104學習精靈

資料結構

資料結構
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
關於教室
關注人數 5 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
關於教室
關注人數 5 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
Hi~ 歡迎分享學習資源,有學習問題可匿名向Giver發問!
我要分享
我要提問

資料結構 學習推薦

全部
影片
文章
趙之君

Android App 專家

2022/02/22

Android 面試題庫,你瞭解多少?
在專業工程面試中,除了經常會有的演算法、資料結構問題,也有相關領域的專業題目。對 Android 工程,以下網站總結了滿多 Android 領域的面試題,建議面試前可以複習一下。就算沒有要面試,也可以透過這些問題,更了解自己對 Android 的理解程度~
2 0 968 1

熱門精選

104學習精靈

產品

4小時前

【最新】2024年11月AI課程熱門排行榜TOP 10:最受歡迎的AI學習課程推薦
從AI基礎知識到應用,市面上提供了各種AI學習課程:AI線上課程、AI實體課程,無論您是初學者還是專業人士,都可以找到適合自己的AI課程。本文將為您揭曉2024年11月最受歡迎的AI課程排行榜,幫助您輕鬆找到優質的AI學習資源,快速掌握AI技能。
本篇透過從104課程中心的用戶學習大數據,整理出大家都在搜尋的TOP 10 熱門課程;可透過排行榜,找到你所需的學習內容,增進職場的職能成長,加強自我競爭力,打造你的職涯藍圖!
第1名。ChatGPT x Excel | 職場必學商務數據分析術
講師將以系統化教學法,教授數據分析常用情境,搭上火紅 ChatGPT ,步驟式實戰,能隨學即用,讓你知道如何在工作中運用所學到的技能!
第2名。AI資料科學家【 聽課全系列 】
「基礎思維」AI資料科學的新朋友,必定要了解一下人工智慧的歷史里程碑與事件,從這裡出發,您也能與不熟悉這個領域的朋友侃侃而談地分享您所學領域的轉變與趨勢,而初學者免不了學習的十字路口,不知道該從哪個部分開始學習AI,這裡也會給您適合適當的指引。常常被混的網頁爬蟲與ETL您真的認識並了解嗎?聽聽看TibaMe的講師們怎麼說吧!
第3名。生成式AI應用速成:商業溝通師-數位行銷課(12/21開課)
🔴報名截止日:2024/12/8🔴
你可以學到
🌟AI 行銷創作零基礎也能秒上手|不需任何行銷經驗,快速學會生成式 AI 工具,輕鬆打造吸睛行銷素材。
🌟行銷策略效果爆發式成長| 有效運用 AI 提升執行力,讓行銷效率飆升、策略效果倍增。
🌟精準鎖定目標受眾,打中痛點| 用 AI 技術解析消費者行為,精準掌握市場趨勢,一次抓住受眾需求。
🌟品牌形象全面升級| AI 創造獨特行銷風格,讓品牌成為目光焦點,迅速在市場中脫穎而出。
第4名。2小時輕鬆學AI | 基礎觀念與應用
從資料科學的基礎觀念談起、商業智慧、資料探勘、影像辨識等技術應用,最後再討論企業實際導入人工智慧所需的相關流程。
第5名。生成式AI應用速成:創作詠唱師-影音創作課(11/30開課)
🔴報名截止日:2024/11/17🔴
你可以學到
🌟虛擬角色打造 | 從角色設計、到AI影片製作,一站式打造你的專屬虛擬網紅。
🌟短影音製作 | 運用AI工具,快速生成各種特效、濾鏡,製作出精緻的短影音。
🌟內容行銷 | 學習如何利用AI工具製作出更能觸動觀眾的內容。
第6名。生成式AI工具應用實戰 (線上直播課程)
你可以學到
