本文共 1137 字，大约阅读时间需要 3 分钟。
程序员对算法通常怀有复杂情感，算法很重要是共识，但是否每个程序员都必须学算法是主要的分歧点。
很多人觉得像人工智能、数据搜索与挖掘这样高薪的工作才用得上算法，觉得算法深不可测。但是这些其实都不是具体的算法，而是一系列算法的集合。
对初学者来说，为避免片面或抽象地理解算法，可根据几个问题评估自己是否适合学习算法：
在学习算法的过程中，一能解决问题，二对自己有用，是最大的推动力。而那些抽象的，与程序员日常工作关系不大的竞赛题，很难提起大多数人的学习兴趣。
最好能通过工作中应用的一些案例来切入，利用碎片化时间入门算法，提升技术竞争力。有了兴趣之后就可以尝试将算法尽可能的优化，并套用到一个完整的项目中。
从基础来讲，要学习算法，至少要非常熟练地掌握一种排序算法，各种线性表的插入、删除算法，树的遍历和插入、删除算法，图的遍历算法等。
多学习掌握一些常见问题的解决模式，比如穷举算法如何应用，动态规划算法如何应用。
最后要勤思考已经掌握并解决的算法，复盘为什么用这种方法解决，有没有其他方法，类似的问题怎么办，提高举一反三的能力。
编程算法只是算法的一种表达形式，还可以用表格或流程图来表达算法。数据挖掘领域涉及的算法和其他领域算法只是问题域不同。
数据挖掘和机器学习常用的方法，比如决策树、贝叶斯学习、神经网络、遗传算法等，在其他领域也有应用。
在人工智能领域或各种专家系统中，决策树算法也是常用算法。各种算法在不同领域扮演不同角色，本质上没有区别，一通百通。
人们设计各种算法的目的是解决现实问题，虽然各种算法的实现五花八门，但算法设计模式却有一些通用的方法或思想。
归纳起来，这些常见的算法设计方法有迭代法、穷举搜索法、分支界限法（剪枝法）、递推法、递归法、回溯法、分治法、贪婪法和动态规划法等。
没有理论指导的实践是盲目的。
没有实践验证的理论是空洞的。
既然是入门算法，首先就要会玩，否则只会被算法“玩死”。
很多朋友啃完了《算法》、《算法导论》或其他算法书籍，对各种排序、搜索、遍历等常用算法了如指掌，但是遇到问题还是束手无策，都知道堆排序和最大最小堆，但是却不能有效地应用到实战。
我自己是一名大数据架构师，目前辞职在做线上教育大数据讲师，每天都会直播分享免费公开课，大家可以加群参加。以及我自己整理了一套最新的大数据学习系统教程，包括Hadoop，数据挖掘，数据分析。送给正在学习大数据的小伙伴！这里是大数据学习者聚集地，欢迎初学和进阶中的小伙伴！
加QQ群：584900118（招募中）
转载地址：http://gnioi.baihongyu.com/