课程地址：https://www.icourse163.org/course/ZJU-93001
笔记中图片均来自此mooc中讲义。

第三周的内容是讲树，现在来回顾下。

Part1:回顾

1.树的定义

光看定义还挺抽象，但是看下示意图还是比较好理解的，注意这里互不相交这个特点很关键，可以据此来判断一个结构是否为树，例如一下三个例子均不是树。

一直想学这门课，网易公开课的版本确实不错，但是代码看不清，非常难受，所以自己搬运了youtube上2016年的课程，非常清晰，字幕是youtube自动翻译的，可能有些不准，但内容和网易公开课版本基本一致，这里给下链接。
视频地址：
https://pan.baidu.com/s/12oEpv022SiKlJGwZiQNO0g
密码：62nu
参考书籍：
https://pan.baidu.com/s/1PYRjvvq6fkV_NdTR7FOa2g
密码：h092

课程主页：
https://www.baidu.com/link?url=Ti8c7qJ4ibyIfgMgucbK5qTnnzGf3xWVsRdzORr1_fF-vGRVoHQ7Q7RlITXwHgPE&wd=&eqid=a77bcc030001438d000000045aba5907
最新版的课程其实和网易公开课上的资料基本一致,选择哪个都可以，个人感觉把这些部分都完成应该会有不错的效果。

再来简述一下这门课程，这门是编程的入门课，0基础都可以学，介绍java的，老师讲课很有意思，难度不大，感觉这门课的精华是作业，所以在这里记录下作业的思路。

课程地址：https://www.icourse163.org/course/ZJU-93001
笔记中图片均来自此mooc中讲义。

之前忙于研究生复试，所以停滞了一周的课程。这次回顾下第二周的课程，这周主要讲了三个部分，线性表，堆栈，队列。

Part1:回顾

1.线性表

这里引用老师的介绍。

线性表比较常用，比如python中的list的就是线性表，由于python自带，所以这里没有自己实现一遍。

Week1

这一周相对基础，只列两点

• 解释与编译的区别
  解释：一条一条运行
  编译：翻译完成之后运行
  这里老师说解释执行未必比编译执行慢，因为现在计算机的运算速度已经非常快了。

• 现在一般说哪个语言比较适合做什么不是说这个语言本身，而是这个语言有很强大的库函数。比如python的pandas,numpy库非常适合做科学计算，所以人们常说python适合做数据分析。

  阅读全文 »

课程地址：https://www.icourse163.org/course/ZJU-93001
笔记中图片均来自此mooc中讲义。

这周开始了浙大陈越老师的数据结构课程，听了一周，感觉讲的很清晰，现在总结一下。

Part1:回顾

1. 什么是数据结构

简单来说，就是数据对象在计算机中的组织方式，分为逻辑机构和物理存储结构，而数据对象必定和一些操作相关，这些操作就是算法。
这里老师还提到抽象数据类型的概念，就是定义一个数据对象集和其操作集，而不管其具体的实现。举个例子，大家都知道矩阵，也知道它的运算，那么矩阵可以看成一个抽象数据类型，在计算机中具体由python还是C来定义这些细节就不是抽象数据类型关心的了。
抽象的好处在与处理问题的时候只需要关注问题本身，而不用关注底层的实现。

2. 什么是算法

算法的其实就是解决问题的方法，设计算法的时候要考虑时间复杂度和空间复杂度。时间复杂度一般就是考虑最坏情况以及渐进表示，因为最坏情况方便计算，而且算法只需要考虑当数据量大的情形，所以只需要考虑渐进表示。

3. 应用实例

这部分也是这周的作业，虽然不算很难，但是本菜鸡还是折腾了很久。本周的例子是最大子列，PTA上有两题和此相关，第三题二分法查找算法比较简单，就不列出了。

本科四年玩的比较多，基本没学到什么，临近毕业时才发现自己对AI，机器学习等领域比较感兴趣，故从网上找了一些优秀的mooc和公开课来学习。想借助这个博客记录自己学习的过程，顺便对学习的内容加以总结。
学习的内容主要是两方面，一个是机器学习，还有一部分是CS的基础课程，基本上算从零起步，计划是未来两年半之内学习完，希望自己能坚持下来。
下面帖一下课程汇总，是我在简书上发的帖子：

• CS课程：
  https://www.jianshu.com/p/8f2646a825e8
• 机器学习：
  https://www.jianshu.com/p/dc9020fd03b1