Deloitte
6 位校友岗位:Graduate Program · Graduate Consulting · Platform Engineer · Web developer · Platform engineer
Syllabus
每周大纲
- 1
算法分析与渐进复杂度
📖核心知识点：**渐进分析**——O、Ω、Θ 记号的严格定义与应用。递推关系求解——Master Theorem 的三种情况、递归树法、代入法。摊还分析（Amortized Analysis）——聚合法、核算法、势能法。算法正确性证明——循环不变式（Loop Invariant）。⏰本周节奏：数学基础周，需大量练习复杂度分析。🎯考试关联：Master Theorem 与摊还分析是期末必考（约 15 分）。🧪Tutorial/Lab：Master Theorem 练习与递归树绘制。📌作业关联：Assignment 1 涉及复杂度分析与证明。⚠️易错点：Master Theorem 不适用的情况（f(n) 与 n^(log_b(a)) 多项式差距条件）；摊还分析中势能函数选择不当。
- 2
高级排序与选择
📖核心知识点：比较排序下界证明——Ω(n log n)。**线性时间排序**——Counting Sort、Radix Sort、Bucket Sort 的适用条件。**选择算法**——Quickselect 的期望复杂度 O(n)、Median of Medians 保证最坏 O(n)。Randomized Algorithms 的期望分析。⏰本周节奏：深入理解排序的理论极限。🎯考试关联：排序下界证明与选择算法是高频考题。🧪Tutorial/Lab：实现 Median of Medians 并与 Quickselect 对比。📌作业关联：Assignment 1——算法实现与分析。⚠️易错点：Radix Sort 的位数选择影响复杂度；Median of Medians 的分组策略（为什么是 5 而非 3 或 7）。
- 3
高级数据结构
📖核心知识点：**平衡 BST**——AVL Tree 与 Red-Black Tree 的旋转操作与性质维护。**B-Tree / B+ Tree**——磁盘友好的多路搜索树，数据库索引的基础。Skip List——概率平衡的链表结构。Augmented Data Structure——区间树（Interval Tree）、顺序统计树（Order-Statistic Tree）。⏰本周节奏：数据结构密集周。🎯考试关联：AVL/RB-Tree 操作与 B-Tree 插入删除是期末常考大题。🧪Tutorial/Lab：实现 AVL Tree 并画 B-Tree 插入删除过程。📌作业关联：Assignment 1——高级数据结构实现。⚠️易错点：RB-Tree 删除修复的 Case 分析不完整；B-Tree 的合并/分裂操作边界条件。
- 4
图算法 (1)
📖核心知识点：图的表示——邻接表 vs 邻接矩阵。**BFS/DFS** 的应用——连通分量、拓扑排序、强连通分量（Tarjan/Kosaraju）。最短路径——**Dijkstra**（非负权）、**Bellman-Ford**（负权检测）、Floyd-Warshall（全源最短路）。⏰本周节奏：图算法是算法课的核心模块。🎯考试关联：最短路径算法的手动模拟是期末必考大题。🧪Tutorial/Lab：手动执行 Dijkstra 并实现。📌作业关联：Assignment 2——图算法。⚠️易错点：Dijkstra 不适用于负权边；Bellman-Ford 的松弛轮次与负环检测。
- 5
图算法 (2)
📖核心知识点：**最小生成树**——Kruskal（Union-Find 优化）与 Prim（优先队列优化）。网络流——**Ford-Fulkerson** 方法、Edmonds-Karp（BFS 增广路）、最大流-最小割定理。二部图匹配——匈牙利算法、König 定理。⏰本周节奏：网络流是最具挑战的图算法之一。🎯考试关联：网络流手动模拟与最大流-最小割定理是高频大题。🧪Tutorial/Lab：手动执行 Ford-Fulkerson 并验证最大流。📌作业关联：Assignment 2——网络流应用。⚠️易错点：Ford-Fulkerson 的反向边更新遗漏；二部图匹配转化为最大流时的建图错误。
- 6
灵活性周 (Flex Week)
