介绍
算法的重要性？
每天的工作任务安排，算法来说，不是队列 来一个处理一个，更不是栈，最新的先处理；
而是优先级队列。很痛苦，但是坚持下来，产出最多，收获最好！！！
原因一: 编程coding是内功的修炼
原因二: 大公司必备条件
原因三: 硅谷现场手写
原因四: 算法和数据结构实用并有趣的
有效学习算法和数据结构
不是记或者背；
第一是要去理解, 明白其结构；
第二是去练习，大量的练习。
<<异类-不一样的成功启示录>> 马尔科姆
任何一个人想要在某个领域达到顶尖的位置: 切碎知识点； 刻意练习； 获得反馈
chunk it up 切碎知识点 大知识体系 分成 小模块； 购买该领域的专业书籍学习；最后整合回来，注意每块之间的脉络联系；一块一块的去学习，去练习
理解记知识：每块知识点之间串起来，关键是找到主干，不断分散，枝叶
deliberate practicing 刻意练习
很重要：大量练习缺陷，不熟悉的地方；会有不舒服，枯燥的地方
坚持住，才能提升自己，和自己作斗争。
练习什么：1. review各个知识点整体框架概念，知识点之间的联系,要在脑子中能够构建起图谱 2. 针对新知识，不断去写，去coding，去理解，去做笔记。
feed back 反馈
- 及时反馈
- 主动型反馈(自己去找)
- 高手代码(Github, Leetcode!!)
- 第一视角直播
- 被动式反馈(可遇不可求，高手给你指点)
- 高手 code review
切题四件套
- clarification !!明确题目意思
- Possible solutions 可能的解，范围，拉掉的可能性
- compare（time/space）
- optimal（加强）
- Coding 多写
- Test cases
课程总览和算法复杂度
Data Structure：
Array; Stack/Queue; PriorityQueue(heap); LinkedList(single/double); Tree/Binary Tree; HashTable; Disjoint Set; Trie; BloomFilter; LRU Cache
Algorithm:
General Coding; In-order/Pre-order/Post-order traversal; Greedy; Recursion/Backtrace; Breadth-first search; Depth-first search; Divide and Conquer; Dynamic Programming; Binary Search; Graph
时间复杂度和 空间复杂度
时间复杂度 这是 常识，习惯；若是无法判断；代入特殊值，1，3，5，7
Big O notation
O(1): Constant Complexity: Constant 常数复杂度； 一次运算；
O(log n): Logarithmic Complexity: 对数复杂度
O(n): Linear Complexity: 线性时间复杂度 和N有关， 程序跑多少次
O(n^2): N square Complexity 平方
O(n^3): N square Complexity 立⽅
O(2^n): Exponential Growth 指数
O(n!): Factorial 阶乘
多个只看最高阶的复杂度；大概多少次；
如何练习算法
！！！三分学习，七分练习；一定开始自己的练习
练习题 + 练习方式
刻意练习
- 坚持 刻意练习：不要自己会做的题目，要花时间去做要做常见，不会的题目。
- 练习缺陷 弱点的地方
- 不舒服 枯燥，难受
运用 目就用切题四件套； 条件反射！！！！！
- 明确题目的意思
- 看到一个题目，数据的范围，错过的可能性，需要注意的地方；
- 想到可能的解法，找出最佳解法，对比时间，空间复杂度
- 改进暴力算法！
- Coding 多写
- 测试用例
反馈！！！
solution from leetcode
discussion from leetcode
!!关键的关键！
- 现在就动手
- 练习 - 坚持 - 机会给予有准备的⼈
- 每节课的课后作业