Aslında bunu yazılım mühendisi olabilmek için kısa bir yapılacaklar listesi olarak hazırladım, ama bugün gördüğünüz büyük listeye dönüştü. Bu çalışma planını tamamladıktan sonra, Amazon tarafından Yazılım Geliştirme Mühendisi olarak işe alındım.! Muhtemelen yaptığım kadar çok çalışmanıza gerek kalmayacaktır. Her neyse, ihtiyaç duyabileceğiniz her şey burada.
Birkaç ay boyunca günde 8 - 12 saat çalıştım. İşte benim hikayem: Neden bir Google mülakatı için 8 ay boyunca tam zamanlı çalıştım?
Burada listelenenler sizi herhangi bir yazılım firmasıyla yapacağınız teknik mülakata iyi bir şekilde hazırlar, büyük devler de dahil: Amazon, Facebook, Google, ve Microsoft.
İyi Şanslar!
Translations:
Translations in progress:
Bir web geliştiricisinden (CS derecesi olmadan, alaylı), büyük bir firmada yazılım mühendisi olmak için çok-aylı bir çalışma planıdır.
Bu liste, yeni yazılım mühendisleri için veya web ya da yazılım geliştiriciliği alanlarından, yazılım mühendisliğine (bilgisayar bilimleri bilgisi gerekli) geçiş için hazırlanmıştır. Eğer uzun yıllardır tecreübeniz varsa ve yazılım mühendisliği tecrübesi istiyorsanız, daha zor bir mülakat bekleyin. Eğer uzun yıllardır yazılım/web geliştirme deneyiminiz varsa, Google, Amazon, Facebook ve Microsoft gibi büyük yazılım firmalarının yazılım mühendisliğini yazılım/web geliştirmekten farklı gördüğüne, ve bilgisayar bilimleri bilgisi istediğine dikkat edin.
Eğer güvenlik ya da operasyon mühendisi olmak istiyorsanız, opsiyonel listeden (network, güvenlik) konulara daha fazla çalışın.
- Nedir?
- Neden kullanılır?
- Nasıl kullanılır?
- Yeterince zeki olmadığınızı hissetmeyin
- Video Kaynakları Hakkında
- Mülakat Süreci & Genel Mülakat Hazırlığı
- Mülakat İçin Bir Dil Seçin
- Kitap Listesi
- Başlamadan Önce
- Örtülü Olarak Görmeyecekleriniz
- Günlük Plan
- Önkoşul Bilgisi
- Günlük Plan
- Algoritma Karmaşıklığı / Big-O / Asimptotik Analizler
- Veri Yapıları
- Ekstra Bilgi
- Ağaçlar
- Ağaçlar - Notlar & Arkaplan
- İkili Arama Ağaçları: BST'ler
- Yığın / Öncelik Kuyruğu / İkili Yığın
- dengeli arama ağaçları (genel konseptler, detaylar hariç)
- dolaşımlar: preorder, inorder, postorder, BFS, DFS
- Sıralama
- seçimli (selection)
- eklemeli (insertion)
- yığın sıralama (heapsort)
- hızlı sıralama (quicksort)
- merge sort
- Graflar
- yönlü
- yönsüz
- bitişiklik matrisi
- bitişiklik listesi
- dolaşımlar: BFS, DFS
- Daha Fazla Bilgi
- Rekürsif
- Dinamik Programlama
- Nesneye-Yönelik Programlama
- Tasarım Desenleri
- Kombinasyonlar (n seçim k) & İhtimaller
- NP, NP-Complete ve Yaklaşım Algoritmaları
- Önbellekler
- Prosesler ve Threadler
- Test Etme
- Zamanlama
- Kağıtlar
- Test Etme
- Planlama
- String arama & manipulasyon
- Denemeler
- Kayan Noktalı Sayılar
- Unicode
- Endianness
- Network Oluşturma
- Sistem Tasarımı, Ölçeklenebilirlik, Veri İşleme (eğer 4+ yıldan fazla deneyiminiz varsa)
- Final Bakışı
- Kodlama Soruları Uygulaması
- Kodlama egzersizleri/yarışmalar
- Mülakata yakın olduğunuzda
- Sizin için En İyi Kariyer Fırsatlarını Bulma Yöntemi
- Özgeçmişiniz
- Mülakat geldiğinde düşünmek
- Mülakat yapan kişiye sorularınızın olması
- İşi Aldığınızda
---------------- Bu bölümün altındakiler opsiyoneldir ----------------
- Ek kitaplar