📖核心知识点：无新内容。复习数据结构、图算法的核心内容。完善 Assignment 1-2。⏰本周节奏：80% 作业完善与调试，20% 复习。🎯考试关联：前 5 周内容约占期末 50%。🧪Tutorial/Lab：答疑。📌作业关联：Assignment 截止。⚠️易错点：算法正确但复杂度不满足要求（TLE）。
- 7
动态规划进阶
📖核心知识点：**动态规划 (DP)** 的系统方法——状态定义、转移方程、初始条件、计算顺序。经典问题——LCS、LIS、背包系列（0-1、完全、多重）。区间 DP——矩阵链乘法。树形 DP 与状态压缩 DP。DP 优化——空间压缩（滚动数组）、单调队列优化。⏰本周节奏：DP 需要大量刷题练习。🎯考试关联：DP 状态定义与转移方程是期末最难的大题（约 20 分）。🧪Tutorial/Lab：经典 DP 问题练习与变体。📌作业关联：Assignment 3——DP 问题集。⚠️易错点：状态定义不当导致无法推导转移方程；初始条件遗漏或错误。
- 8
贪心与近似算法
📖核心知识点：**贪心算法**——贪心选择性质与最优子结构的证明方法（交换论证、剪切-粘贴）。经典贪心——活动选择、Huffman 编码、分数背包。**NP-Completeness**——P、NP、NP-Hard、NP-Complete 的定义与关系。**近似算法**——近似比定义、Vertex Cover 2-近似、TSP 近似。⏰本周节奏：从精确算法到近似算法的范式转换。🎯考试关联：NP-Complete 证明（归约）与近似比分析是期末重点。🧪Tutorial/Lab：NP-Complete 归约练习。📌作业关联：Assignment 3。⚠️易错点：贪心正确性证明不严谨；NP-Complete 归约方向搞反（应从已知 NPC 问题归约到目标问题）。
- 9
随机化与在线算法
📖核心知识点：**随机化算法**——Las Vegas vs Monte Carlo。随机化 Min-Cut（Karger's Algorithm）。概率分析工具——Chernoff Bound、Union Bound。**在线算法**——竞争比（Competitive Ratio）、Ski Rental Problem、Online Paging（LRU 的竞争比分析）。⏰本周节奏：概率分析需要扎实的数学基础。🎯考试关联：竞争比分析与随机化算法是可能的论述/证明题。🧪Tutorial/Lab：分析 Karger 算法的成功概率。📌作业关联：Assignment 3。⚠️易错点：概率分析中独立性假设不成立时结论错误；在线算法的对手模型（Adversary）理解不清。
- 10
综合复习
📖核心知识点：算法设计全景——分治、贪心、DP、图算法、随机化、近似的适用场景对比。问题建模能力——将实际问题映射到已知算法框架。算法面试中的常见模式与技巧。⏰本周节奏：总复习，建立算法知识体系。🎯考试关联：期末覆盖全部 10 周，证明题 + 设计题 + 分析题。🧪Tutorial/Lab：Past Exam 全真模拟。📌作业关联：所有 Assignment 已提交。⚠️易错点：只会套用算法模板不会变通；证明题缺乏严谨的数学推导。
From Seniors
学长留下的
基础信息谁都查得到,真正值钱的是过来人的经验。
学姐说
比你早一年的学长留下的真实经验 —— ChatGPT 给不了。
这门课还没有学长经验,你可以是第一个 —— 注册后在课内分享。
往年考点 / 踩坑
这门课暂无往年考点记录。
毕业生去向(整体)
下面是匠人学院毕业生整体去过的公司分布(来自脱敏校友证言)。这是全平台的总体去向,不代表选这门课的人一定去这些公司。
统计自 313 份脱敏校友证言
Zerologix
4 位校友岗位:Frontend Dev · junior frontend developer · Front-end Developer · Full Stack Developer
Servian
4 位校友岗位:Full-stack Developer · Data Engineer · Consultant
关于这块数据,我们说实话
雇主墙来自脱敏毕业生证言（testimonials）的整体分布，无法关联到具体学员或其所选课程；仅作为毕业生去向的总体社会证明展示。
我们没有"某位学长选了这门课、后来进了哪家公司"这种可查询的个人去向档案 —— 校友证言是脱敏的,无法关联到具体的人或他选过的课。所以这里只给整体分布,不给个人路径,不编。