從零搞懂演算法-12種演算法/6種資料結構/超圖解入門

Sam T.

  • 出版商: 博碩文化
  • 出版日期: 2024-09-12
  • 定價: $750
  • 售價: 7.5$563 (限時優惠至 2024-09-30)
  • 語言: 繁體中文
  • 頁數: 336
  • ISBN: 6263339489
  • ISBN-13: 9786263339484
  • 相關分類: Algorithms-data-structures
  • 立即出貨 (庫存 > 10)

  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-1
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-2
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-3
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-4
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-5
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-6
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-7
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-8
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-9
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-10
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-11
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-12
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-13
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-14
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-15
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-16
  • 從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-17
從零搞懂演算法-12種演算法/6種資料結構/超圖解入門  -preview-1

買這商品的人也買了...

商品描述

「演算法」與「資料結構」到底是什麼?


「演算法」其實是一套「使用資料的策略」,而「資料結構」則是將資料整理成特定格式,讓你擁有更多使用資料的策略。掌握演算法是成為軟體工程師的必經之路,不僅在工作上能提升開發系統的效能,更是面試時必備的技能之一,可以說學習演算法的 CP 值實在高到不行!

本書特色

初學者友善,從0到1,無痛入門
提供完成程式碼,輕鬆接觸演算法
LeetCode實戰教學,工作面試超加分
分享「演算法」於職場上的價值與意義

你將能了解到

海外大廠面試白板題解析
海外求職經驗分享
五大演算法策略:貪婪法、枚舉法、回溯法、分支界限法、分治法
三大排序演算法:氣泡排序、插入排序、選擇排序
資料結構:Stack & Queue
資料結構:Array & Linked List
演算法策略:深度優先(DFS) vs 廣度優先(BFS)
演算法效能:時間複雜度(Big O)
演算法實作:迴圈(Loop) vs 遞迴(Recursio

作者簡介

Sam T.
長年專注於「演算法」、「雲端」 與「容器化」三大領域,著有「AWS自學聖經」、「K8S自學聖經」等暢销書籍。獨創的圖解動畫教學與簡單易懂的講解風格,已累積 50,000+ 學員肯定。現任矽谷 FAANG 大廠資深工程師,本次將分享大廠面試要領 與解題技巧,帶領大家快速掌握「演算法」!
 

【用圖片高效學程式】創辦人
【Hahow】線上課程平台 暢銷講師
【HiSKIO】線上軟體課程平台 特約講師

目錄大綱

| CHAPTER 00 | 為什麼要學演算法
0-1 軟體職涯談:演算法在工作上真的用得到嗎?
0-1-1 軟體界的必要之惡:面試白板題
0-1-2 工作中的演算法長這樣
0-1-3 面試中的演算法長這樣
0-2 軟體職涯談:避開冤枉路,演算法其實該這樣學
0-2-1 第一步:「演算法」與「資料結構」的定義與關係
0-2-2 第二步:什麼是「好」的演算法?
0-2-3 第三步:Array & List 入門資料結構
0-2-4 第四步:DFS & BFS 兩大演算法策略
0-2-5 第五步:3 大排序演算法(Bubble、Insertion、Selection)
0-2-6 第六步:Stack & Queue 進階資料結構
0-2-7 第七步:5 大演算法策略