- Ek Öğrenim
- Derleyiciler
- Emacs ve vi(m)
- Unix komut satırı araçları
- Bilgi teorisi
- Parite & Hamming Kodu
- Entropi
- Kriptografi
- Sıkıştırma
- Bilgisayar Güvenliği
- Çöp toplayıcı
- Paralel Programlama
- Mesajlaşma, Serileştirme ve Kuyruklama Sistemleri
- A*
- Hızlı Fourier Dönüşümü
- Bloom Filtresi
- HyperLogLog
- Konuma Duyarlı Hashleme
- van Emde Boas Ağaçları
- Artırılmış Veri Yapıları
- Dengeli arama ağaçları
- AVL ağaçları
- Splay ağaçları
- Kırmızı/siyah ağaçları
- 2-3 arama ağaçları
- 2-3-4 Ağaçları (aka 2-4 ağaçları)
- N-ary (K-ary, M-ary) ağaçları
- B-ağaçları
- k-D Ağaçları
- Geçiş Listeleri
- Network Akışları
- Ayrık Kümeler & Birlik Bulma
- Hızlı İşleme için Matematik
- Treap
- Lineer Programlama
- Geometri, Convex hull
- Ayrık matematik
- Makine Öğrenmesi
- Bazı Konular Hakkında Ekstra Bilgi
- Video Serileri
- Bilgisayar Bilimleri Kursları
- Makaleler
Bu projeye başladığımda, Stack ya da heap farkını bilmiyordum, Big-O notasyonu hakkında bir şey bilmiyordum, ağaçlar hakkında bir şey bilmiyordum, ya da bir graf nasıl dolaşılır bilmiyordum. Bir sıralama algoritması kodlamış olsaydım, iyi olmayacağını size söyleyebilirdim. Kullandığım her veri yapısı dilin içinde hazır bulunmaktaydı, kaputun altında nasıl çalıştıklarını bilmiyordum. Çalışmakta olduğum bir proses, "bellek yetersiz" uyarısı verene kadar herhangi bir bellek yönetimi yapmamıştım ve buna bir geçici çözüm buldum. Hayatımda bir kaç sefer çok boyutlu dizileri kullandım ve binlerce birleştirici dizileri kullandım, ama hiç bir zaman sıfırdan bir veri yapısı oluşturmadım.
Bu uzun bir plan. Aylar sürebilir. Eğer bunlara aşinaysanız, daha az zamanınızı alacaktır.
Aşağıdaki her şey bir ana hattır, ve yukarıdan aşağıya doğru öğeleri ele almalısınız.
İlerlemeyi izlemek için görev listeleri de dahil olmak üzere GitHub'ın özel işaretleme özelliğini kullanıyorum.
Bu şekilde öğeleri seçmek için yeni bir dal oluşturun, braketler arasına sadece bir x koyun: [x]
Bir dalı fork edin ve aşağıdaki komutları takip edin
Github repositorysini https://github.com/jwasham/coding-interview-university Fork butonuna tıklayarak fork edin
Lokal repositorynize klonlayın
git clone git@github.com:<your_github_username>/coding-interview-university.git
git checkout -b progress
git remote add jwasham https://github.com/jwasham/coding-interview-university
git fetch --all
Değişikliklerinizi tamamladıktan sonra bütün kutuları X ile işaretleyin
git add .
git commit -m "Marked x"
git rebase jwasham/main
git push --set-upstream origin progress
git push --force
Github aromalı Markdown ile ilgili daha fazla bilgi
- Başarılı yazılım mühendisleri akıllıdır, ancak çoğunluğu yeterince zeki olmadığı için güvensizlik yaşarlar.
- Dahi programcı hakkında bir efsane
- Yalnız Gitmek Tehlikeli: Teknolojide Görünmez Canavarla Savaşmak
- Değişebileceğine inan
Bazı videolar Coursera ya da EdX sınıflarına dahil olduğunuzda ulaşılabilmektedir. Bunlar MOOC'lar olarak adlandırılır. Bazı kurslar aktif olmayabilirler, bir kaç ay beklemeniz gerekebilir, erişiminiz olmaz.
Ücretsiz ve her zaman ulaşılabilir kaynaklar eklerseniz memnun olurum, YouTube videoları gibi çevrimiçi kurs videolarına eşlik edebilirsiniz.
Üniversite derslerini kullanmayı severim.
