《資料結構與演算法》推薦課程

綜合教學大樓 推薦課程
1

昨天晚上找資料時，看到的 《資料結構與演算法》Data Structures & Algorithms （以下簡稱 DSA）課程，覺得很不錯，已經買了 Python 那堂。

如何選擇線上課程，之前詳細說明過，請參考：10分鐘學會挑選最熱門的線上課程 。

今天 udemy 特價，以下課程全部都是 NTD$330元。

利益宣告：本文沒有從任何一方獲得任何利益。

課程資訊

Python Data Structures & Algorithms + 93 CODING EXERCISES
類別：Development > Programming Languages > Data Structures ║ 內容：8 hours ║ 原價：NT$2,190
建立：2021-07-30 ║ 更新：2023-04-12 ║ 註冊：23,766人 ║ 語言：English ║ 字幕：有 ║ 評分：4.73 (4,236人)

Java Data Structures & Algorithms + 76 CODING EXERCISES
類別：Development > Software Engineering > Java Algorithms ║ 內容：8.5 hours ║ 原價：NT$1,990
建立：2021-12-19 ║ 更新：2023-04-09 ║ 註冊：10,132人 ║ 語言：English ║ 字幕：有 ║ 評分：4.70 (1,523人)

JavaScript Data Structures & Algorithms
類別：Development > Software Engineering > Data Structures ║ 內容：7 hours ║ 原價：NT$2,190
建立：2021-02-22 ║ 更新：2023-03-26 ║ 註冊：8,367人 ║ 語言：English ║ 字幕：有 ║ 評分：4.79 (1,396人)

C++ Data Structures & Algorithms
類別：Development > Software Engineering > C++ ║ 內容：7.5 hours ║ 原價：NT$1,990
建立：2022-08-22 ║ 更新：2023-03-27 ║ 註冊：1,633人 ║ 語言：English ║ 字幕：有 ║ 評分：4.76 (212人)

The Coding Interview Bootcamp: Algorithms + Data Structures
類別：Development > Web Development > Coding Interview ║ 內容：13 hours ║ 原價：NT$1,990
建立：2017-11-14 ║ 更新：2023-03-31 ║ 註冊：94,653人 ║ 語言：English ║ 字幕：有 ║ 評分：4.79 (14,065人)

新增 Howard 兄推薦 DSA 課程：

Mastering Data Structures & Algorithms using C and C++
類別：Development > Software Engineering > Data Structures ║ 內容：58.5 hours ║ 原價：NT$1,990
建立：2019-01-21 ║ 更新：2022-10-18 ║ 註冊：146,882人 ║ 語言：English ║ 字幕：有 ║ 評分：4.60 (37,338人)

課程介紹

前四堂課，是同一講師 Scott Barrett 的課程。

建議大家從你感興趣的程式語言（Python, Java, JavaScript & C++），預覽老師課程介紹的第一則影片，再做決定。

簡單的說，課程的安排是：

  1. 介紹 Big O & 類別與指標（影片中會說明為什麼）。

  2. 各種演算法和練習題（每個講座可下載 py 檔，練習和解答各一）。

  3. 如果你不喜歡 2 的下載 py 檔方式，也直接在瀏覽器中寫程式，使用的是 udemy 的線上編輯器（如下圖）。不過並不像影本最後所說，集中在最後一堂，而是分散在各節。

udemy online editor
udemy online editor1920×1080 142 KB

合理推測，講師是用同樣的思維來設計這系列課程，然後分別針對各程式語言錄製影片。

最吸引我的地方，是 講師用圖像的方式來說明演算法，對我這種圖像式思考的人很有幫助。

因為最近有點忙，以下有請 ChatGPT 幫忙介紹。

為什麼要學 DSA？

  1. 優化代碼：瞭解資料結構和演算法可以幫助你更有效率地解決問題。它可以幫助你設計出更快，更有效率的代碼。

  2. 提高性能：了解如何實現複雜的資料結構和演算法可以提高應用程序的性能。這對於需要高效處理大量數據的應用程序尤其重要。

  3. 提高思考能力：學習資料結構和演算法可以訓練你解決複雜問題的思考方式。這些技能對於解決現實世界的問題非常有用。

  4. 增強面試能力：資料結構和演算法是許多技術面試中常問到的主題。掌握這些技能可以增加你在面試中的競爭力。

如何學習

  1. 了解基礎概念：學習任何新主題之前，建議先學習該主題的基礎概念。學習資料結構和演算法的定義、種類和用途。

  2. 閱讀相關書籍或教學材料：建議讀取相關的書籍或教學材料，以便更深入地理解資料結構和演算法的概念和用法。例如，可以閱讀《演算法》（Algorithm Design）等書籍，或者觀看相關的線上課程和教學影片。