| CHAPTER 01 | 打開演算法的大門
1-1 一次搞懂「資料結構」與「演算法」到底是什麼
1-1-1 前言
1-1-2 什麼是「原始資料」
1-1-3 什麼是「資料結構」
1-1-4 原始資料→特定資料結構I:改變觀點
1-1-5 原始資料→特定資料結構II:資料排序
1-1-6 什麼是「演算法」
1-1-7 演算法、資料結構與資料的三角關係
1-1-8 實際案例I:二元樹
1-1-9 實際案例II:二元搜尋樹
1-1-10 實際案例III:二元堆積樹
1-1-11 小結
1-2 演算法的品質:什麼才是「好」的演算法
1-2-1 前言
1-2-2 Big O的介紹與計算
1-2-3 Big O成本類別:no
1-2-4 Big O成本類別:log(n)
1-2-5 Big O成本類別:n
1-2-6 Big O成本類別:n log(n)
1-2-7 Big O成本類別:n2
1-2-8 Big O成本類別:2n
1-2-9 Big O成本類別:n!
1-2-10 小結
1-3 演算法的基底結構:陣列(Array)vs鏈結串列(Linked List)
1-3-1 前言
1-3-2 陣列(Array)介紹
1-3-3 陣列搜尋I:By Value
1-3-4 陣列搜尋II:By Index
1-3-5 陣列新增I:By Value
1-3-6 陣列新增II:By Index
1-3-7 陣列新增III:共同問題
1-3-8 陣列刪除I:By Value
1-3-9 陣列刪除II:By Index
1-3-10 陣列(Array)小結
1-3-11 鏈結串列(Linked List)介紹
1-3-12 鏈結串列搜尋I:By Value
1-3-13 鏈結串列新增I:By Value
1-3-14 鏈結串列刪除I:By Value
1-3-15 鏈結串列(Linked List)小結
1-3-16 陣列(Array)使用時機
1-3-17 鏈結串列(Linked List)使用時機
1-3-18 小結
1-4 演算法的實作風格I:迴圈(loop)x吃角子老虎
1-4-1 前言
1-4-2 迴圈實作I:for loop
1-4-3 迴圈實作II:while loop
1-4-4 小結
1-5 演算法的實作風格II:遞迴(recursion)x老和尚說故事
1-5-1 前言
1-5-2 遞迴觀念:老和尚說故事
1-5-3 遞迴實作:費氏數列(Fibonacci)
1-5-4 小結
1-6 演算法的基底策略:衝到底(DFS)vs平均走(BFS)
1-6-1 前言
1-6-2 登山客問題:DFS走到底運用
1-6-3 登山客問題:BFS平均走運用
1-6-4 登山客問題:小結
1-6-5 導遊的路線規劃:BFS平均走運用
1-6-6 導遊的路線規劃:小結
1-7 演算法好兄弟:衝到底(DFS)+遞迴(Recursion)
1-7-1 前言
1-7-2 DFS與遞迴的關聯介紹:單一分支
1-7-3 DFS與遞迴的關聯介紹:多個分支
1-7-4 DFS運用:找到第一顆橘子
1-7-5 小結
1-8 演算法好姐妹:公平走(BFS)+迴圈(Loop)
1-8-1 前言
1-8-2 BFS與迴圈的關聯介紹:最短路徑
1-8-3 小結


| CHAPTER 02 | 初出茅廬,小試身手:「三大排序演算法」
2-1 氣泡排序(Bubble Sort)
2-1-1 前言
2-1-2 情境:大隊接力棒次安排
2-1-3 Bubble Sort演算法:第一輪排序
2-1-4 Bubble Sort演算法:第二輪排序
2-1-5 Bubble Sort演算法:第三輪排序
2-1-6 Bubble Sort演算法:第四輪排序
2-1-7 Bubble Sort演算法:第五輪排序
2-1-8 小結
2-2 插入排序(Insertion Sort)
2-2-1 前言
2-2-2 Insertion Sort演算法:第一輪排序
2-2-3 Insertion Sort演算法:第二輪排序
2-2-4 Insertion Sort演算法:第三輪排序
2-2-5 Insertion Sort演算法:第四輪排序
2-2-6 Insertion Sort演算法:第五輪排序
2-2-7 小結
2-3 選擇排序(Selection Sort)
2-3-1 前言
2-3-2 Selection Sort演算法:第一輪排序
2-3-3 Selection Sort演算法:第二輪排序
2-3-4 Selection Sort演算法:第三輪排序
2-3-5 Selection Sort演算法:第四輪排序
2-3-6 Selection Sort演算法:第五輪排序
2-3-7 小結


| CHAPTER 03 | 掌櫃的,來一碗資料結構!
3-1 Stack(LIFO):吃洋芋片也能學資料結構!?Σ( ゚д゚ )
3-1-1 前言
3-1-2 情境:生活中的洋芋片
3-1-3 Stack的實現:陣列(Array)
3-1-4 Stack常見運用場景I:河內塔
3-1-5 Stack常見運用場景II:簡易遞迴
3-1-6 Stack常見運用場景III:進階遞迴
3-1-7 小結
3-2 Queue(FIFO):排隊買票看電影
3-2-1 前言
3-2-2 情境:排隊看電影
3-2-3 Queue的實現I:陣列(Array)
3-2-4 Queue的實現II:環形陣列(Circular Queue)
3-2-5 小結
3-3 Priority Queue:排隊上廁所,憋不住啦!
д
3-3-1 前言
3-3-2 情境:實驗室燒瓶的最大值
3-3-3 小結


