[PYTHON] AtCoder Ce que j'ai fait avant qu'il ne devienne vert, mes impressions
Puisque j'ai pu passer au vert avec Atcoder, je voudrais résumer ce que j'ai appris et mes impressions. Je ne sais pas quel est le contenu de la décoction, mais j'espère que cela aidera les gens qui lancent Atcoder à partir de maintenant.
Auto-introduction
・ Je suis diplômé d'un département de chimie et n'ai jamais correctement appris l'ingénierie de l'information au cours de ma deuxième année en tant que membre de la société. ・ Les mathématiques sont une capacité ordinaire pour un diplômé d'une école supérieure en sciences. -Le langage utilisé est Python, et C ++ peut également lire du code et implémenter des problèmes A et B. ・ J'ai commencé à étudier la programmation après être devenu membre de la société. (J'ai écrit un code simple même quand j'étais à l'école supérieure)
Ce que j'ai fait
Quand j'ai résolu les questions du passé, le taux a augmenté, au final c'est tout, mais j'ai résumé deux points dont j'étais consciente afin d'améliorer l'efficacité.
1. Résoudre les problèmes de difficulté appropriée
C'est le résultat des questions que j'ai résolues dans le passé, qui se caractérisent par un pourcentage élevé de problèmes de brun résolus, bleu clair Je pense que le ratio de résolution du problème est faible. Le problème gray semble être résolu raisonnablement bien, mais cela n'est pas résolu dans le but d'augmenter le taux car il y a environ 30% des problèmes résolus pour l'apprentissage du C ++.
La raison de cette réussite est l'algorithme d'occurrence fréquente d'Atcoder qui provoque des problèmes de brun lorsque le taux de vert ne peut pas être atteint. Il est important de bien comprendre, car je pensais que le problème bleu clair était difficile et inefficace à apprendre (je ne pouvais pas comprendre correctement l’essence du problème). Je travaille sur le problème green depuis que le taux est proche de 800 et j'ai pu résoudre le problème brown sans difficulté.
2. Comprenez les algorithmes que vous devez apprendre
Comme mentionné dans les articles d'autres personnes sur l'atteinte du vert, il existe environ 10 algorithmes qui doivent être compris par green rate </ font>. S'il y en a 10, je pense que certaines choses sont bonnes et d'autres pas bonnes. Concentrez-vous sur ce pour quoi vous n'êtes pas doué. Au fait, je ne suis pas doué pour la dichotomie et la DP. .. En tant que méthode d'étude des algorithmes, j'ai étudié en répétant l'implémentation d'un problème que j'avais résolu une fois, car la compréhension et l'implémentation sont des problèmes différents, étudier l'implémentation est différent de résoudre un nouveau problème. Il vaudrait peut-être mieux le faire ainsi.
finalement
Je m'intéresse au domaine de la science des données et je suis impliqué dans ce contenu au travail. (Efforts for kaggle est également écrit, veuillez donc le lire si vous le souhaitez.) Donc, à l'origine, je ne m'intéressais pas aux algorithmes et je pensais que cela ne serait pas utile dans mon entreprise. Cependant, lorsque j'apprends réellement avec Atcoder, il est intéressant de penser aux algorithmes, et je pense qu'ils sont également utiles en entreprise. Je ressens surtout la quantité de calcul, la vitesse de codage et la vitesse de recherche de bogues. Par conséquent, j'aimerais que les personnes qui ne sont pas intéressées par les algorithmes travaillent une fois sur des programmes compétitifs comme Atcoder.
Recommended Posts