- 2021 Yılında Mühendislik Mülakatını Nasıl Geçersiniz
- Beyaz tahtalama
- Teknoloji İşe Alımını Açıklığa Kavuşturmak
- Büyük 4'lüde Nasıl İşe Girersiniz:
- Cracking The Coding Interview Set 1:
- Cracking the Facebook Coding Interview:
- Hazırlık Kursu:
- Software Engineer Interview Unleashed (ücretli kurs):
- Eski bir Google görüşmecisinden yazılım mühendisi görüşmelerine kendinizi nasıl hazırlayacağınızı öğrenin.
- Python for Data Structures, Algorithms, and Interviews (ücretli kurs):
- Veri yapılarını, algoritmaları, sahte mülakatları ve çok daha fazlasını kapsayan Python merkezli bir mülakat hazırlık kursu.
- Intro to Data Structures and Algorithms using Python (Udacity ücretsiz kurs):
- Ücretsiz bir Python merkezli veri yapıları ve algoritmaları kursu.
- Data Structures and Algorithms Nanodegree! (Udacity paid Nanodegree):
- Mülakatlara ve iş başında senaryolara hazırlanmanıza yardımcı olmak için özel bir danışmandan 100'den fazla veri yapısı ve algoritma alıştırmaları ve rehberliği ile uygulamalı pratik yapın.
- Grokking the Behavioral Interview (Educative free course):
- Çoğu zaman, sizi hayalinizdeki işe girmekten alıkoyan şey teknik yeterliliğiniz değil, görüşmede davranışsal nasıl performans gösterdiğinizdir.
- Software Engineer Interview Unleashed (ücretli kurs):
Mülakatın kodlama bölümü için rahat hissettiğiniz bir dili kullanabilirsiniz, ancak büyük şirketler için, aşağıdakiler sağlam seçeneklerdir:
- C++
- Java
- Python
Ayrıca bunları da kullanabilirsin, ancak önce okuyun. Bazı uyarılar olabilir:
- JavaScript
- Ruby
İşte mülakat için bir dil seçme hakkında yazdığım bir makale: Pick One Language for the Coding Interview.
Bir dilde çok rahat ve bilgili olmanız gerekmektedir.
Seçenekler hakkında daha fazlasını okuyun:
- http://www.byte-by-byte.com/choose-the-right-language-for-your-coding-interview/
- http://blog.codingforinterviews.com/best-programming-language-jobs/
Dil kaynaklarına buradan göz atın
Aşağıda C, C++ ve Python öğreniminin dahil olduğunu göreceksiniz, çünkü ben öğreniyorum. Alta bakarsanız bir kaç kitap dahil edilmiştir.
Kendi kullandığım kısa bir liste. Zamandan tasarruf etmenizi sağlayacaktır.
- Programming Interviews Exposed: Coding Your Way Through the Interview, 4th Edition
- C++ ve Java dillerinde cevaplar
- Cracking the Coding Interview için iyi bir ısınma
- çok zor değil, çoğu problem bir mülakatta göreceğinizden daha kolay (benim okuduğum kadarıyla)
- Cracking the Coding Interview, 6th Edition
- Java dilinde cevaplar
Birini seçin:
- Elements of Programming Interviews (C++ version)
- Elements of Programming Interviews in Python
- Elements of Programming Interviews (Java version)
Mülakat için bir dil seçmeniz gerekir (alta bakın). Dile göre önerilerim burada. Her dil için kaynaklara sahip değilim. İlaveleri memnuniyetle karşılarım.
Eğer bunlardan birini okursanız, kodlama problemlerini yapmaya başlamanız için gereken tüm veri yapılarına ve algoritma bilgisine sahip olmanız gerekir. İnceleme yapmak istemiyorsanız bu projedeki bütün video derslerini atlayabilirsiniz
Spesifik dillere özgü ek kaynaklar burada.
Henüz bu ikisini okumadım, ancak Sedgewick tararından yüksek derecelendirilmiş ve yazılmıştır. O mükemmel biri.
- Algorithms in C++, Parts 1-4: Fundamentals, Data Structure, Sorting, Searching
- Algorithms in C++ Part 5: Graph Algorithms
- Open Data Structures in C++
- Rich and detailed collection of Data Structures and Algorithms
- Great for first-timers
C++ için daha iyi bir tavsiyeniz varsa, beni bilgilendirin. Kapsamlı bir kaynak arıyorum.
