图解算法

第1章 算法基础知识～算法的作用是什么？～
1-1 进行快速准确运算的步骤
编程、算法
1-2 让数据更容易处理
文本文件、二进制文件、非结构化数据、结构化数据、数据结构
1-3 什么是好的计算机程序?
使用效率
1-4 比较各种算法的标准
计算复杂性、渐进、渐进符号
1-5 差异取决于实施的语言
编程语言、编译器、解释器、即时编译
1-6 一套便捷的算法集合
库
1-7 算法权利
专利权、软件专利、著作权、开放源代码
1-8 使用图片讲解算法
流程图
1-9 纸上计算的算法
笔算
1-10 寻找素数
素数、埃拉托斯特尼筛法
1-11 找出*大公约数
*大公约数、欧几里得算法
1-12 通过拼图学习算法
汉诺塔问题
1-13 使用随机值进行检查
随机数、伪随机数、随机种子、蒙特卡罗方法 第2章 如何存储数据？～它们各自的结构和特点～
2-1 整数是如何表示的
十进制、二进制、十六进制
2-2 数据的单位
比特、字节
2-3 小数是如何表示的？
小数、浮点数、实数类型
2-4 字符表示
字符、字符代码、ASCII、2字节字符、乱码字符
2-5 一个接一个地分配
变量、赋值、常量
2-6 要存储的数据大小
数据类型、整数类型、数据类型转换
2-7 在连续的区域内存储
数组、元素、索引
2-8 以人们容易理解的方式表示
关联数组、字典、散列表、地图、碰撞
2-9 存储数据的位置
地址、指针
2-10 以表格形式存储数据
二维数组、多维数组
2-11 存储单词和句子
字符串、空字符
2-12 表达复杂的数据结构
结构体、枚举类型
2-13 排成一排的形式
链表
2-14 双向链接的形式
双向链表、循环链表
2-15 存储在一个分支结构中
树状结构、二叉树、完整二叉树
2-16 满足条件的树状结构
堆
2-17 适合搜索算法的数据结构
二叉搜索树、平衡树
2-18 平衡树的类型
B树、B 树、B*树
2-19 存储无序的数据
集合
2-20 从*后的存储中检索
堆栈、LIFO、推入、弹出
2-21 便于按其保存的顺序进行检索的格式
队列、FIFO、排队、脱队
2-22 虚拟内存分页算法
虚拟内存、分页算法、LFU、LRU 第3章 对数据进行分类～按照规则排列数字～
3-1 升序或降序分拣
排序
3-2 维持相同值的顺序
稳定排序、内部排序、外部排序
3-3 通过选择*大或*小值进行排序
选择排序
3-4 将数据添加到一个对齐的数组中
插入排序
3-5 与紧随其后的元素进行比较
气泡排序
3-6 数组的双向排序
鸡尾酒排序
3-7 交换排序和插入排序相结合，速度更快
希尔排序
3-8 在创建堆的同时进行排序
堆排序
3-9 通过比较合并多个数据
合并排序
3-10 一般性的快速和常用排序
快速排序、分治法
3-11 当可能的值有限制时很有用的排序方法
桶排序、箱排序、基数排序
3-12 通过提供空隙进行排序
图书馆排序、跳跃列表
3-13 趣味排序方法
独裁者排序、猴子排序
3-14 我应该选择哪种方法？
计算复杂性的比较 第4章 查找数据～如何快速找到所需的值？～
4-1 从多个数据集中找到符合标准的那一个
搜索
4-2 一个不漏地搜索
全局搜索、彻底搜索
4-3 从头开始检查
线性搜索
4-4 从排序后的数据中搜索
二分搜索
4-5 按距离远近顺序搜索
广度优先搜索
4-6 依次搜索相邻的对象
深度优先搜索、回溯
4-7 深入搜索层次结构
递归、递归调用、分支定界
4-8 差异取决于树状结构的遍历顺序
前序遍历、后序遍历、中序遍历、波兰表示法、逆波兰表示法
4-9 也可以在相反的方向进行搜索
双向搜索
4-10 通过改变起点和终点进行搜索
尺取法
4-11 通过关注边缘寻找*短路径
*短路径问题、贝尔曼-福特算法
4-12 通过关注节点找到*短路径
戴克斯特拉算法
4-13 使用经验法则进行搜索
A*算法、欧几里得距离、曼哈顿距离
4-14 找到损害*小的那一个
极小化极大算法、Alpha-Beta算法
4-15 在句子中搜索文本字符串
暴力搜索、穷举搜索、KMP算法
4-16 以一种巧妙的方式搜索字符串
BM算法
4-17 搜索符合特定模式
正则表达式 第5章 机器学习中使用的算法～支持人工智能的计算方法～
5-1 从数据中进行分类和预测
机器学习、统计机器学习
5-2 基于正确数据的学习
有监督学习、过拟合
5-3 通过从数据中提取特征进行分类
无监督学习、聚类
5-4 奖励预期结果
强化学习、行为、代理、环境、状态、多代理
5-5 用于分类和回归的树状结构
决策树、不纯度、信息增益
5-6 多重决策树下的少数服从多数
随机森林、集成学习、装袋算法、提升算法
5-7 分离时*大限度地增加与边界的间距
支持向量机、超平面、硬间隔、软间隔
5-8 0到1范围内的概率预测
回归分析、*小二乘法、逻辑回归分析
5-9 模仿人脑信号交换的数学模型
神经网络、反向传播算法
5-10 深化层次结构
深度学习、CNN、RNN
5-11 能够生成不存在数据的人工智能
GAN、深度伪造
5-12 图像去噪和边界增强
图像过滤、平滑、边缘检测
5-13 处理和执行过程中的随机选择
随机选择算法、启发式算法
5-14 模仿生物进化
遗传算法
5-15 随着时间的推移改变随机性
爬山算法、模拟退火算法
5-16 对附近的物体有很强的学习能力
自组织映射
5-17 快速求导近似解
牛顿法、梯度下降法、随机梯度下降法
5-18 对大量的数据进行分类
k均值算法
5-19 数据的维度被缩小，并在新的指标中表达
主成分分析 第6章 其他算法～典型案例～
6-1 将问题分割成更小的问题并记录结果
动态编程、记忆化
6-2 减少数据量
压缩、解压
6-3 压缩重复的内容
运行长度编码、哈夫曼编码
6-4 检测输入的错误
校验码、奇偶校验码
6-5 消除噪声和杂声
纠错码、汉明码
6-6 通过加密算法提高安全性
加密、解密、密文、明文
6-7 简单密码及其破译
恺撒密码、ROT13
6-8 低负载加密技术
共享密钥加密、私钥加密、密钥配送问题
6-9 安全的密钥共享
Diffie-Hellman密钥交换
6-10 利用大整数分解素因数的困难
公钥加密、RSA加密算法
6-11 用短密钥保证安全
椭圆曲线加密、密码危机
6-12 用于社交媒体的算法
脸书、推特、六度分隔
6-13 谷歌的算法
网页排名、RankBrain
6-14 在没有事先获得信息的情况下做出决定
A/B测试、Bandit算法
6-15 使访问所有城市的成本*小化
旅行推销员问题、调度问题
6-16 使所装货物的价值*大化
背包问题、0-1背包问题
6-17 无法解决的算法
图灵机、停机问题
6-18 如果解决了就能得到一百万美元？非常难以解决的问题
P类、NP类、P=NP、NP困难、NP完全