行銷廣告文案+社群策略及內容+SEO生成+BingAI繪圖,一次學會生成式AI工具應用!
本課程「生成式AI工具應用」旨在教導學員如何利用最先進的生成式AI工具,特別是ChatGPT和微軟Bing AI繪圖工具,來提升行銷文案、社群媒體內容、SEO優化、廣告文案創作以及內容行銷的效率和成效。
第7名。生成式AI應用速成:創作詠唱師-繪圖設計課(12/21開課)
🔴報名截止日:2024/12/8🔴
你可以學到
🌟成為AI設計高手| 從設計小白變身AI設計達人,自信接下各種設計挑戰。
🌟擴大職涯發展| 掌握AI設計技能,提升職場競爭力,開拓更多職涯發展機會。
🌟節省設計成本| 減少外包設計費用,提高工作效率,為企業創造更多價值。
🌟實現創意無限| 突破傳統設計框架,用AI工具打造出獨一無二的視覺作品。
第8名。AI應用時代|從邏輯思維到文字溝通,從職場複利到高效生活
藉由AI助手的力量,更高效地完成商務工作、激發靈感。也透過AI協助經營社群,包含工作行程、日常旅遊、飲食規劃等,提高短影音規劃的效率,進而產出斜槓複利。
第9名。一次搞懂 ChatGPT 工作法 | 5分鐘看懂,立即上手 AI 應用觀念!
5分鐘輕巧學:圖解式影音 X 25應用情境 X 30組AI神器
第10名。AI x 產品企劃(產品開發)實務應用班
你可以學到
往在產品企劃及開發上,所面臨到的難以解決的疑難問題,在未來都有機會利用AI工具進一步改善,取得更有效的解決方案。
本課程將教會您如何快速掌握AI在商業分析、創意生成、行銷文案、用戶旅程設計與消費者行為洞察中的應用,並了解如何將這些工具應用於產品企劃流程中。
更多AI課程推薦:
1 0 336 0
104學習精靈精選課程
想提升職場競爭力?專業技能課程看起來👇
Linux系統程式設計
一般情況,通常整個Linux系統的功能會有你自己寫的程式(可能也會去連結GPL或LGPL函式庫)並整合一些來自Open Source的程式。雖然Linux已存在很多的Open Source,但不可能永遠運氣這麼好都可以找到100%符合需求或規格的原始碼,所以你必須懂得如何修改成你要的功能。不論自己寫或移植Open Source,這些都是基於Linux核心,所以一定會用到Linux核心的能力,包含裝置I/O請求、多行程、同步處理、行程通訊等。若你的系統需要TCP/IP通訊,還得懂Socket網路程式設計。想自己寫並且能改得動Open Source的程式,其實要具備Linux系統程式設計的能力,你可以透過閱讀"Linux Programming Manual",但是篇幅之廣泛且多元,如果沒有對作業系統有一定的認知,不懂對系統呼叫(System call)所產生Linux背後的運作行為,很難了解真諦。因此若有經驗的人帶你看並且提供範例程式演練,對於學習會相當有幫助。 本數位課程為學習套餐,另外加入了C程式及及資料結構(Data Structures)2門基礎課程,雖是基礎但它卻是資訊學科領域非常重要的核心課程,因為唯有好的程式基礎對於本課程的理解才會事半功倍。 學習目標: 1. 了解Linux system call 及OS作業系統所扮演的功能。 2. Linux 低階I/O輸入輸出 3. Linux 多執行緒與同步控制 4. Linux 行程管理與IPC行程間通訊 5. 了解TCP/IP原理與client server網路架構 6. Socket Programming 網路程式設計 7. 