用——透過 Python 連接大型語言模型(如:ChatGPT、Gemini)
9. 期末考(或以期末專題替代)

※以上進度將視班級狀況而有所調整。

適合對象

• 無需程式經驗,但仍需會上網、打字及作業系統等基本電腦操作,且具國中之英數基礎。
• 對程式設計有興趣者。

開發環境

• Visual Studio Code

實體課程注意事項

本班為實體課程,常見QA詳情連結

校園防疫措施詳情連結

公務員全程參與課程學習後可於課程結束後申請登錄公務人員學習時數

課程影片觀看期限至課程結束後一週關閉

(一)退費期限:開課日後⅓時數內,詳情連結

(二)查詢結業狀況:結業名單連結

近期班次

  • 第417期 招生中

    課程類別:一四夜間班

    開課日期:2024.06.24 ~ 2024.07.25

    上課時間:

    週 (一)(四) 7:00 PM ~ 10:00 PM

    學費:新生新台幣6500元整

  • 講師介紹

    (一)學歷

    • 國立臺灣大學 資訊工程學系暨研究所 博士候選人(徑博)
    • 國立臺灣科技大學 資訊工程系 學士

    (二)榮譽

    • 國立臺灣大學 椰林優秀博士生獎學金(2022)
    • 教育部全國大專校院人工智慧競賽 醫病決策預判與問答 佳作(2021)
    • 財團法人林熊徵學田基金會 獎學金(2020)
    • 學士班 書卷獎(2018 Fall - 2020 Fall)

     (三)經歷

    • 國立臺灣大學 資訊工程學系暨研究所 計算機程式設計 課程助教(2022 Fall, 2023 Fall)
    • 國立臺灣大學 共同教育中心 C/C++程式設計 課程助教(2022 Fall, 2023 Spring, 2023 Fall, 2024 Spring)

     (四)程式技能

    • C/C++
      • 資料結構及演算法
      • C++物件導向程式設計
    • Python
      • PyQt5:圖形介面程式設計
      • Pandas:資料統計匯整與數值分析
      • OpenCV:數位影像處理
      • PyTorch:深度學習
      • NumPy:通用多維矩陣及數值高效能運算
    • Kotlin
      • 桌面應用程式設計(配合JavaFX)
      • Android應用程式設計

    (五)研究領域

    • 醫學影像處理、深度學習於醫學影像、動態醫學影像、AI輔助醫療診斷與偵測
    • 電腦視覺、傳統數位影像處理演算法

    (六)參與研究

    • Spatiotemporal feature disentanglement for quality surveillance of left ventricular echocardiogram by ConvNeXt-based neural network
    • Semantic segmentation in pelvic computed tomography images for automated annotations of visceral and subcutaneous fat areas