博客
关于我
力扣打卡计划(长期)
阅读量:466 次
发布时间:2019-03-06

本文共 1015 字,大约阅读时间需要 3 分钟。

LeetCode刷题计划:一起从0开始进步

暑期即将结束,升学的日子来临之际,我决定开启一个全新的学习计划——和大家一起从零开始刷LeetCode。以下是我的详细计划和思考过程。


前言

暑期的日子飞逝,转眼间就要步入大学新生活了。在这个关键时期,我希望能够找到一个既能锻炼自己的地方,又能和志同道合的伙伴一起进步的地方。

传统的刷题计划确实能带来短期的进步,但由于时间和精力的限制,很多人难以长期坚持。我决定改变一下策略,尝试一个更灵活、更可持续的刷题计划。


打卡计划

和上一次的剑指offer计划不同,本次的刷题计划将更加注重长期性和可持续性。

  • 每周目标:每周完成3-5道中等难度的题目,重点在于理解问题、尝试解决方案、撰写题解并进行反思。
  • 时间安排:每周三、五、日进行一次刷题和题解分享,具体时间和内容将根据大家的反馈进行调整。
  • 强度调节:这个计划的强度相比传统刷题活动会更低一些,旨在让大家有足够的时间和精力去深入思考和总结。

  • 刷题建议

    刷题不仅是提升技术能力的过程,更是培养思维习惯和解决问题能力的重要训练。以下是一些我认为有价值的建议:

  • 用自己的方法解决问题

    刷题时尽量尝试自己思考,而不是直接看题解。深度思考的过程能够加深理解和记忆,虽然这可能会让你写出更多的代码,但这是值得付出的成本。

  • 注重数据结构基础

    LeetCode的题目大量涉及数据结构和算法,建议在刷题的同时,手写一些常见数据结构的代码,如链表、二叉树、栈和队列等。这些基础知识是解题的关键。

  • 避免硬刚

    面对难题时,不要一味地硬坚持。适当放下题目,换一个简单的题目或者休息一下,反而能够让你以更好的状态回到难题上来。

  • 多回顾、多交流

    每周结束时,回顾一下自己做的题目,梳理解题思路和经验教训。同时,欢迎大家在群里交流,分享自己的解题过程和心得体会。

  • 注重方法和体会

    每个人的解题方法可能各不相同,但你是怎么想到这个方法的?这是最有价值的经验分享。不同的方法背后往往蕴藏着独特的思考方式,这也是我们互相学习的好机会。


  • 进群

    如果你对这个刷题计划感兴趣,可以加入我们的微信群。具体方式如下:

  • 关注微信公众号 bigsai,回复 进群 即可加入。
  • 或者直接添加博主微信 q1315426911,拉你进群。

  • 结语

    希望这个刷题计划能够和你一起走得更远。无论是零基础的萌新,还是对算法有一定了解的人,都可以加入进来。让我们一起保持学习的热情,写出属于自己的精彩篇章!

    转载地址:http://bvvkz.baihongyu.com/

    你可能感兴趣的文章
    NuGet Gallery 开源项目快速入门指南
    查看>>
    NuGet(微软.NET开发平台的软件包管理工具)在VisualStudio中的安装的使用
    查看>>
    nuget.org 无法加载源 https://api.nuget.org/v3/index.json 的服务索引
    查看>>
    Nuget~管理自己的包包
    查看>>
    NuGet学习笔记001---了解使用NuGet给net快速获取引用
    查看>>
    nullnullHuge Pages
    查看>>
    NullPointerException Cannot invoke setSkipOutputConversion(boolean) because functionToInvoke is null
    查看>>
    null可以转换成任意非基本类型(int/short/long/float/boolean/byte/double/char以外)
    查看>>
    Numix Core 开源项目教程
    查看>>
    NumPy 或 Pandas:将数组类型保持为整数,同时具有 NaN 值
    查看>>
    numpy 或 scipy 有哪些可能的计算可以返回 NaN?
    查看>>
    numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32
    查看>>
    numpy 数组与矩阵的乘法理解
    查看>>
    NumPy 数组拼接方法-ChatGPT4o作答
    查看>>
    numpy 用法
    查看>>
    Numpy 科学计算库详解
    查看>>
    Numpy.fft.fft和numpy.fft.fftfreq有什么不同
    查看>>
    Numpy.ndarray对象不可调用
    查看>>
    numpy、cv2等操作图片基本操作
    查看>>
    numpy判断对应位置是否相等,all、any的使用
    查看>>