# 数据结构与算法

> LeetCode在面试时常被认为是衡量CS水平的重要指标。**精刷大于泛刷，熟练度大于题量**。因此，尽量提高熟练度，并踩对得分点和signal

## 1. 面试评分维度

> 大厂面试相对规范和模版化。评分细则化，想到某个方向加多少分，写一个实现加多少分，有bug扣多少分，答错复杂度扣多少分等。

大厂面试通常从四个维度评分：

* Communication: 沟通表达能力
* Problem Solving: 问题分析能力
* Coding: 代码实现能力
* Verification: 代码验证能力

## 2. 刷题策略

> 快速给出bug free代码，有良好的**沟通**和**思路介绍**。做题前项目介绍不必随意展开(1\~2min)，留够做题时间。

### 2.1 平时准备

1. **基础准备**：掌握常见数据结构和算法，熟悉各类题型的解题模板
2. **系统训练**：按tag刷题，强化模板应用；尝试多种解法，提高熟练度
3. **实战演练**：参加周赛，提升实战能力；练习边说边写，模拟面试场景
4. **针对性准备**：根据目标公司调整刷题重点；找最新面经，针对性练习

### 2.2 面试解题流程

1. **理解题目**
   * 仔细阅读题目要求
   * 提出 clarifying questions。可以通过列举test case，确保理解问题并涵盖所有情况
   * 确认输入输出类型和边界条件 (input/output type)
     * 输入数字全是正数或全是负数，会不会是null or empty
     * 输入string是不是都是English letters (A-Z)，有没有特殊符号
     * 输入是否有重复样本，输出是否允许重复
     * standard input, empty input, malformed input, long input, null input, other edge input
     * 能不能改input，immutable or not (1D/2D array比较常见）
     * 特殊情况输出返回什么
     * 要不要in place
     * 有没有内存限制
2. **思路分析**
   * 与面试官讨论解题思路
     * Whenever coming across a solution, talk it out and discuss it
   * 确认思路可行性，思路未得到认同前不要急于写代码
   * 必要时寻求提示
3. **代码实现**
   * 选择合适的数据结构并介绍
   * 实现算法
   * 处理边界情况
4. **验证优化**
   * 编写测试用例
   * 分析时间和空间复杂度
   * 讨论可能的优化方案

## 3. 公司特点

### Google

* 注重问题解决过程
* 原题较多，难度较高
* 重视算法思维和测试用例设计

### Meta

* 35分钟两道题
* 重视代码质量和最优解
* ML system design 重点：推荐系统、视频搜索

### Microsoft

* 基础算法和数据结构
* 注重代码实现速度

### Amazon

* Grind75 题目为主
* 15分钟一道题
* BQ 占比较大（30分钟+）

### Tiktok

* 题目不按 tag
* ML 方向注重项目深度

## 4. 学习资源

### 4.1 刷题列表

* [Blind 75](https://leetcode.com/list/xi4ci4ig/)
* [Neetcode 300](https://neetcode.io/practice)
* [代码随想录](https://programmercarl.com/)
* [LeetCode 101](https://github.com/changgyhub/leetcode_101/)
* [灵茶山艾府](https://github.com/EndlessCheng)

### 4.2 编程语言基础

* Python: GC机制、GIL、数据结构实现
* Java: [Java Guide](https://javaguide.cn/home.html)
* C++: 容器库、并发编程

### 4.3 计算机基础

* CS50x: 计算机科学导论
* CS61A: 程序结构与解释
* CSAPP: 深入理解计算机系统
* 算法导论
* 分布式系统 (MIT 6.824)
* 操作系统 (MIT 6.s081)
* 数据库 (CMU 15445)


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://longxingtan.gitbook.io/mle-interview/01_leetcode.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.