刷題應該這樣刷。
最近,一位網(wǎng)友在GitHub上分享了他自己的一個算法模版,瞬間斬獲1.2k星。
按照他的經(jīng)歷來說,四月份找工作開始,從0開始刷LeetCode,現(xiàn)在已經(jīng)是字節(jié)跳動的員工了。
于是就通過各種刷題文章,專欄,視頻等總結(jié)了一套自己的刷題模板。
最科學的刷題方式,最快速的刷題路徑,到底是怎樣的呢?
我們一起來看看吧~
推薦的刷題路徑
那么,應該從何刷起呢?怎么刷?
作者提供了一個推薦路徑。
第一步,algorithm-pattern 練習題
首先呢,按照作者總結(jié)的練習題刷一遍(網(wǎng)站鏈接已附文末),如果中間有題目卡住了就先跳過。
為什么要先刷練習題呢?
作者說了,因為這些題目都是按照類型歸類,且一開始還有詳細的知識點解析。題目也是常見的高頻題,很有代表性,大部分都是可以用模版加一點變形做出來的。
這樣刷完了之后就會對大部分題目有個最基本的認識。
第二步,LeetCode探索卡片
接著,就可以去刷LeetCode的探索卡片了。
這一步,主要是鞏固一下基礎知識點,然后做一個小總結(jié)。
第三步,劍指offer
劍指offer基本上是大部分公司的出題源頭,刷題面試中基本會遇到現(xiàn)題或者變形題,刷完這三部分,大部分國內(nèi)公司的面試題應該都沒有問題了。
另外,作者還溫馨提示:
刷題時間要合理分配。如果打算準備面試了,建議前面兩部分,一個半月(6周)的時間刷完,最后劍指offer半個月刷完,邊刷可以邊投簡歷進行面試,遇到不會的,往模版上套就對了。
練習題內(nèi)容
既然練習題那么重要,那么我們就來搶先來了解一下~
核心內(nèi)容主要分為四個部分。
入門篇——數(shù)據(jù)結(jié)構(gòu)篇——基礎算法篇——算法思維篇
(有沒有注意到作者的良苦用心,一開始是,刷完你就是。)
入門篇
入門篇就分為go語言入門和算法快速入門。
點擊go語言入門,它的界面是這樣的。
分成了基本語法、常用庫以及刷題注意點這三部分。
如果你對go語言還不是很了解,直接送上「go語言圣經(jīng)」在線網(wǎng)頁版供你參考。
常用庫不必細說了,附帶代碼和解釋說明,很完整。
另外還有刷題注意事項:
leetcode 中,全局變量不要當做返回值,否則刷題檢查器會報錯。
而在「算法快速入門」中,主要介紹了數(shù)據(jù)結(jié)構(gòu)和算法、面試注意點以及兩道練習題。
數(shù)據(jù)結(jié)構(gòu)篇
數(shù)據(jù)結(jié)構(gòu)篇主要分成了二叉樹、鏈表、棧和隊列以及二進制。
每一個模塊,都有知識點解析,總結(jié)以及練習題這幾個部分。
接著的「基礎算法篇」、「算法思維篇」也都是按照這樣的路子來的,大家就安安心心的刷題吧!
作者還提到,文章大部分都是對題目的思路介紹和一些問題的解析,有了思路還是需要自己動手寫一寫,所以每篇文章都有對應的練習題。刷完這些練習題,基本上對數(shù)據(jù)結(jié)構(gòu)和算法有自己的認識體會,大部分面試題都能寫得出來。國內(nèi)的BAT、TMD應該都不是問題。
本人心得體會
除了這些,作者本人還分享了自己的心得體會。
從 4 月份找工作開始,從 0 開始刷 LeetCode,中間大概花了一個半月(6 周)左右時間刷完 240 題。
剛開始刷題時,確實是無從下手。
是因為從序號開始刷,刷到幾道題就遇到 hard 的題型,會卡住很久,后面去評論區(qū)看別人怎么刷題,也去 Google 搜索最好的刷題方式。
后來發(fā)現(xiàn)按題型刷題會舒服很多,基本一個類型的題目,一天能做很多,慢慢刷題也不再枯燥,做起來也很有意思,最后也收到了不錯的 offer。
好了,以上就是分享的刷題指南,希望能夠?qū)δ阌兴鶐椭?/p>
另外,如果你也有刷題、面試大廠的經(jīng)歷和經(jīng)驗,歡迎跟我們分享哦!
-
模板
+關(guān)注
關(guān)注
0文章
108瀏覽量
20620 -
GitHub
+關(guān)注
關(guān)注
3文章
474瀏覽量
16614
原文標題:刷題兩個月,從入門到字節(jié)跳動offer,這是我的模板 | GitHub 1.2k星
文章出處:【微信號:TheAlgorithm,微信公眾號:算法與數(shù)據(jù)結(jié)構(gòu)】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
DeepSeek GitHub星數(shù)超OpenAI
gitee 與 GitHub 的比較
TimSort:一個在標準函數(shù)庫中廣泛使用的排序算法
NVIDIA TensorRT-LLM Roadmap現(xiàn)已在GitHub上公開發(fā)布
![NVIDIA TensorRT-LLM Roadmap現(xiàn)已在<b class='flag-5'>GitHub</b><b class='flag-5'>上</b>公開發(fā)布](https://file1.elecfans.com/web3/M00/00/42/wKgZO2dH2UeALMQdAABTS5uU1Rg392.png)
評論