- Algorithms (Sedgewick and Wayne)
- kitap içeriğiyle birlikte coursera videoları (ve Sedgewick!):
YA DA:
- Data Structures and Algorithms in Java
- Goodrich, Tamassia, Goldwasser tarafından
- UC Berkeley'de bilgisayar bilimleri tanıtımı için opsiyonel metin olarak kullanılır
- aşağıda Python versiyonuyla ilgili kitap raporuma bak. Bu kitap aynı konuları kapsıyor.
- Data Structures and Algorithms in Python
- Goodrich, Tamassia, Goldwasser tarafından
- Bu kitabı seviyorum. Her şeyi ve daha fazlasını kapsıyor.
- Pythonic kod
- kitap raporum: https://startupnextdoor.com/book-report-data-structures-and-algorithms-in-python/
- Open Data Structures in Python
Bu liste birkaç ayda büyüdü, ve evet, biraz elden çıktı.
Yaptığım hatalar şunlardır; böylece daha iyi bir tecrübeye sahip olacaksınız.
Saatlerce videolar izledim ve bol bol notlar aldım ancak aylar sonra hatırlamadığım çok şey oldu. Notlar karıştırarak ve flashcardlar yaparak tekrarlamaya 3 günümü harcadım.
Lütfen okuyun, benim hatalarımı yapmayın: Retaining Computer Science Knowledge.
A course recommended to me (haven't taken it): Learning how to Learn.
Problemi çözmek için, genel ve kod olmak üzere 2 tür flashcard ekleyebildiğim küçük bir flashcard sitesi hazırladım. Her kart farklı bir formata sahip.
Nerede olursam olayım, telefonumdan ve tabletimden inceleyebilmek için bir mobil web sitesi hazırladım.
Kendinizinkini ücretsiz olarak yapın:
- Flashcards site repo
- Benim flashcard veritabanım (eski - 1200 kart):
- Benim flashcard veritabanım (yeni - 1800 kart):
Kartlarla ilgili biraz aşırıya kaçtım, benim kartlarım Assembly dilinden Python'a, makine öğrenmesinden istatistiğe kadar bir çok şeyi kapsar. Gerekli olandan çok daha fazlasına sahip.
Flashcardlarla ilgili not: İlk defa cevabı bildiğinizi fark ederseniz, bildiğiniz gibi işaretlemeyin. Aynı kartı görmeniz ve gerçekten bilmeden önce birkaç kez doğru cevaplamanız gerekir. Tekrarlama bu bilgiyi beyninizde derinleştirecektir.
Kullandığım flashcard siteme bir alternatif Anki, bana defalarca tavsiye edildi. Unutulmaması için bir tekrarlama sistemi kullanır. Kullanıcı dostu, tüm platformlarda kullanılabilir ve bir bulut senkronizasyon sistemi vardır. iOS'da 25$, diğer platformlarda ücretsiz.
Benim flashcard veritabanımın Anki formatı: https://ankiweb.net/shared/info/25173560 (teşekkürler, @xiewenya)
Öğrendiklerinizi sorunları çözmek için uygulamanız gerekir, yoksa unutacaksınız. Bu hatayı yaptım. Bir konuyu öğrendikten sonra, ve o konu üzerinde kendinizi rahat hissettikten sonra (örneğin bağlantılı listeler), kodlama mülakatı kitaplarından birini açın ve bununla ilgili birkaç soru yapın. Ardından bir sonraki konuya geçin. Daha sonra geri dönün ve başka bir bağlantılı liste problemi yapın, ya da özyineleme sorunu ya da her neyse. Ama öğrenirken problemler yapmaya devam edin. Bilgi için işe alınmıyorsun, bilgiyi nasıl kullandığından işe alınıyorsun. Önerdiğim birkaç kitap ve site var. Daha fazlası için buraya bakın: Kodlama Soruları Pratiği.
ASCII, OSI stack, Big-O notasyonu, ve daha fazlası üzerinde bir dizi kopya kağıdı tutarım. Boş zamanlarım olduğunda bunlara çalışırım.
Yarım saat için programlama problemlerine ara verin ve flashcard'larınıza geçin.
Değerli zamanınızı alabilecek bir çok dikkat dağıtıcı şey vardır. Odaklanma ve konsantrasyonda zorlanabilirsin. Arka fon müziği açarak gayet güzel bir şekilde odaklanabilirsin.
