Bagaimana meningkatkan keterampilan struktur data saya setelah hibernasi yang lama [ditutup]

10

Saya cukup baik dengan algoritma dan struktur data sekali, dahulu kala. Sejak itu, saya memprogram secara profesional, dan kemudian pergi untuk mengelola tim kecil, yang benar-benar menembak keterampilan teknologi saya di bidang ini kembali.

Saya sudah memutuskan ingin menjadi pengembang lagi, dan bekerja untuk Google. Masalahnya, saya sangat tidak berlatih, bahwa jika saya akan diwawancarai sekarang, saya pasti akan gagal dalam 10 menit.

Program pelatihan apa yang akan Anda rekomendasikan agar saya pulih kembali? Saya sudah memulai akhir pekan ini dengan kembali ke dasar-dasar absolut dan menerapkan beberapa algoritma pengurutan, daftar tertaut, dan tabel hash. Selanjutnya, saya pikir saya akan membaca seluruh materi kursus pada struktur data dasar lainnya dan algoritma grafik. Saya ingin menemukan serangkaian latihan praktis yang dapat saya lakukan dalam waktu yang relatif singkat, untuk menyulap sel-sel otak lama. Saya tahu hal ini - saya hanya perlu mengingatkan diri sendiri bahwa saya tahu itu.

training

@ Anon: Jika ini adalah cara baru Google membuat buzz tentang dirinya sendiri di tahun baru ini, ada satu hal yang ingin saya katakan. Berhasil.

— Fanatic23

4

Jika struktur data Anda dihibernasi, kemungkinan besar serialisasi. Anda hanya perlu meng-unserialize mereka.

— Mchl

4

@ MCCH - Saya tidak tahu tentang Anon, tapi saya telah menemukan bahwa media penyimpanan "otak" bahkan lebih tidak dapat diandalkan dalam jangka panjang daripada floppy disk. Apa pun yang diserialkan lebih dari beberapa tahun yang lalu hampir pasti sudah rusak sekarang.

— Steve314

6

Ada 4 hal yang ingin saya sampaikan kepada Anda, dan saya telah mencatat urutan yang harus saya sampaikan kepada Anda:

Dapatkan sumber teh hijau Anda sendiri saat ini
Saat Anda menyeruput teh hijau itu, bacalah buku Skiena yang tersedia dari sini . Dan lihat materi audio / video di sini .
Lihat serangkaian tautan luar biasa yang dikelola oleh Google di http://code.google.com/edu/courses.html
Buka pertanyaan terkait algoritma di SO dan coba jawab sendiri

Semoga berhasil!

— Fanatic23
sumber

Sementara saya suka buku dari skiena, tidak pernah tahu bahwa ada materi audio / video, terima kasih.

— Flash

1

Saya sarankan memilih struktur data nyata atau format file yang digunakan orang saat ini, dan melakukan sesuatu yang keren dengannya. Format file Git didokumentasikan dengan cukup baik misalnya:

http://book.git-scm.com/1_the_git_object_model.html

Melakukan sesuatu yang menarik dengan format yang digunakan orang, dan bersikap keras tentang hal itu, mengajarkan pelajaran-dan- memberi Anda sesuatu yang orang akan tertarik.

Atau paling tidak, buat sesuatu dengan sudut yang unik. Ketika saya berada di posisi yang sama dengan Anda, saya menulis jawaban untuk pertanyaan wawancara online tentang membuat grafik yang tidak terarah yang dapat mendeteksi penyisipan siklus. Ini akan menjadi masalah yang mudah jika saya tidak menambahkan kendala tambahan ... tapi saya memutuskan untuk mengharuskan itu bisa melakukan penyisipan di O (1). Hasilnya adalah NoCycle:

http://hostilefork.com/nocycle/

— HostileFork mengatakan jangan percaya pada SE
sumber

1

Ini tergantung pada apa tujuan Anda - misalnya apakah desain dan analisis algoritma ada di sana, atau apakah Anda tetap menggunakan struktur dan algoritma standar? Tapi bagiku itu terdengar seperti kamu sudah melakukan apa yang perlu kamu lakukan.

Jika Anda masih memiliki buku teks favorit lama dari "dahulu sekali", saya sarankan mengunjungi kembali itu. Di luar itu, itu adalah saran standar meninjau-apa pun. Ajukan pertanyaan spesifik pada diri Anda, cari jawabannya, ketika Anda kehabisan pertanyaan, cepat dan telusuri apa pun yang dapat Anda temukan sampai Anda dapat menemukan beberapa pertanyaan yang lebih spesifik.

Algoritma dan Struktur Data (Niklaus Wirth) adalah buku yang relatif ringkas tentang algoritma dasar dan struktur data tanpa semua desain dan analisis algoritma. Sangat mendasar, meskipun - daftar, berbagai pohon, tumpukan, tapi saya tidak ingat tentang digraf misalnya. Satu keuntungan adalah ada unduhan gratis versi Oberon - http://www.inf.ethz.ch/personal/wirth/ - cari tautan PDF di dekat bagian bawah daftar buku. Wikipedia adalah sumber yang jelas, tetapi memiliki begitu banyak sehingga merupakan ide bagus untuk memutuskan apa yang Anda inginkan dan apa yang tidak Anda miliki sebelum Anda pergi ke sana.

— Steve314
sumber

0

Ketika Anda terbiasa dengan algoritma dan struktur data, apa saja sumber daya yang Anda akses?

Seberapa pendek "jumlah waktu yang relatif singkat" yang Anda butuhkan untuk memoles pengetahuan Anda?

Saya tidak berpikir bahwa pengetahuan yang diperoleh dengan dedikasi tidak akan pernah hilang. Itu hanya akan memudar sedikit, dan ANDA adalah juri terbaik untuk bidang mana Anda perlu bekerja untuk mendapatkan kembali kecakapan lama Anda dengan subjek yang pernah Anda cintai.

— Naweed Chougle
sumber