能夠實現Raw Sokcet與UDP Multicast 功能 8. UART Serial 序列程式設計 章節架構 ★ 精通C語言  程式語言導論  C程式介紹  運算式  流程控制  函式與巨集  陣列與指標  字串處理  變數範圍  檔案管理  NEW data Type ★ 資料結構  資料結構導論  ADT 抽象資料型別設計方法  Set 集合 ADT設計  Stack堆疊  Queue 佇列  Linked List鏈結串列  Tree樹狀結構  Graph 圖形結構  Search資料搜尋  Sorting資料排序 ★ Linux系統程式設計  Low Level I/O Routine  File and Directory Manipulation  General Library Interface  Processes  Signals  POSIX Thread  InterProcess Communication  Shell programming  Linux Serial Programming  Linux Sokcet Programming  TCP/IP 網路簡介(1)  TCP/IP 網路簡介(2)  Wireshark 工具使用  TCP Socket程式與Socket API介紹  Socket多工處理  UDP Socket  Unix Domain Socket  Socket Option & Ioctl
艾鍗學院
資料結構精修
資料結構(Data Structures)是資訊學科中的核心課程之一,也是嵌入式軟體設計的基礎課程。「資料結構精修班」教授軟體開發者必修的資料結構和演算法,讓你思考程式的執行效率。 1. 不僅學會撰寫程式,還能夠清楚掌握程式的重要觀念,了解”軟體程式=演算法+資料結構。 2. 能熟悉不同資料結構的設計模式。 3. 能了解軟體程式在何時會應用到這些資料結構。 4. 藉由排序與搜尋演算法理解來討論Big-O演算法效能分析。 1. 資深軟體工程師上的資料結構。 資料結構不是用來考試的,給你真正用軟體設計思維思考資料結構設計。 2. 重視實作的方法。 資料結構不能只會觀念性描述, 還必須知道每一個結構定義完之後, 該如何具體實現, 每一個實現的方法,還能分析它的好壞 (複雜度分析)。 課程提供的資料結構範例程式,可以使用任何C編譯器進行編譯,例如Code Blocks 、windows Dev-C++ 或 Linux 下的 GNU C 編譯器 (gcc) 章節架構: Part1-資料結構導論 Part2-ADT 抽象資料型別設計方法 Part3-Set 集合ADT設計 Part4-Stack堆疊 ► 堆疊ADT設計 ► 堆疊軟體應用 Part5-Queue 佇列 ► 佇列ADT設計 ► 環狀佇列ADT設計 ► 堆疊軟體應用 Part6-Linked List鏈結串列 ► 動態配置記憶體 ► 單向鏈結串列 ► 環狀鏈結串列 ► 使用C鏈結串列的各式操作-串列串接、串列反轉 Part7-Tree樹狀結構 ► 二元樹簡介 ► 樹ADT設計 ►二元搜尋樹(Binary Search Tree) ►建立(插入)節點、搜尋節點、刪除節 Part8-Graph 圖形結構 ►圖ADT設計 ►圖的表示法 ►建構圖、刪除邊、刪除頂點 ►圖走訪 ►DFS ►BFS ►軟體應用- 求最短路徑 ►Dijkstra 演算法 ►Bellman-Ford演算法 Part9-Search資料搜尋 ► 線性搜尋 (Linear Search) ► 二元搜尋 (Binary Search) ► 雜湊搜尋法 (Hashing) Part10-Sorting資料排序 ► 氣泡排序(bubble sort) ► 選擇排序(selection sort) ► 插入排序(insertion sort) ► 快速排序(quick sort) ► 合併排序(merge sort) ► 桶排序(bucket sort)
艾鍗學院
Mike Ku