Bunlar yaygın teknolojilerdir ancak bu çalışma planının bir parçası değildir:
- SQL
- Javascript
- HTML, CSS, ve diğer front-end teknolojileri
Bazı konular bir gün alır, ve bazıları birkaç gün sürer. Bazıları sadece öğrenilir, kullanılmaz.
Her gün aşağıdaki listeden bir konu alıyorum, bu konuyla ilgili videolar izliyorum, ve implemente ediyorum:
- C - struct * ve argüman olarak başka şeyler alan struct ve fonksiyonları kullanarak
- C++ - yerleşik türleri kullanmadan
- C++ - yerleşik türleri kullanarak, bağlı liste için STL'in std::list gibi
- Python - yerleşik türleri kullanarak (Python'la ilgili pratiğe devam etmek için)
- doğru yaptığımdan emin olmak için testler yazarım, bazen sadece basit assert() deyimleri kullanırım
- Java ya da başka bir şey yapabilirsin, bu sadece benim yaptıklarım.
Bunların hepsine ihtiyacın yok. Sadece mülakat için bir dile ihtiyacın var.
Neden bunların hepsinde kod var?
- Bıkana kadar, pratik, pratik, pratik, ve sonra sorunsuzca yapılabilir (bazılarının bir çok edge-case'i var ve hatırlanması için defter tutma ayrıntıları var)
- Ham kısıtlamalar ile çalışın (Çöp toplayıcı yardımı olmadan belleği ayırma / boşaltma (Python ya da Java hariç))
- Yerleşik türlerden faydalanarak, yerleşik araçları gerçek dünya kullanımında tecrübe edindim. (kendi bağlı liste uygulamamı production'da kullanmayacağım.)
Her konu için bunları yapmaya vaktim olmayabilir, ama deneyeceğim.
Kodumu buradan görebilirsiniz:
Her algoritmanın püf noktalarını ezberlemenize gerek yok.
Kodları beyaz tahtaya ya da kağıda yazın, bilgisayara değil. Örnek girdileri test edin. Sonra bilgisayar dışında test edin.
-
C Öğren
- C her yerde. Çalışırken kitaplarda, derslerde, videolarda, kısaca her yerde örnekler göreceksin.
- C Programming Language, Vol 2
- Bu kısa kitap C dili üzerinde büyük bir ipucu verir, ve biraz pratik yaparsanız hızlı bir şekilde yetkinleşebilirsiniz. C'yi anlarsanız programların ve belleğin nasıl çalıştığını anlarsınız.
- Sorulara cevap verin
-
Bilgisayarlar programları nasıl işlerler:
- uygulanacak bir şey değil
- Burada bir sürü video var. Anlayana kadar videoları izle. Her zaman geri gelip tekrar inceleyebilirsin
- Eğer çok matematiksel geliyorsa aşağıya inip ayrık matematik videolarına bakabilirsin
- Harvard CS50 - Asymptotic Notation (video)
- Big O Notations (general quick tutorial) (video)
- Big O Notation (and Omega and Theta) - best mathematical explanation (video)
- Skiena:
- A Gentle Introduction to Algorithm Complexity Analysis
- Orders of Growth (video)
- Asymptotics (video)
- UC Berkeley Big O (video)
- UC Berkeley Big Omega (video)
- Amortized Analysis (video)
- Illustrating "Big O" (video)
- TopCoder (includes recurrence relations and master theorem):
- Cheat sheet
- [Review] Big-O notation in 5 minutes (video)
-
- Otomatik olarak yeniden boyutlandırılan bir vektör uygulayın.
- Tanım:
- Diziler (video)
- UC Berkeley CS61B - Lineer ve Çok Boyutlu Diziler (video) (İzlemenye 15:32'den başlayın)
- Dinamik Diziler (video)
- Jagged Diziler (video)
- Vektör uygulayın (otomatik yeniden boyutlandırmaya sahip değiştirilebilir dizi):
- Dizileri ve işaretçileri kullanarak kodlama pratiği yapın, ve indexleme kullanmak yerine işaretçi matematiği kullanarak bir indexe atlayın.
- ayrılmış belleğe sahip yeni ham veri dizisi
- arkada int dizini kullanabilir, özelliklerini kullanamazsınız.
- 16 ile başlayın, başlangıç sayısı daha büyükse, 2'nin katlarını kullanın - 16, 32, 64, 128
- size() - eleman sayısı
- capacity() - tutabileceği eleman sayısı
- is_empty()
- at(index) - verilen indekse ait öğeyi döndürür, eğer o sınırlarda indeks yoksa patlar.
