Guia para evitar armadilhas no aprendizado de algoritmos: da demonstração errada ao caminho correto

postado por: XinYe 2 months ago

(0 comments)

Na longa jornada de aprendizado de algoritmos, muitas pessoas avançam tateando, mas muitas vezes se perdem. Recentemente, quando analisei meu processo de aprendizagem, percebi profundamente que muitos de meus amigos tinham grandes problemas na maneira como aprendiam algoritmos e estruturas de dados. Com anos de experiência acumulada em aprendizado de algoritmos, espero que meus insights possam esclarecer a névoa para todos e iluminar o caminho a seguir. A seguir, demonstrarei primeiro os erros, depois explicarei o método de aprendizagem correto e discutirei brevemente os pontos-chave da entrevista e revisarei os cenários das perguntas.

1. Demonstração de erros: instalação de pontos de conhecimento isolados

O método de ensino de muitos livros didáticos de algoritmos é como aprender chinês com um dicionário chinês moderno. Veja o capítulo da lista vinculada como exemplo. Desde o início, definimos diretamente a lista vinculada, desenhamos um diagrama para explicar e, em seguida, listamos as operações comuns, como pesquisar e inserir nós. Os alunos parecem entender, mas na verdade não conseguem lembrar. Eles ainda estão cheios de dúvidas: Qual a utilidade das listas vinculadas? Por que estudar? Onde você usou o que aprendeu? Essas perguntas podem permanecer sem resposta até que você leia o livro inteiro. A maioria dos cursos transmite conhecimento dessa forma. Para ajudar todos a entender o problema com mais clareza, verifiquei especialmente dois cursos de estrutura de dados abertos das principais universidades estrangeiras: o 6.006 do MIT e o CS106B de Stanford (ambos os cursos podem ser visualizados online gratuitamente).

2. Demonstração correta: correlação de conhecimento, ensino de histórias

1. 6.006 do MIT : No início do curso, as estruturas de dados são explicadas como formas de armazenar dados e algoritmos que operam sobre os dados. Em seguida, apresentamos arrays e listas vinculadas e destacamos suas diferenças na memória comparando a complexidade de tempo de suas diferentes operações. Como matrizes e listas vinculadas armazenam dados de maneiras diferentes, mas têm a mesma interface (como localizar, inserir ou excluir dados de uma sequência de dados), os alunos podem não apenas compreender claramente as diferenças e vantagens entre os dois, mas também ter uma compreensão deles. -Compreensão aprofundada da definição de estruturas de dados e dos conceitos de interfaces. . Todos os conceitos do curso estão intimamente relacionados e corroboram-se mutuamente, em vez de existirem isoladamente. Durante o processo explicativo, o professor repetirá constantemente os artigos anteriores para consolidar e fortalecer conhecimentos antigos.
2. CS106B de Stanford : Este curso apresenta o conceito de filas. Primeiro explique o que é uma fila e depois use arrays e listas vinculadas para implementar filas. Ao implementar a fila no array, constatou-se que a complexidade de tempo de inserção do nó oposto era baixa, então o conceito de complexidade de tempo foi introduzido e a fila foi reimplementada usando uma lista vinculada, que destacou as vantagens do vinculado lista listada em termos de complexidade de tempo. Desta forma, os alunos compreenderão os conceitos de filas, listas encadeadas e arrays e as diferenças entre eles, e compreenderão que a mesma interface de fila pode ser implementada por diferentes estruturas de dados. Este método de ensino baseado em histórias conecta pontos de conhecimento de forma inteligente para que os alunos possam mantê-los em mente e saber como aplicá-los.

3. Entrevista: Mostre sua força com aplicações práticas

Mesmo se você estudar da maneira certa, conforme mencionado acima, ainda precisará de habilidades para ser aprovado em exames e entrevistas. Durante o processo de entrevista, não basta saber o que é uma lista vinculada. O que o entrevistador valoriza é a sua capacidade de usar listas vinculadas para resolver problemas difíceis em projetos reais. Por exemplo, em meu currículo mencionei a criação de um jogo com vários marcadores baseado na web. No entanto, o jogo fica lento devido ao excesso de balas. Neste momento, milhares de marcadores foram inicializados antecipadamente usando uma lista vinculada e um conjunto de objetos de marcadores foi construído, resolvendo efetivamente o problema de atraso. Durante a entrevista, combinada com a própria exibição da competição, deixará uma impressão profunda no entrevistador. Outro exemplo é o uso de listas vinculadas para realizar a alocação de memória do sistema operacional, o uso de listas vinculadas para conectar memórias e o corte e inserção de nós de acordo com o uso. Esta aplicação é mais convincente em uma entrevista do que simplesmente descrever o conceito de lista vinculada. Se quiser aprender mais sobre as aplicações práticas das estruturas de dados, você também pode recorrer às ferramentas de IA.

4. Resolução de problemas: foco no processo de pensamento

Ao estudar questões, muitos livros didáticos geralmente fornecem respostas logo após as perguntas serem feitas. Contudo, o que realmente precisa ser aprendido não são as perguntas e respostas em si, mas o tortuoso processo de pensamento desde as perguntas até as respostas. Existe um livro chamado "Como resolver problemas". Embora se concentre principalmente na matemática, não ensina problemas específicos, mas ensina ideias para a resolução de problemas, o que merece a referência de todos. O mesmo acontece ao entrevistar questões de algoritmo. Se você escrever suas respostas diretamente no quadro branco após três minutos de silêncio, só deixará uma impressão geral no entrevistador, pois ele não conseguirá compreender seu pensamento e capacidade de comunicação, podendo até suspeitar que você memorizou as perguntas . Durante a entrevista, comunique-se plenamente com o entrevistador e mostre seu processo de pensamento. Mesmo que você encontre uma pergunta que não entende, você poderá obter dicas por meio de uma boa comunicação e, finalmente, completar a resposta à pergunta.

Olhando para trás em minha carreira de estudo, descobri que mais da metade dos cursos e livros didáticos usavam estudos para incutir conhecimento. Espero que, ao estudar este artigo, você possa evitar mal-entendidos sobre o aprendizado de algoritmos e encontrar um caminho de aprendizagem adequado para você. Se você achou este artigo útil, lembre-se de clicar três vezes. Você também pode compartilhar suas experiências de aprendizagem e perguntas na área de comentários, para que possamos progredir juntos no caminho do aprendizado de algoritmos.

• ← BuildinPublic - PicTrans- 图片翻译学习工具-背景
• 远程工作在中国：梦想与现实的碰撞——从GitLab事件说起 →