拆解與選方法
依輸入、限制及資料規模,選擇資料結構和演算法,比較效率與正確性。

兩個方向,各自深入
檢定方向著重解題與方法;專題方向著重需求、開發與測試。依興趣與能力選擇,需要轉向時再確認應補基礎。
AI 與思考能力同步成長
依輸入、限制及資料規模,選擇資料結構和演算法,比較效率與正確性。
檢定方向以 AI 輔助理解與除錯,持續練習獨立解題;專題方向將資料與 AI 服務整合進應用。
規劃中的學習延伸保留測試、版本和使用說明;AI 整合專題補上輸出檢查、失敗處理與資料使用範圍。
規劃中的學習延伸
平行選擇 · 依先備能力確認
從讀懂問題、設計正確解法到分析效率,建立有次序的解題習慣。課程結合短題、完整解題紀錄與分段模擬;學生需要解釋為何成立、如何測試以及何時會太慢。APCS 與競賽是可選的應用目標,實際報考與進階範圍由程度評估決定。
國小六年級至高中,完成 L5 或具同等 Python 能力者。建議以能獨立使用條件、迴圈、函式、串列及字典,並願意持續解題者為對象。參考內容分為四學期各 20 堂,共約 80 堂。先用熟悉的 Python 建立方法,再依目標及先備能力銜接 C++。檢定或競賽的語言、版本、規則與日期每期另查官方公告。
每學期 20 堂,以下列出各堂次區段的學習內容。
課程內容將隨 AI 與科技發展,以及班級學習程度適時調整。本課綱僅供參考,教師將依實際教學情況酌情運用與調整。
用 Python 重整輸入、模擬、字串與陣列;寫出手算範例、邊界及測試,再完成程式。
比較線性、二元搜尋及排序策略;用小資料追蹤,測量規模改變的成本,辨認前置條件。
畫呼叫過程,檢查基底條件;以小型枚舉或分治任務比較迭代與遞迴。
用堆疊、佇列、集合與字典處理括號、順序及計數;理解鏈結結構的概念,不以手寫所有結構為門檻。
整理兩種解法的正確性、測試與成本;完成獨立短題、錯誤回顧及下一期補強計畫。
對照 Python 與 C++ 的型別、輸入輸出、流程和函式;測試整數範圍與轉換。
使用 string、vector、map、set 及排序/搜尋函式;分清元素、索引和迭代方式。
用表格、座標與狀態追蹤完成模擬;檢查界限、重設及資料更新順序。
從短程式預測輸出,使用編譯訊息與測試定位錯誤;依目標補充所需電腦科學觀念。
在事先明示規則的環境獨立練習,再挑一題重寫與講解;記錄知識缺口,不只記分數。
先做能驗證的小規模解,分析重複計算與無效分支,說明剪枝不會刪掉正確答案的理由。
用鄰接關係表示迷宮或網路;比較廣度與深度搜尋,處理已訪問、不可到達及多個連通區。
從小表格與遞推開始,定義狀態、初始值與轉移,檢查邊界;題目難度依理解調整。
在簡單排程或選擇題比較貪心和枚舉;找出不成立的反例,避免只背解法名稱。
對同一題比較基礎與改善解法,提供測試、效能與適用限制,再做相關獨立題。
根據近期作答證據,補強讀題、資料、搜尋或遞推;使用不同敘述的同概念題檢驗遷移。
依程度選優先佇列與最短路徑、樹或進一步動態規劃;尚未穩固者深化既有主題。
使用當期已核對規則與合法題目,練習時間管理、檢查與部分解策略;不在禁止情境用 AI。
間隔後再做曾卡住的概念,口述關鍵推理與複雜度;整理可理解的個人解題筆記。
完成獨立任務、解題報告與教師回饋;依現有能力討論報考或 L7 演算法銜接。
平日練習可在自己提出解法後請 AI 提示反例、解釋錯誤或比較成本,採用前必須自行驗證;模擬及正式測驗遵守明示規則。成果包括代表性解題紀錄、錯誤類型與再解證據,而非只累積題數或以 AI 代寫提高通過量。不承諾特定 APCS 級分、得獎、通過率與固定達成月數。
能獨立完成相應難度題目、解釋正確性、提出邊界測試,並辨認輸入規模與策略成本,才進一步安排 L7 演算法。轉往 L7 AI 者另補資料處理與模型評估;轉專題方向則補介面、資料持久化、版本控制與需求拆解。
平行選擇 · 依先備能力確認
