前言


第 1 章　演算法的基本概念 ～演算法的功能有哪些？～
1-1 快速準確的計算步驟（程式設計、演算法）
1-2 方便處理的資料（文字檔、二進位檔案、非結構化資料、結構化資料、資料結構）
1-3 什麼是「好的程式」？（效率性）
1-4 比較演算法的基準（計算複雜度、Order、大O 符號）
1-5 認識程式語言的差異（程式語言、編譯器、直譯器、 JIT 編譯器）
1-6 好用的演算法都在這（函式庫）
1-7 演算法的權限（專利權、軟體專利、著作權、公開資源）
1-8 圖解演算法（流程圖）
1-9 用寫的計算演算法（長除法）
1-10 查找質數（質數、埃拉托斯特尼篩法）
1-11 找出共同最大因數（最大公因數、輾轉相除法）
1-12 益智遊戲引導學習演算法（河內塔）
1-13 使用隨機值的測試法（亂數、虛擬亂數、種子值、蒙特卡羅方法）
試試看 比較各個函數中的數值是如何增加的


第 2 章　檔案的保存方式 ～各個的結構與特徵～
2-1 整數的表現方式（10 進位、2 進位、16 進位）
2-2 資料的單位（Bit、Byte）
2-3 小數的表現方式（小數、浮點數、實數）
2-4 字元的表現方式（字元、字元編碼、ASCII、雙位元組字元、亂碼）
2-5 命名特定的名稱位址（變數、賦值、常數）
2-6 保存資料的大小（型別、資料型別、型別轉換）
2-7 連續儲存空間（陣列、元素、索引）
2-5 讓人一看就懂的表示法（關聯陣列、字典、雜湊、對映、碰撞
2-9 存放資料的位置（位址、指標）
2-10 存放表格資料（二維陣列、多維陣列）
2-11 存放單字或文章（字串、NULL 字元）
2-12 結構複雜的資料型態（結構型別、列舉型別）
2-13 直線排列的結構（鏈結串列）
2-14 雙向連接的結構（雙向鏈結串列、環狀鏈結串列）
2-15 樹狀分支的保存結構（樹狀結構、二元樹、完全二元樹）
2-16 滿足條件的樹狀結構（堆積）
2-17 適用於搜尋的資料結構（二元搜尋樹、平衡樹）
2-18 平衡的樹狀結構（B 樹、B+ 樹、B* 樹）
2-19 儲存無序資料（集合）
2-20 取出最後儲存的資料（堆疊、LIFO、push（堆入）、pop（取出））
2-21 按照先後順序取出的結構（佇列、FIFO、入列、出列）
2-22 虛擬記憶體的快取檔案置換機制（虛擬記憶體、快取檔案置換機制、LFU、LRU）
試試看 計算儲存資料所需的容量


第 3 章　重新排列資料順序 ～依照規則排列數值～
3-1 升序或降序的排列（排序）
3-2 保證相同鍵值的順序（穩定排序、內部排序、外部排序）
3-3 選擇最大值和最小值排序（選擇排序）
3-4 將要排序的元素加入已排序陣列（插入排序）
3-5 與當前元素比較（氣泡排序）
3-6 雙向排序陣列元素（雞尾酒排序）
3-7 併用交換與插入提升效能（希爾排序）
3-8 堆積結構的排序（堆積排序）
3-9 比較多筆資料並進行合併（合併排序）
3-10 常用於快速重新排序的方法（快速排序、分治法）
3-11 取值範圍內有效（桶排序、Bin Sort、基數排序）
3-12 預留排序的空間（圖書館排序、跳躍鏈結串列）
3-13 會心一笑的排序方式（史達林排序、猴子排序）
3-14 該選用什麼方式？（如何比較排序法）
試試看 請試著繪製排序的流程圖


