C語言程式設計入門

C語言程式設計入門

C 語言是一種廣泛使用的電腦程式設計語言,其高效、機動的特性讓它成為韌體及系統軟體開發的首選語言。在台灣擁有蓬勃發展的電子產業,C 語言更是扮演著不可或缺的角色。無論是在作業系統、嵌入式系統、或各式硬韌體的開發中,C 語言都是建構核心技術的基石。
相較於其他高階程式語言,學習 C 語言不僅能打下程式設計基礎,還能夠掌握更加扎實的計算機底層之觀念——如指標操作、記憶體管理等。因此,掌握 C 語言有助於在學習其他程式語言的時候,能夠更加輕鬆、更加容易理解程式語法和舉一反三,達到融匯貫通的學習效果。此外,基於其中低階操作特性,C 語言通常也是進一步學習資料結構及演算法等資訊工程重要相關科目的進升之階。
本入門班將從零開始,透過本班的學習,學生將掌握 C 語言的基本語法、指令式程式設計(Imperative Programming)技巧,以及如何解決實際的問題,為將來的資訊科技學習與職涯發展奠定堅實的基礎。

課程大綱

• 教學目的
o 使程式初學者掌握基礎 C 語言程式語法和程式執行的底層邏輯。
o 使程式初學者掌握基本的 debug(程式除錯)技巧。
o 使程式初學者瞭解編譯流程並學會如何自己編譯並執行自己的 C 程式。

• 進度規劃
1. C 語言簡介與環境安裝、變數與基本運算
2. 流程控制——條件判斷與迴圈
3. 靜態陣列
4. 字元與字串
5. 指標與動態陣列
6. 函式
7. 結構
8. 檔案處理
9. 銜接未來——初探資料結構與 C++ 程式設計
10. 期末考

※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
• Dev C++
• Cygwin(Windows 使用者才需要)

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424期 招生中

    課程類別:二五夜間班

    開課日期:2024.10.29 ~ 2024.11.29

    上課時間:

    週 (二)(五) 7:00 PM ~ 10:00 PM

    學費:新生新台幣6500元整

    注意事項:

    本課程提供同步直播上課

  • 第426期 招生中

    課程類別:二五夜間班

    開課日期:2024.12.03 ~ 2025.01.03

    上課時間:

    週 (二)(五) 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