搜尋結果
2023年8月8日 · 程式學習. 資料結構和演算法對一個工程師的意義？ 如何提升實力？ 發佈日期: 2021 年 1 月 13 日 作者: ALPHA Camp. 我們常聽到人們會說，「演算法」和「資料結構」是一名優秀工程師的必備素養，但究竟這句話是什麼意思呢？ 工程師面試時常常用 LeetCode 解題來篩選面試者，而想要針對 LeetCode 刻意練習時，又需要先有「演算法」和「資料結構」的觀念基礎。 這個面試準備過程即使是對本科系畢業的學生也需要刻意準備，對非本科系的轉職者來說，就更加令人望而生畏。 演算法面試準備與LeetCode 刷題重點心法. 但如果脫離「面試解題」這個情境，倒底學習演算法/資料結構有什麼意義？ 除了準備面試，這些學習的投資有什麼長期價值嗎？
從休學開始探索人生. 初見 Walle，很難不被她的真誠與自信打動，眼前這個剛滿 22 歲沒多久的年輕人，講起自己的故事時卻有一種不符合年齡的娓娓道來。 很難想像這一切的開始，源於高中地理老師的一堂課。 高中念文組的她，有天聽到地理老師講糧食危機的一堂課，循著想要解決這個問題的熱情，衝動地決定念農藝系。 但念大學時，覺得學校的教育方式與教學風氣太保守，再加上從高中就開始背負學貸的經濟壓力，在看不到學歷價值的狀態下，讓她念完大一就決定休學。 「高中時很喜歡看哲學類的東西，就是個太過投入的文青，覺得好像拿大學學位不是最重要的事，更重要是認真尋找自己人生的意義和目的。 再加上我的個性就是叛逆喜歡創新，不安於既定的道路，才會做出這樣的決定。
2023年5月25日 · 資料結構是什麼？ 認識 Data Structure 的主要類型. 發佈日期: 2023 年 5 月 25 日 作者: ALPHA Camp. 內容目錄. 什麼是資料結構 (Data Structure)？ 為何要學習資料結構？ 資料結構主要類型. 1. 陣列（Array） 2. 連結串列（Linked List） 3. 堆疊（Stack） 4. 佇列（Queue） 5. 樹（Tree） 6. 圖（Graph） 資料結構和相關演算法與例子. 1. 陣列（Array）相關演算法. 2. 連結串列（Linked List）相關演算法. 3. 堆疊（Stack）相關演算法. 4. 佇列（Queue）相關演算法. 5. 樹（Tree）相關演算法. 6. 圖（Graph）相關演算法. 7.
2023年12月6日 · 本文是 Teddy 從敏捷和精實開發的角度來分析，為何 mob programming 很值得。 Teddy 先將開發工作（無論多少人一起開發）區分成兩種模式 component development 和 end-to-end development，再分析單人和雙人開發兩種模式的特性和限制，而 mob programming 的特點是「團隊成員每個人同時間都貢獻他自己最強的能力在同一件事情上面」。 Teddy 在文中以團隊開發一個 kanban（看版）軟體的註冊功能為例，比較跑 scrum 與 mobbing 的差別。 不知道有沒有讀者的團隊也使用 mob programming？ 歡迎跟我們分享你的心得。
11 月份 ALPHA Camp AMA 活動，特別邀請到任職頂尖軟體外商的資深工程師 Brian，與校長 Bernard 一起直播，分享從歷史系自學踏上軟體工程師的歷程，並深入解析演算法的應用場景，及演算法面試心法。 Brian 指出，「對演算法的深度理解，決定了普通工程師與優秀工程師的分野！ 」想讓軟體工程師職涯有所提升，不可錯過演算法。 歷史系畢業，跨領域轉職外商軟體工程師的職涯之路. 大學念歷史系的 Brian，為什麼最後會成為軟體工程師？ 他解釋道，念歷史是興趣，而自己從小就有創業夢，他觀察「軟體創業」低門檻，又是未來趨勢，於是他大學開始自學程式、修程式學程，大四開始獨立接案，畢業後與朋友一起創業做 APP。
2024年3月27日 · 誰需要刷LeetCode. 其實刷 LeetCode 的需求，往往有幾種背景需要練習：. 學習過大學資料結構與演算法課程的學生。. 想要進入大公司的求職者。. 想要學習新語言特性的學習者。. 題庫刷得再多也要記得，專案的能力也要一併培養。. 刷很多題庫卻沒有規劃專案的 ...
2024年2月20日 · Data Scientist 工作內容與3大核心技能. 發佈日期: 2022 年 5 月 28 日 作者: ALPHA Camp. 內容目錄. 資料科學家工作內容，從實際案例分析. 免費點我下載數據技能路線指南. 資料科學家需具備什麼核心技能與特質？ 常見入門資料科學領域的三大背景. 資料分析師、資料科學家、資料工程師，有何差異？ 想成為資料科學家，如何累積作品？ 小結. 資料科學家 (Data Scientist)收集和分析大量結構化和非結構化數據。 資料科學家的角色結合了計算機科學、統計學和數學。 他們分析、處理和建模數據，然後解釋結果，為公司制定可行的計劃。 資料科學家工作內容，從實際案例分析. 資料科學家的工作主要為溝通、分析，提出解決方案，但具體怎麼執行？