| CHAPTER 04 | 扎根腳步:五大演算法策略
4-1 貪婪法(Greedy):自信心爆棚,找零錢
4-1-1 前言
4-1-2 貪婪法的意外狀況
4-1-3 貪婪法的成功條件
4-1-4 小結
4-2 貪婪法(Greedy):自信心爆棚,走迷宮
4-2-1 前言
4-2-2 走出迷宮:找出最小路徑成本
4-2-3 小結
4-3 枚舉法(Enumeration):我不聰明,但我很實在
4-3-1 前言
4-3-2 全球航班規劃:找尋合格解與最佳解
4-3-3 小結
4-4 回溯法(Backtracking):菜市場挑橘子,找出合格解們
4-4-1 前言
4-4-2 全球航班規劃:找尋合格解
4-4-3 小結
4-5 分支界限法(Branch and Bound):丈母娘選婿,挑出最佳解
4-5-1 前言
4-5-2 全球航班規劃:找尋最佳解
4-5-3 小結
4-6 暴力解策略:枚舉法 vs 回溯法 vs 分支界限法
4-6-1 前言
4-6-2 枚舉法(Enumeration)的使用時機
4-6-3 回溯法(Backtracking)的使用時機
4-6-4 分支界限法(Branch and Bound)的使用時機
4-6-5 小結
4-7 分治法(Divide & Conquer):大事化小,小事化無
4-7-1 前言
4-7-2 分治演算法I:Decrease and Conquer
4-7-3 分治演算法II:Divide and Conquer
4-7-4 小結
4-8 分治法(Divide & Conquer):河內塔經典題
4-8-1 前言
4-8-2 河內塔(Hanoi Tower)介紹
4-8-3 河內塔:基底問題(Base Case)定義
4-8-4 河內塔:子問題(Sub-Problem)定義
4-8-5 河內塔:分治法的拆解模式
4-8-6 小結
4-9 分治法(Divide & Conquer):河內塔(Hanoi Tower)程式碼實作
4-9-1 前言
4-9-2 河內塔實作I:狀態初始化
4-9-3 河內塔實作II:遞迴方法實作
4-9-4 河內塔實作III:基底問題(Base Case)定義
4-9-5 河內塔實作IV:程式執行和結果驗證
4-9-6 小結
4-9-7 完整程式碼


| CHAPTER 05 | 實戰篇 面試白板題:媽,我錄取了!
5-1 Apple白板題:Linked List &後序遍歷 觀念運用
5-1-1 前言
5-1-2 題目介紹
5-1-3 解題思路一:使用「Stack」的可能性
5-1-4 解題思路二:使用「遞迴」的可能性
5-1-5 解題實作I:遞迴方法→顛倒數字
5-1-6 解題實作II:顛倒數字→Linked List
5-1-7 進階解題技巧:使用字串代表數字
5-1-8 小結
5-1-9 完整程式碼
5-2 Microsoft白板題:Stack &遞迴 觀念運用
5-2-1 前言
5-2-2 題目介紹
5-2-3 解題思路一:中間切一刀,左右擴展走
5-2-4 解題思路二:由左而右,由右而左
5-2-5 解題方案一:Stack「後進先出」
5-2-6 Stack解法:時間複雜度分析
5-2-7 Stack解法:空間複雜度分析
5-2-8 解題方案二:遞迴方法替代Stack結構
5-2-9 小結
5-2-10 完整程式碼
5-3 Google白板題:Tree階層&遞迴 觀念運用
5-3-1 前言
5-3-2 題目介紹
5-3-3 解題思路:樹狀遍歷,4大方向分支
5-3-4 解題實作I:遍歷島嶼地圖
5-3-5 解題實作II:島嶼面積計算的遞迴方法
5-3-6 小結
5-3-7 完整程式碼

5-4 海外求職經驗分享:演算法如何幫我拿到大廠公司錄取通知
5-4-1 「美國矽谷」Google面試流程解密
5-4-2 拿到面試的4大管道:主動出擊,創造機會
5-4-3 少量刷題→大量offer:精準練習才是王道
5-4-4 3家面試x 3份offer:100%錄取率


作者的話 & What's Next?