演算法,從未如此容易
暑假就要來臨,小夥伴們,願你們與好書相伴左右,願每日踏實耕耘,對遠方不改執念。世界很大,我們依舊需要從小事做起,讀一頁書,寫幾百字,跑幾百米... 約好一起前行,勿念。
之前有領讀過一本演算法入門的書籍,效果還不錯,讀完說是沒有收穫那都是假的,多多少少都有一定的感觸,就算你之前沒有接觸過演算法,通過讀這本書之後,你也會有一定的認識。
這本演算法書就是「演算法圖解」。
自己一開始接觸這本書的時候,其實也沒有多少期望,看著書名比較有意思,就拿來讀了,讀過之後發現還是很值得的。這本書有很多特色。
特色一:像看小說一樣學習演算法,如果你喜歡看小說,那不如拿來一讀,還可以增加自己的知識,何樂不為呢。
特色二:其中的演算法學習起來不會讓人乏味,既活潑有趣又富有洞見。
特色三:這本書完成了一個偉大的任務,讓數學變得有趣易懂。
既然說了很多特色,那這樣的一本書的讀者適合哪些呢?主要適合業餘程式設計師、程式設計培訓班學員、需要重溫演算法的計算機專業畢業生、對程式設計感興趣的,對只要有興趣就可以來讀。
這本書的建議一個月閱讀完畢,每天不需要花費很多時間,每天抽出一到兩個小時就夠了,在閱讀的過程中還是希望能夠自己動手去實踐。之前的領讀計劃包括每週線上答疑的,但是現在已經過去了,這裡只是希望大家能夠更多的去學習。
如果有人想繼續閱讀的話,可以加我的個人微信,閱讀人數多的話,我就建立一個群,拉大家進來,如果閱讀這本書有任何問題,都可以進行提問,我看到的話肯定會回覆的,但是在提問之前希望大家都是經過自己思考的,這樣的提問才比較有意義。
另外,書中講到的演算法,我已經用 Python 和 Java 兩種語言實現了。(Python 是書中使用的語言),也歡迎大家用其它語言來實現,那就更好不過了。
同時,為了方便記錄我們的練習,我在 Github 上建立了一個倉庫,大家可以把每天的練習進行推送。(推送要保證自己的程式是 AC 的才行哦),這樣才有參考的價值,方面大家來進行討論。
注意:目錄我已建立完成,這裡為了方便記錄和區分。大家在 PR 的時候,建議檔案命名規則為:作者姓名英文縮寫+檔名。在 chapter1 中已有示例。
這本書具體的每個章節的詳細計劃,大家可以參考對應的完整 pdf 版,下載地址在程式碼倉庫裡面已經上傳,傳送門,然後自己下載下來對照著學習,或者通過 Github 直接看對應的 README 也可以。
最後,希望大家有所收穫。
相關文章
- 開源社群從未如此繁忙!
- Retalk,Redux 從未如此簡單Redux
- 前端呼叫 GraphQL API,從未如此方便!前端API
- Android逆向從未如此簡單Android
- Laf Assistant:雲開發從未如此爽快!
- ZZFLEX-介面構建從未如此簡單Flex
- Sqlla: 資料庫操作從未如此簡單SQL資料庫
- 全新微商系統,掌握管理從未如此簡單
- “Windows Sandbox”——PC主系統從未如此安全Windows
- SmartFinder:Mac與安卓結合從未如此優雅Mac安卓
- 我從未見過如此神經病的打牌遊戲遊戲
- shell高效程式設計:shell指令碼從未如此美麗程式設計指令碼
- 我從未見過如此“魔幻”的E3釋出會
- ModStartCMS v1.4.0 釋出 模組開發,從未如此簡單
- 錘子的理想主義手機:軟體從未如此重要
- Electron-egg 1.14.0 釋出,桌面軟體,從未如此簡單
- 美媒:為什麼政府如此容易受到勒索軟體攻擊?
- React:從來如此便對麼React
- 百年銀行——瑞士信貸緊急求救!比特幣看漲的宏觀背景從未如此完美?比特幣
- 智慧穿戴都有什麼 未來智慧穿戴竟到如此地步
- 從未有人將代理模式分析得如此透徹模式
- 從Web到未來Web
- 李開復都在玩的裸眼AR:雲擼貓從未如此真實,谷歌3D動物走紅谷歌3D
- 如此上網如此軟體
- “從序號中找到最小的未使用序號”演算法的改進演算法
- 未打補丁的大華攝像頭容易受到未經身份驗證的遠端訪問
- “從序號中找到最小的未使用序號”演算法的改進(續)演算法
- 013 Linux 搞懂「檔案所屬者更改及許可權的賦予」從未如此簡單(chmod、chgrp、chown)Linux
- 是什麼樣的步驟,使得你的ios程式碼變得如此容易閱讀?大咖分享iOS
- 從理念到LRU演算法實現,起底未來React非同步開發方式演算法React非同步
- 網路程式設計入門從未如此簡單(三):什麼是IPv6?漫畫式圖文,一篇即懂!程式設計
- 未來屬於人工智慧工程師,但成功轉型不容易人工智慧工程師
- 自動化測試如此容易!多語言自動化測試框架 Selenium 程式設計(C#篇)框架程式設計C#
- 原來如此
- 主從分離的事務操作很容易發生誤操作
- 技術從業者的未來
- 機器學習演算法已能發現藝術歷史學家從未注意的畫作亮點機器學習演算法
- 46%的本地資料庫容易受到攻擊,預計未來入侵仍會增加資料庫