Mojo編程課程

實體編程教學課程內容

課程簡介

本課程為三小時入門密集課程，專為希望探索新一代 AI 高效能程式語言 的學員設計。Mojo 是由 Modular 公司開發的次世代語言，結合 Python 的易用性 與 C/C++ 的效能表現，能在同一個框架中實現人工智慧模型、資料運算與系統層級加速。

課程將從 Mojo 的核心概念與語法特性出發，帶領學員理解其設計理念（如 LLVM、MLIR、型別系統與記憶體管理），並透過實際操作體驗如何將 Python 代碼轉移至 Mojo、以及如何開發運算密集型模組。完成課程後，學員將能撰寫基本 Mojo 程式，理解其在 AI 訓練、推理與高效能運算中的應用潛力，為未來 AI 工具開發與算子優化訓練打下基礎。

課程目標

1. 理解 Mojo 的定位與在 AI 開發生態中的角色。

2. 熟悉 Mojo 的語法、型別系統與記憶體模型。

3. 能撰寫並執行簡單的 Mojo 程式。

4. 比較 Mojo 與 Python、C/C++ 在效能與應用上的差異。

5. 為進一步學習 AI 模型優化與高效運算應用做好準備。

授課對象

• AI 工程師、資料科學家、系統開發人員。

• 具備 Python 或 C/C++ 基礎、希望了解高效能新語言的學員。

• 有志興趣於 AI 加速、HPC（高效能運算）與自製 AI 算子的人員。

• 對新一代程式語言與 AI 基礎架構感興趣的學員。

課程大綱

第一部分：Mojo 語言簡介與生態概念（約 40 分鐘）

• Mojo 的誕生背景與目標（Modular AI 平台簡介）。

• 為何 Python 無法滿足 AI 效能需求。

• Mojo 的核心設計概念：MLIR、LLVM、靜態型別與 AI 優化。

• Python、CUDA 與 C++ 的整合比較。

• 實作練習：體驗 Mojo Playground 並執行第一個「Hello, AI!」程式。

第二部分：Mojo 語法基礎與資料結構（約 60 分鐘）

• Mojo 語法與 Python 相容性介紹。

• 變數宣告與型別系統（struct、let、var）。

• 控制流程結構（if、for、while）。

• 函式定義與模組化設計（fn、def、@staticmethod）。

• 資料型態與集合操作（List、Tuple、Dict）。

• 實作練習：撰寫簡單數值計算與資料處理範例。

第三部分：效能優化與記憶體管理（約 45 分鐘）

• Mojo 的靜態編譯與類型推斷。

• Value vs Reference 型別概念。

• 所有權模型與記憶體安全設計。

• 向量化（SIMD）與平行運算（Parallelization）簡介。

• 實作練習：比較 Python 與 Mojo 在資料處理速度上的差異。

第四部分：AI 與高效運算應用實作（約 35 分鐘）

• 使用 Mojo 撰寫基本張量（Tensor）運算。

• 整合 Python 函式庫（如 NumPy / TensorFlow）的橋接方式。

• 模擬資料迴圈與簡單模型訓練邏輯。

• 延伸應用：Mojo 與 Modular AI Runtime 的未來整合。

• 實作練習：建立一個簡易向量加法或資料預測範例。

課程特色

• 三小時完整掌握 Mojo 語言概念與實作入門技巧。

• 理論與實作並行，全面了解新一代高效能 AI 語言。

• 強調與 Python 相容性與效能比較，幫助學員快速上手。

• 完成後可銜接進階課程：Mojo AI 算子開發、GPU 平行運算、AI Framework 優化應用。