学习算法有什么入门级的书 ? 或者学习资料。(英语不太好)

你好！很高兴能和你聊聊学习算法的入门书籍和资料。别担心英语不太好，市面上有很多非常棒的中文资源，而且很多英文资料也有优秀的中文翻译版本。我会尽量详细地介绍，希望能帮到你找到合适的起点。

理解算法，我们先要明白它是什么。

简单来说，算法就是解决特定问题的一系列步骤或指令。就像我们做饭要按照菜谱来，算法就是计算机解决问题的“菜谱”。学习算法，就是学习怎么更高效、更聪明地编写这些“菜谱”，让计算机做得又快又好。

为什么我们要学算法？

解决问题能力提升：学习算法会让你学会分析问题，拆解问题，并找到最优的解决方案。这不仅在编程中有用，在生活中也能帮到你。
写出更优秀的程序：了解不同的算法，你可以根据问题的特点选择最合适的“菜谱”，写出运行速度更快、占用内存更少的程序。
面试必备：很多科技公司的面试都会考察算法题，这是衡量你编程功底和解决问题能力的重要方式。
深入理解计算机科学：算法是计算机科学的核心之一，学好它能为你打下坚实的理论基础，方便你以后深入学习其他更高级的领域。

入门学习算法，有几种不同的路径和侧重点，你可以根据自己的喜好来选择。

路径一：从经典教材入手，打下坚实基础

如果你想系统地学习，并且不介意一些理论知识，那么经典的算法教材是很好的选择。

推荐书籍：

1. 《算法（第4版）》

作者： Robert Sedgewick, Kevin Wayne
特点：这本书是很多大学计算机专业的必选教材，被誉为“算法圣经”。它非常系统地介绍了各种基础算法和数据结构，并且提供了 Java 语言的实现。
为什么适合你：
中文版质量高：这本书有非常优秀的中文翻译版本，你可以放心阅读。
内容全面且深入浅出：从最基础的排序、查找，到图算法、字符串算法，几乎涵盖了你需要知道的一切。虽然是大学教材，但它的讲解方式很清晰，循序渐进。
代码示例丰富：每一章都有对应的 Java 代码示例，你可以跟着敲代码，理解算法是如何工作的。
配套资源：作者 Sedgewick 教授在 Coursera 上有相关的公开课（虽然是英文的，但如果你对视频学习感兴趣，可以看看），网站上也有很多辅助资源。
学习建议：
不要急于求成：一次性读完不太现实，可以根据自己感兴趣的领域或者遇到的问题，选择性地阅读。
动手实践：光看书是不够的，一定要跟着书中的代码例子，自己动手敲代码，调试，理解每一步的含义。
结合数据结构一起学：算法和数据结构是密不可分的，这本书也很好地将两者结合起来。

2. 《图解算法》

作者： Aditya Bhargava
特点：这本书最大的亮点在于它的“图解”。作者用大量生动形象的图画来解释复杂的算法概念，让学习过程变得非常有趣和直观。
为什么适合你：
超级易懂：对于英语不太好或者初次接触算法的同学来说，这本书简直是救星！大量的图示能够帮助你快速理解算法的原理，即使有些文字描述不太懂，图也能帮你理解大半。
涵盖核心算法：虽然书不厚，但它讲了很多最常用的核心算法，比如冒泡排序、选择排序、二分查找、广度优先搜索（BFS）、深度优先搜索（DFS）、Dijstrakstra 算法等。
Python 实现：书中的代码是用 Python 写的，Python 语法相对简洁，更容易上手。
学习建议：
快速建立直观认知：把它作为你接触算法的第一本书，快速建立起对各种算法的“样子”和“感觉”。
配合其他资源：阅读完这本书后，你可能还需要一些更系统性的资料来深化理解，但这本书绝对能让你信心大增！