- push(item)
- insert(index, item) - indekse öğe ekler, bu dizinin değerini ve arkasındaki öğeleri sağa kaydırır.
- prepend(item) - indeks 0'dan yukarıya eklemek için kullanılır
- pop() - en sondakini kaldırır, geri döndürür
- delete(index) - verilen indeksteki öğeyi siler, arkadaki öğeleri sola kaydırır.
- remove(item) - öğeyi arar ve onu tutan indeksi kaldırır (birden çok indekste olsa bile)
- find(item) - öğeyi arar ve öğeye sahip ilk indeksi döndürür, bulamazsa -1 döndürür
- resize(new_capacity) // özel fonksiyon
- kapasiteye erişince, boyutu iki katına çıkarın
- bir öğeyi çıkardığınızda, boyut 1/4 kapasiteye sahipse, yarısına yeniden boyutlandırın
- Zaman
- O(1) sona ekleme/silmede (daha fazla yer ayırmak için amortize edilir), index, ya da güncelleme
- O(n) başka yere ekleme/silmede
- Alan
- bellekte bitişiklik, performans artışına yardımcı olur
- gereken alan = (dizi kapasitesi, ki >= n) * öğe boyutu, 2n için, yine O(n)
-
- Tanım:
- C Code (video) - tüm video değil, Node yapısı ve bellek ayırma için olan bölümler.
- Bağlı Listeler vs Diziler:
- neden bağlı listelerden kaçınmalısınız (video)
- Pointer için pointer bilgisine ihtiyacınız var: (bir pointer'ı bir fonksiyona yolladığınızda, bu pointer'ın işaret ettiği adresi değiştirebilir.) Bu sayfa ptr ile ptr arasında bir kavrayış elde etmek içindir. Bu listeyi yukarıdan aşağıya geçiş tarzını tavsiye etmiyorum. Okunabilirlik ve sürdürülebilirlik, zekice olması nedeniyle acı çekici oluyor.
- uygula (Kuyruk pointer ile & onsuz yaptım):
- size() - listedeki veri elementlerinin sayısını geri döndürür
- empty() - liste boşsa true döndürür
- value_at(index) - indexteki öğenin içeriğini döndürür (0'dan başlar)
- push_front(value) - listenin başına bir öğe ekler
- pop_front() - liste başındaki öğeyi kaldırıp return eder
- push_back(value) - listenin sonuna öğe ekler
- pop_back() - listenin sonundaki öğeyi kaldırır ve içeriğini return eder
- front() - ilk öğenin içeriğini verir
- back() - son öğenin içeriğini verir
- insert(index, value) - indexe yeni öğe ekler, geçerli öğenin indexi, yeni eklenen indexi gösterir
- erase(index) - verilen indexteki düğümü siler
- value_n_from_end(n) - listenin sonundan başlayarak n. pozisyondaki öğenin içeriğini verir
- reverse() - listeyi ters çevirir
- remove_value(value) - bu değerdeki ilk bulunan içeriği kaldırır
- Çift Bağlı Liste
- Tanım (video)
- Uygulamaya gerek yok
-
- Stacks (video)
- [Review] Stacks in 3 minutes (video)
- Uygulamayın. Diziyle gerçekleştirmek önemsiz.
-
- Kuyruk (video)
- Circular buffer/FIFO
- [Review] Queues in 3 minutes (video)
- Bağlı listeyle birlikte kuyruk işaretçisi kullanarak uygulayın:
- enqueue(value) - kuyruktaki pozisyona değer ekler
- dequeue() - değeri döndürür ve en son eklenen elemanı kaldırır (ön)
- empty()
- Sabit boyutlu dizi kullanarak uygulayın:
- enqueue(value) - müsait saklama alanının sonuna öğe ekler
- dequeue() - değeri döndürür ve en son eklenen elemanı kaldırır
- empty()
- full()
- Maliyet:
- bağlı liste kullanılarak yapılan kötü bir uygulamada enqueue ve dequeue işlemleri O(n) zaman alır çünkü son öğenin devamına ihtiyacınız var, bu durum da her dizinin dolanmasına neden olur.
