超圖解!一次搞懂演算法|Graph 系列

    利用圖解教學,有效且快速學習複雜難懂的演算法與資料結構!

    246
    5.0
    • Graph 基底元素:Vertex & Edge

    • Graph 基底資料結構:Adjacency Matrix vs Adjacency List

    • Graph 遍歷 (Traverse):DFS vs BFS

    • Graph 資料結構:DAG (Directed Acyclic Graph)

    • Graph 經典演算法:最短路徑規劃 (Dijkstra, Bellman–Ford, Floyd–Warshall)

    US$49.64

    Click for settings

    00:00
    00:00
    00:00

     

     

    【完整學習組合包】開課期間,限時優惠 

     

    系列課程組合,一整套完整學習,無需其他額外教材

    # 幫你安排好了課程學習順序,跟著學建立思考邏輯

     

     

    最完整!演算法學習路線圖

     

    第一章  Graph 資料結構 表示法

     

    Graph 資料結構的表示法

    • Graph 由節點 (vertex) 與邊 (edge) 所組成。
    • Graph Edge 主要有兩種基底資料結構表示法:Adjacency Matrix 以及 Adjacency List。

     

    第二章  Graph 的遍歷 (Traverse)

     

    ❶ Graph 的遍歷 (Traverse)

    • 與樹系列一樣,Graph 的遍歷也有 BFS 與 DFS 的兩種方式。
    • 延續前章節所學的 Adjacency Matrix & Adjacency List,我們將來實作出 4 種遍歷過程,來熟悉 Graph 資料結構。

     

    第三章  DAG (Directed Acyclic Graph)

     

    DAG (Directed Acyclic Graph)

    • 在一個圖之中,有許多節點與邊,如何去確保我們都有先將「前置要求」的節點走過,就是 DAG 所能幫我們的。
    • DAG 的實作主要有兩種:
      1. DFS
      2. In-degree Count

     

    Graph 經典演算法:最短路徑規劃

     

     

    Graph 經典演算法:最短路徑規劃

    • BFS 寬度優先:基礎版,解決距離成本皆相同狀況。
    • Dijkstra:貪婪演算法,每次挑選距離「開始節點」最低者前進。
    • Bellman-Ford:優化版,可處理「負數」距離的 Graph。
    • Floyd Warshall:找出「所有開始節點」到其他節點的最小距離成本。

     

    第五章 Graph 資料結構:Union Find 關聯性查找

     

     

    Graph 資料結構:Union Find 關聯性查找

    • Union Find 能讓我們快速將節點「歸類」到同一群中。
    • Union Find 同時也是 LeetCode 中,必學的實用資料結構。
    • 最小生成樹 (Minimum Spanning Tree) 也就是使用 Union Find 觀念來實作出來。

     

    學習+解題的高互動課程,事半功倍

    # 擁有一位解題老師,收穫許多學習夥伴

     

     

    「用圖片高效學程式」臉書專頁:專頁連結

     

    「用圖片高效學程式」YT頻道:頻道連結

     

    「Cloud Taiwan - AWS x GCP x Azure」版主:社團連結

     

    本次課程除了可以透過社群和老師互動問答,也可以與同學一起分享解題時遇到的困難、找出彼此的盲點,有效加深記憶,比獨自解題更有效果!而且老師提供豐富的課後資源,讓你不只購買課程,還能同時擁有多元的自學管道。

     

     

    這堂課和其他堂課有什麼不一樣?