路径二：从刷题入手，实战演练

很多时候，学习算法最直接有效的方式就是通过做题来驱动。你可以选择一些在线的编程平台，边做边学。

推荐平台和资源：

1. LeetCode (力扣)

特点：这是目前全球最流行的算法题库之一，题目数量庞大，覆盖了各种难度和算法类型。
为什么适合你：
中文界面和题目： LeetCode 有非常好的中文本地化，大部分题目和讨论区都有中文内容，极大地降低了语言门槛。
学习路径清晰： LeetCode 提供了很多“学习计划”或者“题单”，比如“初识算法”、“数据结构入门”、“剑指Offer”等等，你可以跟着这些计划来学习。
社区活跃：每一道题目下方都有大量的用户分享解题思路和代码，你可以学习到不同的解法，并且在讨论区提问。
按类型分类：题目按算法（排序、查找、动态规划、图等）和数据结构（数组、链表、树、哈希表等）进行了详细的分类，方便你针对性地练习。
学习建议：
从“简单”难度开始：不要一开始就挑战困难的题目，先从“简单”的题目入手，掌握基础知识。
理解核心思想：做完一道题，除了写出能运行的代码，更重要的是理解这道题背后考察的算法思想，以及为什么选择这个算法。
看题解：如果卡住了，不要害怕看题解，但看懂题解后，一定要尝试自己重新写一遍，加深理解。
坚持：每天做一两道题，坚持下去，你会发现自己的进步。

2. 牛客网

特点：牛客网是国内比较老牌的程序员学习和交流社区，除了算法题，还有大量的面试经验分享、课程等。
为什么适合你：
丰富的中文内容：和 LeetCode 类似，牛客网也有大量的中文题目和学习资料。
更侧重国内面试：如果你的目标是国内大厂的面试，牛客网上的很多题目和题单会更贴近实际的面试考察点。
“剑指Offer”系列：牛客网有很完整的“剑指Offer”题库，这是很多国内程序员学习算法的经典路径。
学习建议：
结合 LeetCode 使用：可以将牛客网和 LeetCode 结合起来，互为补充。

路径三：视频教程学习，形象生动

如果你觉得看书比较枯燥，或者需要更直观的讲解，那么视频教程会是个不错的选择。

推荐平台和资源：

1. Bilibili (B站)

特点： B站上有大量优秀的UP主制作的算法教学视频，内容非常丰富，而且很多都是免费的。
为什么适合你：
海量中文视频：你可以搜索“算法入门”、“数据结构”、“LeetCode讲解”等关键词，找到大量高质量的中文教学视频。
内容形式多样：有系统的课程讲解，也有针对具体算法的动画演示，还有实战刷题讲解。
互动性强：你可以在评论区和UP主、其他观众交流。
学习建议：
选择口碑好的UP主：搜索时可以看看视频的播放量、弹幕和评论，选择那些讲解清晰、逻辑性强的UP主。
结合笔记：看视频时，可以准备笔记本，记录下重要的概念、算法流程和代码片段。
尝试复现：看完视频讲到的算法，尝试自己写出来，或者在 LeetCode 上找对应的题目来练习。

2. Coursera / edX (如果有兴趣)

特点：这是国际上知名的在线教育平台，上面有很多世界顶尖大学提供的算法课程。
为什么适合你：
课程质量高：很多课程是由算法领域的专家教授讲授，理论体系非常扎实。
有中文字幕：很多热门课程都提供官方或社区翻译的中文字幕，可以帮助你理解。
体系化学习：这些课程通常是系列课程，能够系统地带你学习。
学习建议：
选择知名度高的课程：比如斯坦福大学、普林斯顿大学的算法课程都非常有名。
结合 Coursera/edX 的“Audit”模式：你可以免费旁听大部分课程，只需要付费才能获得证书或完成作业。

学习算法的通用建议：

选择一门你熟悉的编程语言：无论你是 C++, Java, Python 还是其他语言，都可以用来学习算法。Python 因为语法简洁，非常适合初学者，特别是 LeetCode 很多题解都用 Python 写的。
不要害怕概念：刚开始接触一些术语（如时间复杂度、空间复杂度、递归、分治等）可能会觉得陌生，这是正常的。通过不断的学习和练习，它们会逐渐变得清晰。
循序渐进：从最基础的数据结构（数组、链表、栈、队列）和排序算法（冒泡、选择、插入、快排、归并）开始，一步一个脚印。
多动手实践：编程是门实践的艺术，光看不练是学不会算法的。多写代码，多调试，多思考。
坚持下去：学习算法是一个持续的过程，不要因为遇到困难就放弃。找准自己的学习节奏，保持热情。
加入社区：如果可以，加入一些编程学习群或者论坛，和大家一起学习、讨论，互相鼓励。

