这里主要是我自己学习笔记。主要有以下几类:
算法与数据结构
为了方便,在本站统称为算法(事实上还是很有必要搞清算法和数据结构的关系)。算法分类传送门:主要围绕Leetcode中的各种题型整理的。
二刷目录:算法-题目集锦
每篇文章之下都是相关概念及相关题。总结起来有以下专题:
数组与数模块
- 算法-数组与数 。整理了数组相关的题。个人感觉数组需要的技巧相对多一些。比如子数组、双指针、滑动窗口等等。
- Java-String 。之所以将String放入数组,我是觉得由于str底层就是一个char类型的数组。
- 算法-二分查找 。二分查找是有序数组查找target的有利算法。
- 算法-位操作 。 位操作对于某些程序的优化来说,还是起着很大的作用。理解计算机处理数字的方式,才会写出更好的程序。
- 算法-数学相关习题 。介绍了素数晒、概率等相关基础知识。
- 算法-卡兰特数
- 算法-排序总结
动态规划
- 算法-DP 。本来动态规划应该放入数组里,因为DP很多都是应用在数组里解决重复计算的问题。但这块对我来说实在是有点难。因此特意开坑。
- 算法-DP-钢条切割问题 。《算法导论》的动态规划章节笔记。
- Post not found: 算法-DP-贪心法 算法-DP-贪心法 。贪心法不知道放哪儿合适,就随便放这里吧。
链表模块
- 算法-链表 。链表的基本原理和操作非常重要,比如增、删、反转、合并、找中点等等。涉及到的技巧不多,大概就是dummy Node和快慢指针,个人觉得其终极原则就是链表这个数据结构的形式,以及这个形式造成了哪些优缺点。
- 算法-栈 。一般来说栈可以用数组和链表实现。但链表实现的栈更容易扩充一些。本文记录了一些栈的常见题型。
树模块
- 算法-二叉树与分治 。树上面的很多东西与链表很相似,它们都不能访问它前一个节点(父节点)。而树的前中后遍历体现了DFS的思想,层序遍历体现了BFS的思想,这两个都是树的搜索问题。当然在二叉树里,还有一个分治的思想,将大问题分解为不相干的子问题,这一点非常重要。
- 算法-堆 。堆,也就是优先队列,我的理解,它是树个结构,始终维护树顶为极值。
- 算法-Trie树 。 用树状结构表示很多个单词,以此加速单词的搜索。我想采用此结构的原因在于单词中的字母只有26个,数分支较少。如果是中文的话恐怕情况就不那么乐观了。(但这仅仅是个人猜测,待验证)
- 算法-线段树 。介绍了线段树的概念和一道经典题目
- 算法-B树 简单介绍了B树的原理
- 算法-红黑树 简单介绍了红黑树的原理
图模块
- 算法-DFS 。深度优先遍历看似简单,但事实上写起程序来还是有点棘手的。因为每道题的边界条件不同,细节之处就不同了。
- 算法-回溯法 。 回溯法是一种选优搜索法,一般与DFS联合使用。经典的八皇后问题非常好地诠释了回溯法。
- 算法-并查集 。 并查集非常适用于解决动态连通性的问题。如果图是静态的,其实DFS更快一些。
- 算法-图 。树其实是一种有强约束的图。而图里算法非常多,截止现在这篇文章涉及到的只有拓扑排序。
- 算法-单源最短路径问题 。早期的文章。
- 算法-最小生成树算法 。这篇文章写得比较早了。简单地描述了最小生成树算法。
散列表
- Java-LinkedHashMap原理探究
- Java-Hashtable原理探究 。对Java中HashMap的实现进行了简单的整理。
- Java-LinkedHashMap原理探究
- 算法-最小完美哈希函数
- Post not found: 算法-常见数据结构 算法-常见数据结构 。这篇文章整理了几道我自己认为较复杂的Hash相关题。
系统设计
系统设计这里坑比较大。
搜索引擎设计
系统设计课程
- 系统设计-新鲜事系统
- 系统设计-缓存算法
- 系统设计-设计短网址系统Tiny-URL
- 系统设计-从用户系统中理解数据库与Cache
- 系统设计-爬虫系统与搜索建议系统
- 系统设计-以GFS为例探索分布式文件系统
- 系统设计-分布式计算系统-Map Reduce的原理与应用
- 系统设计-设计Uber
语言
网络
分布式存储
- redis系列 讲的针不戳
- 分布式存储-Redis分布式锁
机器学习、深度学习
机器学习基础
基础的模型主要了解了两个方面,一个是线性模型,一个是树模型。而树模型又阐述了Bagging和Boosting两种思想。
线性模型
集成学习
- 机器学习算法-boosting和bagging
- Bagging
- Boosting
竞赛
O2O优惠券预测
- 机器学习实践-O2O优惠券预测-思路总结
- 机器学习实践-O2O优惠券预测-对第一名的思路源码分析(一)
- 机器学习实践-O2O优惠券预测-对第一名的思路源码分析(二)
- 机器学习实践-O2O优惠券预测-特征工程
腾讯社交广告CVR转化率预估
其它实践相关
===========================================================
路漫漫其悠远兮,吾将上下而求索。
===========================================================