    # 為面試打造的實戰寶典,你不再需要其他演算法課程了

     

     

     

    # 小白友好型課程,面向基礎從 0 開始

     

    即使從沒學過演算法和資料結構也沒關係,一知半解也沒問題!有經驗豐富的老師帶領,更容易從頭開始進行有系統的學習,比起自學更有效率,也能讓知識體系建構的更完整全面,打下扎扎實實的基礎。

     

    # 獨創動畫式教學,讓演算法更容易被理解

     

    看似抽象複雜的演算法其實富有邏輯性,本堂課利用動畫拆解每個演算法流程,用生動的表達方式補充一般的平面概述和圖說,此外還提供大家完整的演算法圖解集,能夠放在手機裡帶著走,隨時隨地拿出來看。

     

    # 實際解題,白板面試不緊張

     

    有在準備面試的求職者,相信對 Leetcode 並不陌生,裡面記錄了各式各樣的題目,堪稱白板面試與線上題庫的測驗題本。本堂課程除了學習演算法和資料結構,還同時搭配 LeetCode 實際解題,雙管齊下加深印象,每個步驟清楚演繹,讓你在面試官前也能侃侃而談。

     

    # 附贈國內外必考白板題解析,上場前先練一遍

     

    自己刷 Leetcode 容易大海撈針沒有方向,因此老師特別整理出國內外業界愛考的面試題型(如:GoogleAmazon),讓你在正式上場前能先試試水溫,了解目前職場環境關心的演算法是什麼,順便檢測自己的實力。

     

    有了穩固的演算法能力,在以下領域,都能倍增你的職場競爭力

     

     

    獨創式「動畫圖解」演算法,前因後果一目了

    # 新手也能輕鬆讀懂,讓演算法自己演給你看

     

    為什麼二元樹一下畫左、一下畫右?演算法的概念描述看起來總是抽象又難懂,理解完上一句,下一句馬上就看不懂。來本堂課,老師會告訴不用怕,利用動畫將一連串的排列規則「演」出來,強過只在腦中沙盤推演,吸收更直覺。

     

     

     

    誰適合學習這堂課?

    💡 想要進入大公司、一年內準備面試的求職者

    💡 想要提升薪水,補足本科系知識的自學轉職者

    💡 想要融會貫通,學過資料結構與演算法課程的學習者

     

    從長久角度而已,演算法將決定你的技術上線,許多自學的人通常不會有的本科系知識,因此自學想追上其他軟體工程師的人非常適合利用這門課程穩固基礎,可以從頭開始進行有系統的學習,而面試求職、求學更是需要這門課快速複習、刷題解題,在短期內將時間做最有效的應用,提升成功率。

     

    課程使用 Java 實作,我會其他程式語言可以接上嗎?

    可以的!課程主軸是教演算法觀念,實作是輔佐觀念理解。基本上,有熟悉一種語言就能接上,概念都是互通的,僅是語法不同。大多數有物件導向的語言都蠻能互換的(python,c#,c++,javascript es6,php等)

     

     

    Content

    • 1-1
      【觀念講解】Tree 其實就是一種 Graph? 圖的 4 大種類介紹
    • 1-2
      【觀念講解】Graph 組成結構:Vertex & Edge 節點與邊
    • 1-3
      【觀念講解】Graph Vertex 介紹
    • 1-4
      【觀念講解】Graph Edge 資料結構 - Adjacency Matrix & List
    • 1-5
      〖實作示範〗Graph Edge - Adjacency Matrix
    • 1-6
      〖實作示範〗Graph Edge - Adjacency Matrix + Edge State
    • 1-7
      〖實作示範〗Graph Edge - Adjacency Matrix + Edge State + Vertex State
    • 1-8
      〖實作示範〗Graph Edge - Adjacency Matrix + Edge State 完整程式碼
    • 1-9
      〖實作示範〗Graph Edge - Adjacency List
    • 1-10
      〖實作示範〗Graph Edge - Adjacency List + Edge State
    • 1-11
      〖實作示範〗Graph Edge - Adjacency List + Edge State + Vertex State
    • 1-12
      〖實作示範〗Graph Edge - Adjacency List + Edge State + Vertex State 完整程式碼

    Preview

    FAQ

    如果您購買的是募資課程,請在課程的【簡介】中查看開課時間,募資課程將於開課時間所述日期開放同學上課。

     

    若您購買的是一般課程(開放上課課程),則在購買完成後可以立即開始觀看。

     

    所有線上課程皆不受時間限制,享無限次永久觀看!

    Recommendations

    Pre-Purchase Q&A

    | No Content

    Sales Plans