每年到了研究所推甄季，總會有人再問說：「口試到底該怎麼準備啊？」

說實話，我自己那年面試資工所的時候，也是在網路上瘋狂爬文，各校考古題幾乎都翻了個遍，結果越看越焦慮，生怕有什麼問題沒準備到。

不過後來發現，其實資工所不同學校問的問題差不多都大同小異。就像我們做專題時，不同老師出題雖然形式不一樣，但核心概念大多一樣。

這篇文章，我整理了近幾年資工所面試的常見問題，再加上我自己準備時的一些心得，希望能讓你少一點焦慮、多一點方向。

問題一、自我介紹

自我介紹不只是禮貌性的開場白，更是讓教授快速認識你、留下印象的機會。很多人一聽到自我介紹就緊張，想說「背經歷就好」，但其實重點是：把自己的專業能力、研究經驗，以及對未來研究的動機，說得自然又有條理。

由於各校系教授給自我介紹的時間不同，建議大家準備30 秒和1~2 分鐘兩個版本。

30 秒自我介紹

重點抓住「身份 + 專業背景 + 研究興趣」，像跟教授快速寒暄即可，不需太多細節。
範例：

「您好，我是 XXX，畢業於 XXX 系。本科主要專修XXX，過去做過的專案項目影像分類。我希望研究所能進一步探索 AI 在醫療影像的應用。」

1~2 分鐘自我介紹

時間拉長可以稍微講故事，結構建議：學校與專業 → 主要經歷 → 收穫 → 未來研究動機。
範例：

「您好，我是 XXX，畢業於 XXX 系。本科主要專修XXX，曾在XXX實習過，大學參與影像分類專題，主要負責資料清理、標註到模型訓練，學到資料品質對模型準確度的重要性。我希望研究所能進一步探索 AI 在醫療影像的應用，並嘗試將技術落地解決真實問題。」

重點是自然、有條理地介紹自己，比死背經歷容易留下印象。

你看，就是像跟朋友聊天的感覺，順暢自然，比死背公式容易留下印象多了。

問題二、你覺得自己有哪些特質比別人好？

教授問這個，是想知道你的自我認知，以及這些特質怎麼幫助你做研究。這時候選 2～3 個特質，再搭配小故事就最好。

比方說，我面試時說自己「好奇心高」：

「我算是比較好奇的人，平常寫程式遇到 bug，不會直接放棄，會嘗試各種方法找原因。有次專題中 API 回傳資料格式一直錯，我自己查文檔、寫小測試腳本，最後找到問題出在資料欄位命名不一致。」

像我們平常 debug code 時遇到一堆 bug，一個一個查，這種耐心其實就很吃香。

問題三、你人生中遇過最挫折的事情是什麼？

這題教授想看你面對挫折的態度，可以挑專題或實習、打工經驗說明，並且說說怎麼解決的。

我那時候是以我大三實習的經驗來說明：

「大三暑假我去實習，負責整理一大批不完整的資料，一開始完全不知道從哪下手，報表常跑不出來，當下真的很挫折。後來我把流程拆成小步驟，做 checklist，必要時再問同事，慢慢就能獨立完成。」

像這種例子，比起說「我曾經很挫折」，更能讓教授看到你的解題能力。

問題四、如果教授要你做一件你不喜歡的事，你會怎麼辦？

這類問題主要測試態度和合作性。回答時，保持正向態度，表達你願意完成任務，並且說明你如何提升過程的效率或從中學到經驗。

例如，你可以回答：

「即使是我不喜歡的工作，我也會盡力完成。像以前專題裡需要整理一大堆資料或跑很久的模型訓練，雖然枯燥，但我會先想怎麼把流程自動化或分段進行，既完成任務，也節省時間。」

問題五、你對哪些實驗室比較感興趣？

教授想看到你的研究動機和實驗室匹配度。先說自己對哪個領域有興趣，再連結你的專題或經驗。

「我對 AI 在醫療影像的應用特別感興趣，本科專題曾用 CNN 做影像分類，所以希望研究所能深入探索模型泛化能力。」

可以加上小細節：為什麼對這個領域有興趣，例如在課堂看到某個案例覺得很有趣或想解決什麼問題。

問題六、你比較擅長理論知識還是程式碼實作？

這個問題用來了解你的專長與學習策略。回答時可以清楚表達你的強項，同時簡單說明如何彌補弱項。

範例回答可以是：

「我偏向程式實作，但理論部分也有基本理解，遇到需要深入理論時，我會先閱讀文獻或請教同學與教授。」

問題七、如果資料不足導致模型訓練成效不佳，你會怎麼處理？

這個問題測試你的分析能力與解決問題思維。回答時可以描述你的思路，例如先分析資料問題與模型表現，嘗試資料增強或特徵工程，評估效果後再決定是否調整模型或與教授討論替代方案。

範例回答可以是：

「我會先分析資料與特徵，嘗試資料增強或調整模型架構。如果效果仍不理想，我會與教授討論是否更換資料或調整目標設定。」

問題八、你的研究計畫大概是什麼？

教授通常也會問你的研究計畫，主要是想了解你對未來方向的思考，以及是否真的能進入實驗室做事。這部分可以先把想做的問題、想用的方法和可能遇到的挑戰簡單列出來。

我自己準備時，就先把專題延伸想法整理成三個重點：

1. 問題背景和動機

2. 想用的方法或工具

3. 預期挑戰與可能解決方案

「我想探討 CNN 模型在小型醫療影像資料集上的泛化能力。方法是使用資料增強、遷移學習和不同模型架構的對比。可能遇到的挑戰是資料不足，我會先嘗試資料增強，再與教授討論是否需要額外資料或改變目標。」

這樣即使計畫還不完整，教授也能看到你的思考邏輯和獨立研究潛力。

準備心得

其實資工所面試，不是考你能答對每個問題，而是教授想看你的 思考方式、學習潛力和態度。

我準備時，就是先把本科專題、專案、實習經驗整理好，把每個重點能講清楚、講順暢。然後再研究目標實驗室方向，想想哪些經驗跟他們研究最相關。

練習方式也很生活化，我會假裝跟朋友聊天，把專題故事、做法和心得講一遍，錄下來聽自己說順不順。遇到卡住的地方，再寫筆記或改表達方式。練久了，面試時就自然多了，也比較不會緊張。

所以，如果你也在準備，不用硬背每個問題，只要整理好自己的經驗、熟悉實驗室方向、練習順暢表達，你會比想像中更有自信，也更容易找到跟自己契合的研究方向。