- enqueue: O(1) (amorti, bağlı liste ve dizi [sondalama])
- dequeue: O(1) (bağlı liste ve dizi)
- empty: O(1) (bağlı liste ve dizi)
-
-
Videolar:
- Zincirleme ile Hashing (video)
- Tablo Katlama, Karp-Rabin (video)
- Açık Adresleme, Kriptografik Hashleme (video)
- PyCon 2010: The Mighty Dictionary (video)
- PyCon 2017: The Dictionary Even Mightier (video)
- (İleri Seviye) Randomization: Universal & Perfect Hashing (video)
- (İleri Seviye) Perfect hashing (video)
- [Review] Hash tables in 4 minutes (video)
-
Online Kurslar:
-
Doğrusal sondalama (Linear Probing) kullanarak dizi ile uygulayın:
- hash(k, m) - m has tablosunun büyüklüğü
- add(key, value) - eğer key varsa, değerini güncelle
- exists(key)
- get(key)
- remove(key)
-
-
- Binary Search (video)
- Binary Search (video)
- detail
- [Review] Binary search in 4 minutes (video)
- Uygulama:
- binary search (sıralanmış tam sayı dizisine)
- binary search (rekürsif kullanarak)
-
- Bits cheat sheet - 2'nin üslerinden bir çoğunu bilmelisin (2^1 to 2^16 and 2^32)
- Bunlarla bitleri manipüle etmeyi iyi anlayın: &, |, ^, ~, >>, <<
- 2 ve 1'e tümleyenler
- set bitlerinin sayımı
- Swap values:
- Absolute value:
-
- Series: Ağaçlar (video)
- basit ağaç yapımı
- traversal
- manipülasyon algoritmaları
- BFS(breadth-first search) ve DFS(depth-first search) (video)
- BFS notları:
- level order (BFS, using queue)
- zaman karmaşıklığı: O(n)
- alan karmaşıklığı: en iyi: O(1), en kötü: O(n/2)=O(n)
- DFS notları:
- zaman karmaşıklığı: O(n)
- alan karmaşıklığı: en iyi: O(log n) - ort. ağaç yüksekliği en kötü: O(n)
- inorder (DFS: sol, kendisi, sağ)
- postorder (DFS: sol, sağ, kendisi)
- preorder (DFS: kendisi, sol, sağ)
- BFS notları:
- [Review] Breadth-first search in 4 minutes (video)
- [Review] Depth-first search in 4 minutes (video)
- [Review] Tree Traversal (playlist) in 11 minutes (video)
-
- İkili Arama Ağacı İncelemesi (video)
- Introduction (video)
- MIT (video)
- C/C++:
- Binary search tree - Implementation in C/C++ (video)
- BST implementation - memory allocation in stack and heap (video)
- Find min and max element in a binary search tree (video)
- Find height of a binary tree (video)
- Binary tree traversal - breadth-first and depth-first strategies (video)
- Binary tree: Level Order Traversal (video)
- Binary tree traversal: Preorder, Inorder, Postorder (video)
- Check if a binary tree is binary search tree or not (video)
- Delete a node from Binary Search Tree (video)
- Inorder Successor in a binary search tree (video)
- Uygulama:
- insert // değeri ağaca ekler
- get_node_count // barındırılan düğümlerin sayısını verir
- print_values // minimumdan maximuma doğru ağaçtaki değerleri yazdırır
- delete_tree
- is_in_tree // verilen değer ağaçta varsa true döndrür
- get_height // düğümlerin yüksekliğini döndürür (tek düğümlerin yüksekliği: 1)
- get_min // ağaçta bulunan minimum değeri verir
- get_max // ağaçta bulunan maximum değeri verir
- is_binary_search_tree
- delete_value
- get_successor // verilen değerden sonra ağaçtaki en yüksek değeri verir, bulunamazsa -1 verir
-
- ağaç olarak görselleştirilir, ancak depolama ortamında genellikle doğrusaldır (dizi, bağlı liste)
- Heap
- Giriş (video)
- Naive Implementations (video)
- Binary Trees (video)
- Tree Height Remark (video)
- Basic Operations (video)
- Complete Binary Trees (video)
- Pseudocode (video)
- Heap Sort - jumps to start (video)
- Heap Sort (video)
- Building a heap (video)
- MIT: Heaps and Heap Sort (video)
- CS 61B Lecture 24: Priority Queues (video)
- Linear Time BuildHeap (max-heap)
- [Review] Heap (playlist) in 13 minutes (video)
- Max-heap uygulaması:
- insert
- sift_up - eklemek için gerekli
- get_max - maximum öğeyi çıkarmadan return eder
- get_size() - barındırılan eleman sayısını verir
- is_empty() - heap eleman içermiyorsa true döndürür
- extract_max - maximum öğeyi çıkararak döndürür
- sift_down - extract_max için gerekli
- remove(i) - indexdeki öğeyi kaldırır
- heapify - bir dizi öğeden heap oluşturur, heap_sort gerekli
- heap_sort() - sıralanmamış bir dizi alır ve max-heap veya min-heap kullanarak sıralı diziye dönüştürür
-
Notlar:
- Sıralamaları implemente et & en iyi/en kötü durumu, her birinin ortalama karmaşıklığını bil:
- bubble sort olmaz - çok kötü - O(n^2), n <= 16 hariç
- Sıralama Algoritmalarında Stabilite ("Quicksort stabil mi?")