Learn Code With Mike品牌創辦人

2021/10/27

Pandas DataFrame處理雙維度資料方法(4)
Q:如何取得Pandas DataFrame資料?
1.head():取得最前面的n筆資料,並且會回傳一個新的Pandas DataFrame資料集,如下範例:
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
new_df = df.head(2)
print(new_df) #取得最前面的兩筆資料
2.tail():取得最後面的n筆資料,並且會回傳一個新的Pandas DataFrame資料集,如下範例:
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
new_df = df.tail(3)
print(new_df) #取得最後面的三筆資料
3.中括號[]:在中括號中指定「欄位名稱」或「資料索引值」,來取得所需的資料集,如下範例:
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print(df[["name"]]) #取得單一欄位資料(型別為DataFrame)
print(df[["name", "chinese"]]) #取得多欄位資料(型別為DataFrame)
print(df[0:3]) #取得索引值0~2的資料
4.at[資料索引值,欄位名稱]:利用資料索引值及欄位名稱來取得「單一值」,如下範例:
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print(df.at[1, "math"]) #利用at()方法取得索引值為1的math欄位資料
5.iat[資料索引值,欄位順序]:利用資料索引值及欄位順序來取得「單一值」,如下範例:
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print(df.iat[1, 0]) #取得索引值為1的第一個欄位資料"
5.loc[資料索引值,欄位名稱]:利用資料索引值及欄位名稱來取得「資料集」,如下範例:
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print(df.loc[[1, 3], ["name", "chinese"]]) #取得資料索引值為1和3的name及chinese欄位資料集
6.iloc[資料索引值,欄位順序]:利用資料索引值及欄位順序來取得「資料集」,如下範例:
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print(df.iloc[[1, 3], [0, 2]]) #取得資料索引值為1和3的第一個及第三個欄位資料集
如果想要學習更多的Python應用教學,歡迎前往Learn Code With Mike( https://www.learncodewithmike.com/2020/11/python-pandas-dataframe-tutorial.html )網站觀看更多精彩內容。
2 0 371 0

推薦給你

知識貓星球

喵星人

8小時前

產品經理(PM)如何判斷需求的競爭價值?分析競品功能和市場趨勢的步驟
競爭分析在產品管理中扮演重要角色,透過評估競品功能和市場趨勢,產品經理能有效判斷需求的競爭價值。藉由分析優勢、差異化機會及市場需求變化,可確保產品聚焦在提升競爭力和避免競爭劣勢的方向上。
競爭分析能幫助產品經理了解市場上其他產品的功能及優勢,以判斷自身產品需求是否具有競爭價值。以下是分析競品功能和市場趨勢的具體步驟:
1. 識別競品
- 直接競爭對手:與自身產品同類、針對相同目標市場的產品。例如,其他同類型的SaaS軟體或工具。
- 間接競爭對手:可能滿足相似需求,但並非完全同類的產品。例如,若為時間管理工具,競爭者可能包括提供類似功能的生產力應用。
2. 分析競品功能
- 列出核心功能:觀察競品的主要功能,並記錄每個功能的細節、設計、操作流程。可以建立一個功能矩陣表來進行比對。
- 確認創新或獨特功能:看看競品中是否有特別創新的功能或設計,並評估這些功能是否真實解決了用戶痛點。這有助於判斷是否需要考慮相似的需求。
- 功能成熟度:分析競品各功能的開發成熟度。若競品某一功能仍處於測試或試用階段,可能反映了需求仍待驗證。
3. 分析市場趨勢
- 行業趨勢報告:閱讀市場分析報告(例如Gartner、Forrester等),了解行業發展方向和新興技術,並判斷某些需求是否與市場趨勢一致。
- 用戶行為趨勢:觀察目標用戶的需求變化,例如用戶偏好移動端還是網頁端操作?是否重視隱私和數據安全?此類趨勢會影響功能優先順序。
- 競品動態:定期關注競品更新、功能發佈或併購等訊息,了解他們的發展方向。這有助於判斷自身產品需求是否具有持續競爭力,或是否需要調整。
4. 評估該需求的競爭價值
- 競品缺失的機會:如果競品中有用戶需求未被充分滿足,可以考慮優先實現此類需求,以吸引用戶。
- 差異化策略:基於競品功能,尋找可以差異化的機會。若競品重視A功能,可能自身可強化B功能或推出更優化的A功能。
- 避免劣勢:若競品推出的功能深受市場認可,且解決了用戶核心痛點,則需考慮相應的需求,以避免劣勢。
這種競爭分析能幫助產品經理在開發需求時有更強的市場導向,既提升產品競爭力,也減少資源浪費。
0 0 284 0
你可能感興趣的教室