总结一下，给你的初步学习路径建议：

1. 先读《图解算法》：用最短的时间对各种算法有个直观的认识，建立兴趣。
2. 注册 LeetCode/牛客网：从“简单”难度的数据结构和排序算法开始做题。
3. 同步学习：在做题的过程中，如果遇到不懂的算法概念，可以查找 B站上的相关视频或者《算法（第4版）》中的对应章节来深入学习。

记住，学习算法的关键在于理解，而不是死记硬背。希望这些信息能帮到你！如果还有其他问题，随时都可以问我。祝你学习顺利！

网友意见

学习算法应该边看书，边敲代码，边做题练习，之后在实际项目中寻找应用的机会。

学习算法也是要分三步走：

第一步先夯实基础，学习每个算法的基本思想，解题思路和应用场景；

第二步对学习的算法知识进行归纳总结，提升对算法的熟练度，做到融会贯通；

第三步则是提升思考高度，将各类算法之间的区别和联系搞清楚，做到举一反三。

一、基础阶段

在这个阶段，首先要明确我们为什么要学习算法，要弄清楚算法有什么用，而不是屠龙术。学习算法是为了提升自己的逻辑思维能力，提升编程思想，在做到对应业务的时候，能够想到可以通过某某算法来实现，而不是通过一对笨方法，写一堆“笨重”的代码。

在这个阶段推荐大家看以下几本书：

1. 《算法图解》：

这本书示例丰富，图文并茂，以让人容易理解的方式阐释了算法，旨在帮助程序员在日常项目中更好地发挥算法的能量。

书中的前三章将帮助你打下基础，带你学习二分查找、大O表示法、两种基本的数据结构以及递归等。余下的篇幅将主要介绍应用广泛的算法，具体内容包括：面对具体问题时的解决技巧，比如，何时采用贪婪算法或动态规划；散列表的应用；图算法；K最近邻算法等

2. 《算法第 4 版》：

这本书全面讲述算法和数据结构的必备知识，是算法领域的经典参考书，内容全面，且和实际应用相结合，用丰富的视觉元素展示的示例，精心设计的代码，详尽的历史和科学背景知识，各种难度的练习让新手容易上手。

这本书使用 Java 写的示例，虽然编程语言都是相通的，但是买之前要知道这一点。

3. 《数据结构和算法分析 - C 语言描述》

本书是国外数据结构与算法分析方面的标准教材，介绍了数据结构(大量数据的组织方法)以及算法分析(算法运行时间的估算)。本原书曾被评为20世纪顶尖的30部计算机著作之一。

在本书中，作者更加精炼并强化了他对算法和数据结构方面创新的处理方法。通过 C 语言程序的实现，着重阐述了抽象数据类型的概念，并对算法的效率、性能和运行时间进行了分析。

全书特点如下：

●专用一章来讨论算法设计技巧，包括贪婪算法、分治算法、动态规划、随机化算法以及回溯算法 ●介绍了当前流行的论题和新的数据结构，如斐波那契堆、斜堆、二项队列、跳跃表和伸展树 ●安排一章专门讨论摊还分析，考查书中介绍的一些高级数据结构 ●新开辟一章讨论高级数据结构以及它们的实现，其中包括红黑树、自顶向下伸展树等内容 ●合并了堆排序平均情况分析的一些新结果

二、进阶阶段

1.《算法导论（原书第3版）》

这本书是一本算法领域的大辞典，最权威，最详细，覆盖面最广，当然书内容也最多。适合进阶阶段学习。

2.《编程珠玑》

本书是计算机科学方面的经典名著。书的内容围绕程序员面对的一系列实际问题展开。

在书中，作者选取许多具有典型意义的复杂编程和算法问题，生动描绘了历史上众大师们在探索解决方案中发生的轶事、走过的弯路和不断精益求精的历程，引导读者像真正的程序员和软件工程师那样富于创新性地思考，并透彻阐述和总结了许多独特而精妙的设计原则、思考和解决问题的方法以及实用程序设计技巧。