把小程式整理成別人可以理解、操作和測試的應用。學生練習界定需求、分拆功能、管理資料與版本,再逐步加入外部資料或 AI 功能。課程以可完成的專題為核心,重視原本功能在修改後仍能正確運作。
國小六年級至高中,完成 L5 或具同等 Python 能力,對開發應用有興趣者。參考內容分為四學期各 20 堂,共約 80 堂。主要使用 Python、Git、校方選定的 GUI 或網頁框架、資料工具與受管理的 API 環境。選擇桌面或網頁作主要介面,不要求同一班同時熟悉多個框架。
每學期 20 堂,以下列出各堂次區段的學習內容。
課程內容將隨 AI 與科技發展,以及班級學習程度適時調整。本課綱僅供參考,教師將依實際教學情況酌情運用與調整。
複習輸入、字串、陣列與資料轉換;先設計小範例和測試,再完成資料小工具。
比較不同查找方式與排序用途,分析資料規模;用測試證明結果,再觀察成本。
以小型目錄或巢狀資料理解遞迴;用堆疊、佇列或字典處理實際需求。
拆分功能、撰寫簡單測試,學習 Git 的提交與還原;帳號及遠端協作依適齡條件安排。
延伸既有程式,提出需求、實作、測試及說明;保留每次修改目的與可用版本。
選題庫、計畫清單或收藏管理等小題目;畫操作流程,決定必要功能與不做的部分。
用類別封裝相關狀態和行為;比較函式與物件方案,先求清楚再視需要引入繼承。
實作新增、修改、查找與保存;處理空輸入、重複資料、無法讀檔及重新啟動。
建立功能測試清單,請同伴照說明操作;修正不清楚提示與修改後的回歸錯誤。
完成主要應用,另接一個小變更需求;展示影響哪些模組、如何測試及還原。
使用核準的示範服務或預備回應,理解請求、回應、JSON、狀態與錯誤;不暴露金鑰。
優先使用授權公開資料,處理欄位、型別、缺漏與重複;爬取僅在教師核對範圍與條件後選做。
用 Pandas 或適合程度的方法提出一個可回答的問題,完成統計與圖表,註明單位與資料時間。
把取得、清理、分析與呈現分開;設計快取或備用資料,處理無網路及服務失敗。
完成天氣、環境或其他非敏感資料看板;展示資料來源、轉換步驟與已知限制。
選 AI 文字整理、分類應用或感測裝置其中一案;先比較不用 AI 的方法,再定義成功條件。
先打通單一主要流程;外部服務或硬體由校方管理,介面不直接持有秘密金鑰。
測試無結果、格式錯誤、重複請求與不適合輸入;設計人工確認及備援,不自動代人發送或作承諾。
用固定案例比較版本;記錄錯誤、時間或成本,確認核心功能在更換模型或資料後仍可用。
完成作品、版本、操作與限制說明;現場示範並獨立修改一項功能,提出後續改善。
AI 協作可用於拆需求、閱讀局部程式、提出測試或整理文件;每次變更仍由學生理解與確認。若專題要串接生成式 AI,使用校方管理、資料範圍明確的服務;沒有授權或額度時可用模擬回應完成軟體結構學習,不假裝已上線。AIoT 題目使用低風險教學裝置並由教師檢查硬體安全。
預計形成可維護的應用、資料專題與一項整合成果,允許從同一主題逐步演進,不要求三個互不相關的大作品。是否對外部署、公開作品或加入真實使用者資料另行確認。
能從簡短需求完成模組化程式,管理版本、驗證資料、測試異常並說明自己修改的內容。進 L7 AI 前另檢查資料整理、圖表、簡單統計與實驗比較;轉 L7 演算法則補相應解題與 C++ 能力。作品外觀不取代獨立閱讀及修改程式的檢核。
選課前,先聊清楚
完成 L5 或具同等 Python 能力,並依所選方向評估。 年段可以參考,實際起點請老師依已有能力和目標確認。
以演算法與資料處理為共同基礎,分流深入獨立解題,或結合 AI 的應用開發。 本頁列出主要方向與課程大綱,實際內容會依先備和班級安排調整。
常態班試聽免費。想預約試聽,請透過 LINE 洽詢。先與老師討論目前經驗,再確認當期班級與正式課程費用。參考課綱的內容單元不直接等於當期售課堂數。
LINE 洽詢NEXT STEP
帶著目前的程式經驗與想法,與老師討論學習方向。