嗨大家好！我是 Monica，第一天一樣來講講系列文動機與大綱，談談未來的內容規劃。

關於分享主題

再次嘗試鐵人賽，希望能藉此督促自己學習新東西～這次的主題很經典也很常見，應該也是被寫到爛的主題了(?)，不過這同時也是我認為自己需要補足的部分。

資料結構與演算法是 Computer Science 的基礎知識，我想把這些基礎打好以後，再進一步深入學習其他 CS 知識，因此想藉由這次鐵人賽，把目前學到的內容整理下來。可能整理出來的內容還是很初階，也可能有些內容是很多人早就知道的，但我覺得也無所謂，就單純想把自己目前學到的東西記錄下來！

除此之外，也希望可以試著把這些看起來比較理論的概念，連結到平常比較常接觸的應用，看看它們在實際的程式或系統中可能會以什麼方式出現。不過這些延伸內容應該只會作為簡單補充，畢竟每個主題繼續挖下去，都可以再寫成另一個完整系列(?)，很怕自己又不小心挖太多洞 XD。

這個系列也是為了督促自己看完課程，因為我買了 Udemy 的 《Master the Coding Interview: Data Structures + Algorithms》 線上課程，大概斷斷續續看了兩年都還沒看完🫣，想藉此完成它！

因為 Udemy 課程主要使用 JavaScript，而 JavaScript 也是我目前比較熟悉的語言，因此這系列文章會以 JavaScript 來說明概念並撰寫範例程式。雖然要進一步了解底層，應該還是免不了接觸 C 或 C++，但因為自己目前還不熟悉，所以只會視情況加入一些簡單的 C++ 補充，希望也能藉這次機會慢慢學習 ><。

文章會盡量從各種資料結構與演算法想解決的問題出發，介紹基本概念、JavaScript 實作與複雜度分析，也會試著連結一些平常開發中可能見過的應用。整理過程中如果有不懂的地方，也會搭配 AI 工具來輔助我理解及撰寫文章。

資料結構與演算法是什麼？

很常聽到大家說「資料結構與演算法」，但這到底是什麼呢？在正式進入後面的主題以前，先簡單說明一下這個系列所談的「資料結構」與「演算法」大概是什麼。

演算法（Algorithm）聽起來很複雜，其實可以簡單理解成「一組用來解決特定問題的步驟」。它接收一些輸入資料，按照明確、可執行的步驟進行運算，並在有限的步驟內完成運算，產生預期的輸出。例如，要找出陣列中的最小值，我們可以先將第一個元素當成目前的最小值，再逐一和後面的元素比較；只要遇到更小的值，就更新目前保存的結果。這一連串解決問題的步驟，就是一種演算法。

資料結構（Data Structure）則是程式中組織與保存資料的方式。同一份資料可以用不同形式組織，而資料如何被組織，也會影響我們讀取、搜尋、插入或刪除資料的方式。舉例來說，假設程式中有一組使用者資料：

const users = [
  { id: 1, name: 'Amy' },
  { id: 2, name: 'Ben' },
  { id: 3, name: 'John' },
];

如果使用 Array 保存資料，要根據 id 找到使用者，可以從陣列中逐一尋找：

const targetId = 3;

const user = users.find((item) => item.id === targetId);

但如果程式經常需要根據 id 查找使用者，也可以先將資料整理成以 id 為 key 的 Map：

const usersById = new Map(
  users.map((item) => [item.id, item]),
);

const sameUser = usersById.get(targetId);

兩種方式保存的是相同的使用者資料，但資料的組織方式不同，查找資料的方法也會跟著改變。

不過這並不代表 Map 在所有情況下一定比較好。建立額外的 Map 也需要時間與記憶體，如果資料只會被搜尋一次，事先轉換資料不一定划算。真正要考量的是，程式經常進行什麼操作、資料量有多大，以及我們願意付出哪些額外成本。

這也是資料結構與演算法重要的地方，兩者會互相影響，並且需要根據實際需求進行取捨。

• 資料結構關心資料如何被安排與保存
• 演算法關心問題要透過哪些步驟解決

再深入看一層，這兩件事分別對應到電腦的兩種基本資源：

• 資料結構對應 storage（儲存）：記憶體、硬碟。儲存資源是有限的，所以我們會想辦法節省。
• 演算法對應 computation（計算）：CPU、GPU，或雲端上的多台機器。計算同樣是珍貴的資源，要花時間也要花能量。

也就是說，程式設計師在做的事，是想辦法用有限的儲存與計算資源，把想要的結果算出來。而所謂「妥善使用」也不是說有個標準答案，而是要看情境，譬如說，是希望在很短的時間內算完嗎？還是必須在很小的儲存空間裡完成？

對資料結構與演算法這主題來說，重點並不是「哪個資料結構最好」，而是從中學習如何判斷這情境在意什麼，了解不同方法如何輔助我們達到目標。

因此希望自己在學習資料結構與演算法時，除了認識不同資料結構與運算的時間複雜度外，還能進一步思考：

• 程式目前最常進行的是哪種操作？
• 現有的資料組織方式有什麼限制？
• 是否有其他方法可以改善？
• 改善一項成本時，會不會產生另一項成本？

後續文章會再慢慢展開這些問題，希望自己也能從中逐步培養分析與判斷能力～

主要參考資料

這次系列文會以 Udemy 的 《Master the Coding Interview: Data Structures + Algorithms》 課程內容為主，並搭配 《A Common-Sense Guide to Data Structures and Algorithms》 和台大林軒田教授的 《Data Structures and Algorithms》 課程作為部分補充（假設我有看完的話QQ）。

這裡列出目前預計會涵蓋的主題，實際文章名稱與順序可能會隨著撰寫狀況稍微調整。

主題大綱

資料結構與演算法初探

• Big O
• Space Complexity
• 演算法的正確性

Array、搜尋與索引

• Array
• Binary Search
• Hash Table

Linear Data Structures

• Linked List
• Stack
• Queue

Recursion 與排序演算法

• Recursion
• 排序演算法
  • Bubble Sort
  • Selection Sort
  • Insertion Sort
  • Merge Sort
  • Quick Sort

Tree

• Tree
• Binary Search Tree
• Heap 與 Priority Queue
• Trie

Graph 與 Dynamic Programming

• Graph
• BFS
• DFS
• Dynamic Programming

總結

• 系列文總結與完賽心得

如果撰寫過程中發現篇幅需要調整，部分主題可能還會再替換，但整體會先以建立基本的 DSA 知識脈絡為主。

小結

資料結構與演算法是一個很經典、範圍也很大的主題，感覺越查資料，越會發現自己不懂的東西還有很多 ><。

自己目前也不能說真的理解所有內容，C++ 和比較深入、理論的演算法分析對我來說也還很陌生，但希望可以盡量以淺顯的方式整理目前學到的知識，慢慢補足 Computer Science 的相關基礎。

總之，希望這次也可以順利完成 30 天🙏

如果之後文章中有任何敘述不清楚或錯誤的地方，也歡迎提出討論～