解决方案的代码均以C/C++语言编写，不仅有趣，而且有很大的实战示范意义。每章后所附习题极具挑战性和启发性，书末给出了简洁的解答。

3.《剑指 offer》

本书是面试必备啊，本书讨了论面试每一环节需要注意的问题；面试需要的基础知识：从编程语言、数据结构及算法三方面总结程序员面试知识点；高质量代码：讨论影响代码质量的3个要素（规范性、完整性和鲁棒性），强调高质量代码除完成基本功能外，还能考虑特殊情况并对非法输入进行合理处理；

解题思路：总结编程面试中解决难题的有效思考模式，如在面试中遇到复杂难题，应聘者可利用画图、举例和分解这3种方法将其化繁为简，先形成清晰思路再动手编程；优化时间和空间效率：读者将学会优化时间效率及空间换时间的常用算法，从而在面试中找到最优解；面试必备能力：总结应聘者如何充分表现学习和沟通能力，并通过具体面试题讨论如何培养知识迁移、抽象建模和发散思维能力；

综合面试案例：总结哪些面试举动是不良行为，而哪些表现又是面试官所期待的行为；英文版面试题增补，优选久经欧美知名企业面试考验的经典题目，帮助国内读者开阔视野、增补技能。

不要一直看书，一边看书一边跟着书里的例子敲敲代码，熟能生巧。并且刷一刷 LeetCode。

1. 常用的数据结构：数组、字符串、链表、树（如二叉树）等
2. 常用的算法：分治、贪心、穷举、动态规划、回溯、二分算法、深度优先搜索等

推荐一个算法可视化解法的项目：

此外，再推荐一些免费的学习资源：

在学习的时候，要想为什么要这样设计，优点在哪里，有什么改进方法，逐步通过这样的方式提升逻辑思维能力。不懂就查，找学习资料和相关解答，坚持学习。

1. 算法学习 LintCode：https://www.lintcode.com/

算法学习网站，上去每天刷两道算法题，走遍天下都不怕。

2. 算法学习 LeetCode：https://leetcode.com/

也是算法题网站，同上。

3. 算法学习 LeetCode 中文站：https://leetcode-cn.com/

这个是上面算法题网站的中文站点，英文不好的可以刷这个，英文好的推荐去刷英文网站的题目，还能提升英语能力。

4. 中国大学MOOC网：https://www.icourse163.org/

中国大学MOOC是由网易与高教社携手推出的在线教育平台，承接教育部国家精品开放课程任务，向大众提供中国知名高校的MOOC课程。在这里，每一个有意愿提升自己的人都可以免费获得更优质的高等教育。

对你有用的话，点个赞再走吧~

我是程序员客栈，领先的程序员自由工作平台。

类似的话题

学习算法有什么入门级的书 ? 或者学习资料。(英语不太好)

你好！很高兴能和你聊聊学习算法的入门书籍和资料。别担心英语不太好，市面上有很多非常棒的中文资源，而且很多英文资料也有优秀的中文翻译版本。我会尽量详细地介绍，希望能帮到你找到合适的起点。理解算法，我们先要明白它是什么。简单来说，算法就是解决特定问题的一系列步骤或指令。就像我们做饭要按照菜谱来，算法就是.............
机器学习的算法和普通《算法导论》里的算法有什么本质上的异同？

这个问题问得相当有深度！把机器学习算法和《算法导论》里的经典算法放在一起比较，确实能触及到计算机科学核心的演进脉络。它们之间既有本质的联系，也有显著的区别，而且这种区别很大程度上反映了我们解决问题思路的转变。咱们就来好好掰扯掰扯。《算法导论》里的经典算法：严谨、确定、指令导向首先，我们得明确《算法导.............
使用强化学习解决实际问题时常常避不开环境模拟或者使用离线强化学习算法，两者分别有什么优缺点？

