清华学生总结的算法学习方法

点击关注公众号，干货及时送达

‍作者｜longyue0521

整理｜Python与算法社区 公众号

今天查资料时看到一个比较好的算法学习方法总结，来自清华大学算法训练营 longyue0521 ，提出的 “做中学” 方法，个人也是比较认同的，大家不妨看看下面的详细介绍。

   一、事半功倍

Learning by doing 做中学

   二、经历描述

在我初学编程时，因没有掌握计算机相关专业的学习方法，走了不少弯路。

我总是想先“打好基础”，再走下一步，但这需要时间、毅力与坚持。

我花了很大气力学习，但都事倍功半！

我想找到效率更高的学习方法，于是我开始浏览美国计算机四大名校的课程网站。

经过一番研究，自学几门课程后，我发现了他们的教学套路：

• 教授理论知识（一），小作业，用于巩固理论知识（一）

• 教授理论知识（二），小作业，用于巩固理论知识（二）

• 大作业，编程实践，需要用到理论知识（一）与（二）

• 教授理论知识（三），小作业，用于巩固理论知识（三）

• 教授理论知识（四），小作业，用于巩固理论知识（四）

• 大作业，编程实践，需要用到理论知识（三）与（四）

• 项目作业，编程实践，多人协作，需要用到理论知识（一）～（四）+ hits

• 重复上述过程，一般重复4～6次，中间穿插期中考试，最后期末考试

由此“套路”总结出另一种学习方法——“迭代学习”法：

• 理解待解决的问题

• 学习部分理论知识

• 动手实践尝试解决，无法解决，回到1或2

• 成功解决抓紧总结

即使现在回头看，我也不能说第一种学习方法有错，“迭代”学习法更好！但这两种学习方法都是以同一个核心为基础的——动手做，做中学！

你可以都尝试一下，然后选取自己喜欢、又高效的学习方法！

当然也欢迎分享你的学习方法！

   三、经验总结

• 越早适应“迭代”学习法对你越有利。

• 大多数时候你没有足够的时间来“学完再做”。

• 若你在“迭代”学习过程产生的焦虑、沮丧、挫败感，请及时排解

• 排解后记得回来，坚持才能胜利！

   四、个人建议

学习《算法设计》在借鉴学习《数据结构》的经验的同时，需要做适当调整——在每次大迭代中应用“迭代”学习法：

第一次迭代，熟悉常用的算法设计策略，掌握策略的使用方法及适用的场景

• 其实学习《数据结构》时你已经学了不少经典算法

• 带着学到的算法设计策略回头总结、归纳经典算法

• 可以在纸上画画设计策略与经典算法的关系图，是一对一，一对多，还是多对多

• 这个阶段的重点，在脑中建立常用算法设计策略与经典算法的对应关系

• 如果个人能力不错，可考虑与《数据结构》第三次迭代同时进行

第二次迭代，灵活运用算法设计策略，解决实际问题

• 大量的解决问题，在此过程中总结出你个人解决问题的流程

• 可以针对某项设计策略进行专项训练，但要考虑实际需求——工作、面试、竞赛

• 此阶段的重点就是解决《数据结构》第三次迭代中的隐藏关卡，同时培养解决问题的感觉、自觉

• 别忘了“迭代”学习方法

• 大量训练、多与他人探讨、扩展自己的思路并及时总结

第三次迭代，对给定问题能运用数学证明你的算法设计策略是正确的、可行的、高效的

• 这个阶段要做的事本应该融入到前两次迭代中的，甚至更早比如在离散数学课上

• 之所以单抽出来是因为有太多的人因这个“拦路虎”而徘徊在“算法设计”的大门前迟迟不敢踏入半步，更有甚者转身离开了就再也没回来......

• 如果你不擅长数学，或不打算从事科研及对数学要求较高的工作，可以跳过

• 对于打算从事科研及对数学要求较高的工作的人来说，这也可以算迂回策略

• 可以先从教材对经典算法的证明学习，然后重走第二次迭代实践（这才是看CLRS的时机）

• 这个阶段的重点，有意识地运用数学来决定设计策略的选取

   五、追求目标

你在学习《算法设计》的初期没能养成良好的推理、证明习惯，后期改正要费些功夫信心/底气不足，有强大的数学理论作为支撑你敲代码、测试或和别人辩论也底气十足尽管不完美但比起那些徘徊在门口、转身离开的人，你已进入“算法设计”的大门！

这难道不值得高兴吗？

推荐阅读
（点击标题可跳转阅读）
JupyterLab 终于出了 Windows 桌面版
李沐大神新作：用梯度下降来优化人生
反对李沐大佬：反向用随机梯度下降来优化人生
神经网络的5种常见求导，附详细的公式过程
老铁，三连支持一下，好吗？↓↓↓