  3. 程式實作：學習後最好進行程式實作，將理論知識轉化為實際應用。可以嘗試使用所學的資料結構和演算法來解決問題，或者練習相關的程式題目。

  4. 專案實作：進行一些小型或中型的專案，可以幫助你更好地理解資料結構和演算法的應用。例如，可以使用資料結構和演算法來優化應用程序的性能，或者應用於網路爬蟲和數據挖掘等領域。

一起還是分別學習？

資料結構和演算法是密切相關的主題，建議一起學習。資料結構是有組織的資料集，可以用於儲存和操作數據，而演算法是用於解決特定問題或執行特定任務的程序或方法。資料結構和演算法通常是一起使用，以實現較高效率和優化的解決方案。

例如，對於搜索和排序操作，資料結構和演算法都扮演重要角色。在搜尋操作中，選擇合適的資料結構可以幫助快速搜尋目標，而適當的搜索演算法可以提高搜索效率。在排序操作中，使用不同的資料結構和排序演算法可以影響排序速度和效率。

學習管道

  1. 大學：大學課程可能是學習資料結構和演算法的最傳統和經典的途徑。大學課程通常會提供系統性的課程教學，從基礎的資料結構和演算法開始，並逐步深入。

  2. 看書：書籍是另一種傳統的學習途徑，許多經典的資料結構和演算法書籍都可以在圖書館或網上找到。書籍可以提供有系統的知識和實踐範例，可以隨時翻閱，方便學習和複習。

  3. YouTube：許多資料結構和演算法的相關課程和教學影片，可以在 YouTube 上找到生動和有趣的示範，幫助學生更好地理解和學習資料結構和演算法。

  4. Khan Academy：Khan Academy 是一個免費的線上學習平台，提供了許多數學、計算機科學和其他學科的課程。它的計算機科學課程包括許多資料結構和演算法的主題，非常適合初學者。

  5. edX：edX 是一個由哈佛大學和麻省理工學院共同創建的免費線上學習平台，提供了許多高品質的課程和認證。edX 的計算機科學課程包括許多資料結構和演算法的主題，非常適合那些希望深入學習的學生。

  6. Coursera：Coursera 是一個線上學習平台，提供了許多免費和付費的課程，由世界各地的大學和教育機構提供。Coursera 的計算機科學課程也包括許多資料結構和演算法的主題。

  7. Udemy：Udemy 是一個線上學習平台，提供了許多資料結構和演算法相關的課程。這些課程由專業教師授課，具有高品質的視頻和材料，並且可以隨時隨地進行學習。

  8. LeetCode：LeetCode 是一個線上刷題網站，提供了許多資料結構和演算法的編程練習題目。它的題庫包括從基礎到高級的題目，可以幫助學生在練習中學習資料結構和演算法。

這些學習途徑都可以提供不同程度的學習資源和練習機會，讓學生可以更好地學習和掌握資料結構和演算法。學生可以根據自己的學習需求和偏好，在這些管道中選擇適合自己的途徑進行學習。

然後我請 ChatGPT 寫一段程式碼，將一副撲克牌重新洗牌，以不同的演算法示範速度差異。（原始程式，一行未改）

import time
import random

# Fisher-Yates 洗牌算法
def fisher_yates_shuffle(deck):
    n = len(deck)
    for i in range(n):
        j = random.randint(i, n-1)
        deck[i], deck[j] = deck[j], deck[i]
    return deck

# Brute Force 暴力洗牌算法
def brute_force_shuffle(deck):
    n = len(deck)
    for i in range(n):
        j = random.randint(0, n-1)
        deck[i], deck[j] = deck[j], deck[i]
    return deck

# 洗牌次數
N = 1000000

# 撲克牌張數
cards = ['A', '2', '3', '4', '5', '6', '7', '8', '9', '10', 'J', 'Q', 'K']
suits = ['C', 'D', 'H', 'S']
deck = [card + suit for card in cards for suit in suits]

# Fisher-Yates 算法
start_time = time.time()

for i in range(N):
    shuffled_deck = fisher_yates_shuffle(deck)

end_time = time.time()
print("Fisher-Yates 算法執行時間：", end_time - start_time)

# Brute Force 暴力洗牌算法
start_time = time.time()

for i in range(N):
    shuffled_deck = brute_force_shuffle(deck)

end_time = time.time()
print("暴力洗牌算法執行時間：", end_time - start_time)
1個讚