第 4 章　搜尋資料 ～如何快速尋找目標值？～
4-1 從多筆資料當中找出吻合條件值（搜尋）
4-2 徹頭徹尾的搜尋方式（暴力法、窮舉法）
4-3 從頭依序搜尋（線性搜尋）
4-4 有序資料的搜尋方式（二分搜尋法）
4-5 按距離遠近的搜尋方式（廣度優先搜尋）
4-6 按左右相鄰的搜尋方式（深度優先搜尋、回溯法）
4-7 深入層級的搜尋方式（遞迴、遞迴呼叫、剪枝法）
4-8 搜尋樹狀結構的順序差異（前序走訪、中序走訪、後序走訪、波蘭表示法、逆波蘭表示法）
4-9 進行反向的搜尋方式（雙向搜尋）
4-10 改變起點和終點的搜尋方式（尺取法）
4-11 以邊長求解最短路徑的搜尋方式（最短路徑問題、貝爾曼-福特演算法）
4-12 以節點求解最短路徑的搜尋方式（戴克斯特拉演算法）
4-13 啟發式搜尋法（A* 演算法、歐幾里得距離、曼哈頓距離）
4-14 求出最大利益的方法（極小化極大演算法、Alpha-beta 剪枝法）
4-15 從文章中搜尋字串（暴力搜尋法、樸素演算法、KMP 演算法）
4-16 搜尋字串的小技巧（Boyer-Moore 演算法）
4-17 搜尋符合特定模式的字串（正規表達式）
試試看 我們熟悉的搜尋方法有哪些？


第 5 章　使用在機器學習上的運算法 ～實現 AI 的計算方式～
5-1 從資料進行分類和預測（機器學習、統計式機器學習）
5-2 有正確解答的學習方式（監督式學習、過擬合）
5-3 從資料抓出特徵並分類的學習方式（非監督式學習、聚類分析）
5-4 獎勵最佳行為的學習方式（強化學習、行動、智能體、環境、狀態、多智能體系統）
5-5 以樹狀結構實現分類和迴歸（決策樹、基尼不純度、信息增益）
5-6 採多數表決的決策樹（隨機森林、集成學習、裝袋演算法、提升演算法）
5-7 分離邊界使間隔最大化（支持向量機、超平面、硬間隔、軟間隔）
5-8 用機率預測 0 到 1 的範圍（迴歸分析、最小平方法、邏輯迴歸分析）
5-9 模仿人腦結構量化訊息（神經網路、反向傳播法）
5-10 更深入的學習方式（深度學習、CNN、RNN）
5-11 生成假資料的 AI 技術（GAN、深偽技術）
5-12 去除影像雜訊和增強輪廓（影像濾波器、平滑化、邊緣檢測）
5-13 隨機抽樣的執行方式（隨機演算法、啟發式演算法）
5-14 模擬生物進化的過程（遺傳演算法）
5-15 隨時間經過改變隨機性（爬山演算法、模擬退火法）
5-16 強化學習鄰近的樣本（自組織映射圖）
5-17 快速求近似解的方法（牛頓法、梯度下降法、隨機梯度下降法）
5-18 分類大量資料（k 平均演算法、K-means++ 演算法）
5-19 降低資料的維度表示新的特徵（主成分分析）
試試看 我們熟悉的 AI 應用實例有哪些？


第 6 章　其他常見的演算法 ～活用於日常中的應用實例～
6-1 分割成許多更小的問題（動態規劃、記憶化搜尋）
6-2 縮減資料容量（壓縮檔、解壓縮檔、展開檔案）
6-3 連續壓縮（變動長度編碼法、霍夫曼編碼法）
6-4 檢測輸入錯誤（校驗碼、同位元檢查碼）
6-5 去除雜訊和干擾（錯誤更正碼、漢明碼）
6-6 利用加密演算法提升安全性（加密、解密、密文、明文）
6-7 最簡單的加密與解密方法（凱薩密碼、ROT13）
6-8 對系統開銷小的加密方式（對稱式加密法、私密金鑰加密法、金鑰分配問題）
6-9 安全地共享金鑰（Diffie-Hellman 密鑰交換）
6-10 利用極大整數之質因數無法分解的特性（公開金鑰加密、 RSA 加密演算法）
6-11 用較短的密鑰長度確保安全性（橢圓曲線密碼學、安全威脅）
6-12 使用在社群網站的演算法（Facebook、Twitter、六度分隔理論）
6-13 Google 使用的演算法（網站排名演算法、RankBrain）
6-14 從未知數中做出決策（A/B 測試、吃角子老虎演算法）
6-15 訪問所有城市的最小路徑成本（旅行推銷員問題、工作排程問題）
6-16 放入物品的價值總和最大化（背包問題、0/1 背包問題）
6-17 無解的演算法（圖靈機、停機問題）
6-18 答對可贏得 100 萬美元？的超級難題（P 問題、NP 問題、P≠NP 問題、NP 困難、NP 完全）
試試看 如何計算今年的「開運方位」？


詞彙集
索引