ไอเดียโครงการ A-Level CS ที่ได้คะแนนจริงๆ
คำแนะนำปฏิบัติเพื่อเลือก กำหนดขอบเขต และสร้างโครงการ A-level computer science NEA ที่ตรงตามเกณฑ์ของคณะสอบ
การเลือกโครงการ A-level computer science NEA (Non-Exam Assessment) ของคุณเป็นหนึ่งในการตัดสินใจที่สำคัญที่สุดที่คุณจะต้องทำในหลักสูตร หากเลือกสิ่งที่野心มากเกินไป คุณจะจมอยู่ในขอบเขตที่เพิ่มขึ้น หากเลือกสิ่งที่ง่ายเกินไป คุณจะประสบความยากลำบากในการได้คะแนนในระดับสูงขึ้นสำหรับความซับซ้อนและทักษะทางเทคนิค คำแนะนำนี้จะแนะนำคุณเกี่ยวกับไอเดียโครงการที่สมดุลระหว่างความทะเยอทะยานกับความเป็นไปได้ ตลอดจนวิธีโครงสร้างงานของคุณเพื่อให้สอดคล้องกับเกณฑ์การให้คะแนนของ AQA, OCR หรือ Edexcel
สิ่งที่ผู้ตรวจสอบต้องการจริงๆ
ก่อนเลือกหัวข้อ ให้เข้าใจโครงกระบบที่ NEA ที่แข็งแกร่งทั้งหมดมีร่วมกัน: ปัญหาที่แท้จริงกับผู้รับบริการจริง (หรือสมจริง) โซลูชันที่เกี่ยวข้องกับอัลกอริทึมและโครงสร้างข้อมูลที่ไม่ธรรมดา และหลักฐานของการทดสอบแบบซ้ำ ผู้ตรวจสอบให้รางวัลความซับซ้อนในด้าน ตรรกะ ไม่ใช่เพียงปริมาณโค้ดเท่านั้น โปรแกรม 200 บรรทัดที่มีอัลกอริทึมแบบเรียกซ้ำ โครงสร้างข้อมูลแบบกำหนดเอง และการตรวจสอบความถูกต้องที่เหมาะสมจะได้คะแนนมากกว่าแอป CRUD 2,000 บรรทัดที่ไม่มีความลึกของอัลกอริทึม โปรดจำสิ่งนี้ไว้ขณะที่คุณประเมินทุกไอเดียด้านล่าง
หมวดหมู่โครงการที่แข็งแกร่ง
เครื่องมือจำลองและโมเดลลิ่ง เป็นตัวเลือกที่เชื่อถือได้เพราะตามธรรมชาติแล้วต้องใช้อัลกอริทึม: เครื่องจำลองการไหลของการจราจร โมเดลการแพร่ระบาด (โมเดล SIR) หรือเครื่องจำลองแรงโน้มถ่วงของระบบสุริยะ โครงการเหล่านี้ให้คุณแสดงการออกแบบเชิงวัตถุ การสร้างแบบจำลองทางคณิตศาสตร์ และการแสดงภาพข้อมูล (matplotlib หรือ custom canvas renderer) โดยไม่ต้องใช้ API ภายนอกหรือการพึ่งพาเครือข่ายที่ไม่น่าเชื่อถือ
ระบบการค้นหาเส้นทางและการปรับให้เหมาะสม เป็นรายการโปรดของผู้ตรวจสอบเพราะพวกเขาสาธิตอัลกอริทึม CS แบบคลาสสิกโดยตรง ลองคิดถึง optimizer เส้นทางการจัดส่ง โดยใช้ Dijkstra's หรือ A* search, maze generator/solver หรือ exam timetable scheduler โดยใช้ constraint satisfaction โครงการเหล่านี้ให้คุณเขียนอัลกอริทึมของคุณเองอย่างแท้จริงแทนที่จะแค่เชื่อมโยงไลบรารี
เกมที่มีความลึกของอัลกอริทึมที่แท้จริง ใช้ได้ดีหากคุณต้านทานแรงกระตุ้นที่จะเพียงโคลนเกมบนมือถือ chess engine ที่มี minimax algorithm และ alpha-beta pruning, procedurally generated dungeon crawler หรือ physics-based puzzle game ทั้งหมดนี้แสดงทักษะทางเทคนิคที่แข็งแกร่ง หลีกเลี่ยงเกมที่มี
เขียนด้วยความช่วยเหลือของ AI ตรวจสอบและเผยแพร่โดย Michal Pilch (CISSP), Korra Studio
นี่คือบันทึกหนึ่งจากฐานความรู้ของ Korra Studio — แพลตฟอร์มจับคู่หัวข้อแต่ละหัวข้อกับการฝึกสอนแบบ 1-to-1
เริ่มใช้งานฟรีarrow_forward