Mojo編程 教學課程

上門編程教學課程內容

課程簡介

本課程專為希望快速掌握 Mojo 語言 的學員設計，三小時濃縮核心知識，帶你從 Python 式語法起點進入高效能 AI 運算的世界。

Mojo 是由 Modular 公司（由前 TensorFlow 核心開發者創立） 推出的 新世代 AI 原生語言，融合 Python 的易用性 與 C++/Rust 的運算效能，可用於 機器學習、數值計算、GPU 加速與 AI 模型部署。
課程以實作為核心，帶領學員理解 Mojo 的語法特色、編譯機制、型別系統與性能優化理念，並實作 AI 計算與函式模組範例，協助學員從 Python 領域平滑過渡至高性能 AI 編程環境。

 

適合對象：

• 具 Python 程式基礎的 AI 工程師與開發者

• 想開發高效能 AI 模型推論與訓練工具者

• 熟悉 NumPy、PyTorch 或 TensorFlow 的機器學習研究者

• 想探索新一代 AI 原生程式語言的前端學者與學生

學習成果：

• 理解 Mojo 架構與 MLIR 編譯框架的運作邏輯

• 能撰寫基本 Mojo 程式並了解與 Python 的整合方式

• 熟悉靜態型別、高效記憶體運算與函式優化概念

• 能建立模組化程式結構與簡單 AI 運算函式

• 理解 Mojo 在 AI 編譯與加速運算（GPU / TPU）中的應用潛力

---

 

課程時長

3 小時（180 分鐘）
理論講解與程式實作比例約 3 : 7

---

 

課程大綱

第一部份：Mojo 語言與開發環境概觀（30 分鐘）

• Mojo 的設計理念：Python + C + MLIR

• 與傳統 Python 的結構與性能比較

• Mojo 的應用場景：AI、資料科學、高效運算

• Modular SDK 與 Mojo Playground 使用

• 實作：建立第一個 Mojo 腳本（Hello AI World）

---

第二部份：語法基礎與型別系統（40 分鐘）

• 基本語法結構（變數、註解、縮排、輸出）

• 靜態與動態型別差異：let vs var

• 資料型別（Int、Float、Bool、Struct）

• 條件與迴圈語法（if、for、while）

• 實作練習：撰寫計算斐波那契數列的高效版本

---

第三部份：函式設計與模組化應用（40 分鐘）

• 函式定義與回傳型別（fn 關鍵字）

• 函式嵌套、範圍與參數傳遞（by value / by reference）

• 模組（module）與程式結構

• 型別推斷與靜態優化（Compile-time Evaluation）

• 實作範例：建立「數值計算模組」與簡易矩陣運算功能

---

第四部份：記憶體與效能優化（40 分鐘）

• 值語義（Value Semantics）與所有權（Ownership）

• 指標與引用機制（Ref / Borrow）

• 低層記憶體控制與 Unsafe 區塊

• 高速運算結構（SIMD、向量化實作示範）

• 實作練習：性能比較實驗（Mojo vs Python 計算）

---

第五部份：AI / ML 整合與延伸應用（30 分鐘）

• Mojo 與 MLIR / LLVM 的整合架構

• Mojo in AI：自訂張量運算與加速核心（kernel）

• 與 Python 的互操作（Python interop）

• 延伸工具鏈：Mojo SDK、Mojo Notebook、Modular Engine

• 綜合實作：建立「高效資料前處理與運算模組」

---

 

課程特色

• 三小時簡潔掌握新世代 AI 原生語言 Mojo 的核心能力。

• 理論 × 實作並重，快速理解「高階語法 × 低層效能」整合思維。

• 以 Python 為對比基礎，確立學員平順過渡至 Mojo 編程的能力。

• 課後可延伸應用至 AI 模型優化、資料管線與自動化運算場景。