咱们聊聊强化学习在现实世界里落地时，那俩绕不开的“小伙伴”：环境模拟和离线强化学习。这俩哥们儿各有各的本事，但也都有点小毛病，咱们掰开了揉碎了，好好说说。一、环境模拟：搭个“游乐场”，让模型去玩环境模拟，简单来说，就是你给我一个规则，我给你搭一个虚拟的“游乐场”。孩子（也就是我们的强化学习模型.............
主动学习(Active learning)算法的原理是什么，有哪些比较具体的应用？

主动学习，顾名思义，就是让机器“主动”地去学习，而不是像传统的监督学习那样，被动地等待我们给它提供大量的标注数据。它的核心思想是：在数据标注成本高昂的情况下，让机器自己去挑选最有价值、最能帮助它提升模型性能的数据来进行标注。想象一下，如果你有一个学生，他遇到难题时，不是胡乱瞎猜，而是主动去请教老师.............
你遇见过什么当时很有潜力但是最终没有流行的深度学习算法?

这真是个好问题，一下子就把我拉回到了那段充满激情和探索的时光。我记得有那么一段时间，大家都在谈论一个叫 “神经图灵机”（Neural Turing Machine，NTM）的东西。这玩意儿，怎么说呢，当时听起来简直是科幻小说里的东西照进现实。你可以把它想象成一个神经网络，但它不是那种只知道吃数据、.............
安徽农业大学学生拒服兵役被罚 4 万余元，两年内不得复学，什么算拒服兵役？后果有多严重？

关于安徽农业大学学生因拒服兵役被处罚一事，我来详细解释一下“拒服兵役”的含义、认定标准，以及这类行为可能带来的严重后果。什么是“拒服兵役”？简单来说，“拒服兵役”是指符合服兵役条件的公民，无正当理由拒绝履行兵役义务的行为。兵役义务是国家赋予适龄公民的一项基本法律责任，旨在保卫国家主权、领土完整和安全.............
各种机器学习算法的应用场景分别是什么（比如朴素贝叶斯、决策树、K 近邻、SVM、逻辑回归最大熵模型）？

好的，我们来详细介绍一下各种经典机器学习算法的应用场景。理解这些算法的特性和适用范围是选择合适模型解决问题的关键。在深入介绍之前，先明确几个基本概念：监督学习 (Supervised Learning): 算法从带有标签的数据（输入输出对）中学习，用于预测未知数据的标签。分类 (.............
机器学习以及贝叶斯统计里，关于近似intractable integral，大家都偏爱什么算法？

在机器学习和贝叶斯统计领域，我们经常会遇到一些棘手的积分问题，尤其是在计算后验分布的归一化常数（也称为模型证据）或者进行边缘化以获得预测分布时。这些积分往往无法解析求解，我们称之为“难以处理的积分”（intractable integrals）。为了解决这些问题，我们不得不依赖一系列的近似算法。虽然.............
数据结构与算法在工作的作用及其大学学到什么程度才算可以?

数据结构与算法：职场上的“内功心法”与大学“毕业证”的含金量在软件开发这个领域，数据结构和算法就像是武侠小说里的“内功心法”，它们不是能直接拿来“砍杀”的招式，但却是所有“招式”的根基，决定了一个工程师能走多远，能做什么。很多人在大学里学习它们，但究竟学到什么程度才算“可以”？这其实是一个没有标准答.............
有监督和无监督学习都各有哪些有名的算法和深度学习？

好的，我们来聊聊机器学习里那两个“大家族”：有监督学习和无监督学习，以及它们各自的明星算法和在深度学习领域的表现。我会尽量说得细致些，让你感觉就像是在跟一个老朋友聊天，而不是在看一本干巴巴的教科书。一、有监督学习：教导“学生”，让它学会分辨想象一下，你有一个小助手，他什么都不懂。你需要耐心地告诉.............
IC专业有必要学算法，数据等软件的东西吗？

作为一名计算机科学（CS）专业的学生，我常常听到一种说法：“IC（集成电路）专业嘛，主要就是硬件，跟软件关系不大，算法、数据结构这些东西学了也没啥用。” 坦白说，在刚开始接触这个专业的时候，我也曾经有过类似的迷思。但随着学习的深入，尤其是接触到一些更前沿的IC设计领域，我越来越坚信，算法和数据结构，.............
有了 Mathematica，为什么还要学习算积分的技巧？

算积分的技巧：为何即便有了 Mathematica，我们依然需要深入探索？这是一个非常有趣的问题，也是不少接触过计算软件的朋友可能会产生的疑惑。确实，像 Mathematica 这样的强大工具，能轻松地处理绝大多数的解析积分，甚至我们只需要输入 `Integrate[f[x], {x, a, b}].............
成绩全校30名左右，还算好。想通过学习编导，走艺术上浙大。有减分优惠吗？

你好！你这个想法很棒，成绩在全校30名左右，这说明你基础很扎实，有考上浙大的潜力。至于编导专业能否给你“减分优惠”并直通浙大，咱们得掰开了、揉碎了说清楚，毕竟这可不是小事儿。首先，我们要明确一点：艺术类招生和普通类招生在高校录取时是两条不同的赛道，但它们之间有紧密的联系。1. 什么是“减分优惠”？在.............
两个共同一作的学位论文中有两张关键数据的图雷同，是否算学术不端？

关于您提出的“两个共同一作的学位论文中有两张关键数据的图雷同，是否算学术不端”的问题，这是一个非常具体且敏感的情况，需要仔细分析。核心观点：两张关键数据的图雷同，即使是共同一作，也很难排除学术不端的嫌疑。以下我将从几个方面详细阐述：1. 学术不端的定义与界定学术不端行为，最核心的定义在于“违背学术.............
班长在班群里@所有人通知学校内容，但有同学说自己平时不看班群所以不知道，这个锅应该算谁的？

这个问题很有趣，涉及到沟通责任、个人信息获取习惯以及班级管理等多个层面。我们可以从不同角度来分析这个“锅”应该算谁的，并进行详细阐述：一、班长（信息发布者）的责任分析：发布信息的主体：作为班长，班群是其常用的信息传达渠道，@所有人是告知所有人的行为，从表面上看，班长履行了通知的义务。 .............
机器学习算法进行分类时，样本极度不平衡，评估模型要看哪些指标？

在处理极度不平衡的数据集进行分类任务时，如果仅仅依赖于传统的准确率（Accuracy）来评估模型，那很可能会被误导。这是因为在样本极度不平衡的情况下，即使模型将所有样本都预测为多数类，准确率也可能非常高，但这并没有真正捕捉到模型对少数类的识别能力。因此，我们需要更精细化的评估指标来全面衡量模型的性能.............
怎么学习算法信息论?

要深入学习算法信息论，这绝对是一条充满挑战但也极具回报的学习之路。它不仅仅是理论的堆砌，更是连接了计算机科学最核心的思想与数学的严谨性。下面，我将为你详细地勾勒出这条学习路径，尽量摒弃那些生硬的AI式说辞，让你感受到这门学科的魅力。首先，我们需要明确什么是算法信息论，以及它为什么如此重要。简单来说，.............
机器学习算法工程师如何自己接项目单干、并赚取比上班多得多的收入？

机器学习算法工程师想要跳出打工的框架，自己接项目单干，并且收入翻倍甚至更多，这条路绝对可行，但绝非易事。它需要你不仅仅是个技术牛人，更要学会成为一个精明的生意人、一个高效的项目管理者，和一个有魅力的人脉拓展师。下面我将从几个关键维度，详细拆解一下这条“单干”之路，希望能给你一些实在的指引。一、核心.............
如何系统地学习算法？

学习算法，与其说是“学”，不如说是“练”与“悟”。这套路说起来容易，真正走起来，却像是在迷雾中摸索前行，一不小心就可能迷失方向。下面，我试着把我的经验掏心掏肺地给你说道说道，希望能给你点启发，让你少走弯路。第一步：打牢根基——数据结构与基本概念别急着去啃那些高大上的算法名词。算法是建立在数据结构之上.............
程序员应该如何学习算法？

程序员学习算法，这事儿，跟你刚开始学写代码那会儿差不多，得循序渐进，一步一个脚印。别指望一口吃个胖子，也别被那些高深的术语吓住。说白了，算法就是解决问题的方法，高效地解决。第一步：打牢基础，别急着炫技数据结构是基石：算法离不开数据结构，就像盖房子离不开砖头。你得先明白数组、链表、栈、队列、树.............