- Hangi algoritmalar bağlı listelerde kullanılabilir? Hangileri dizilerde? Hangileri hepsinde?
- Bağlı listeyi sıralamanızı tavsiye etmem, ancak merge sort bunu yapabilir.
- Merge Sort For Linked List
- Sıralamaları implemente et & en iyi/en kötü durumu, her birinin ortalama karmaşıklığını bil:
-
Heap sort için, yukarıdaki Heap veri yapısına bakın. Heap sort güzel, ama stabil değil.
-
UC Berkeley:
-
Merge sort kod:
-
Quick sort kod:
-
Uygulama:
- Mergesort: O(n log n) ortalama ve en kötü durum
- Quicksort O(n log n) ortalama durum
- Selection sort ve insertion sort her ikisi de O(n^2) ortalama ve en kötü durum
- Heapsort için, yukarıdaki Heap veri yapısına bakın.
-
Gerekli değil, fakat tavsiye ediyorum:
Özetlemek gerekirse, burada 15 sıralama algoritmasının görsel temsili var. Bu konuda daha fazla bilgiye ihtiyacınız varsa, "Sıralama" bölümüne bakın Bazı Konularda Ek Bilgiler
Graflar, bilgisayar bilimlerinde birçok sorunu temsil etmek için kullanılabilir, bu nedenle bu bölüm ağaçlar ve sıralama algoritmaları gibi uzundur.
-
Notlar:
- Grafı bellekte temsil etmek için 4 temel yol vardır:
- objeler ve işaretçiler (pointers)
- bitişiklik matrisi
- bitişik liste
- bitişik map
- Her temsilciliği ve artılarını - eksilerini tanıyın.
- BFS ve DFS - hesaplama karmaşıklığını bilin, ödün vermelerini verin, gerçek kod uygulamasını bilin.
- Bir soru sorulduğunda önce graf tabanlı bir çözüm arayın, eğer yoksa devam edin.
- Grafı bellekte temsil etmek için 4 temel yol vardır:
-
MIT(videolar):
-
Skiena Dersleri - güzel giriş:
- CSE373 2012 - Lecture 11 - Graph Data Structures (video)
- CSE373 2012 - Lecture 12 - Breadth-First Search (video)
- CSE373 2012 - Lecture 13 - Graph Algorithms (video)
- CSE373 2012 - Lecture 14 - Graph Algorithms (con't) (video)
- CSE373 2012 - Lecture 15 - Graph Algorithms (con't 2) (video)
- CSE373 2012 - Lecture 16 - Graph Algorithms (con't 3) (video)
-
Graflar (inceleme ve fazlası):
- 6.006 Single-Source Shortest Paths Problem (video)
- 6.006 Dijkstra (video)
- 6.006 Bellman-Ford (video)
- 6.006 Speeding Up Dijkstra (video)
- Aduni: Graph Algorithms I - Topological Sorting, Minimum Spanning Trees, Prim's Algorithm - Lecture 6 (video)
- Aduni: Graph Algorithms II - DFS, BFS, Kruskal's Algorithm, Union Find Data Structure - Lecture 7 (video)
- Aduni: Graph Algorithms III: Shortest Path - Lecture 8 (video)
- Aduni: Graph Alg. IV: Intro to geometric algorithms - Lecture 9 (video)
-
CS 61B 2014 (starting at 58:09) (video) - CS 61B 2014: Weighted graphs (video)
- Greedy Algorithms: Minimum Spanning Tree (video)
- Strongly Connected Components Kosaraju's Algorithm Graph Algorithm (video)
- [Review] Shortest Path Algorithms (playlist) in 16 minutes (video)
- [Review] Minimum Spanning Trees (playlist) in 4 minutes (video)
-
Full Coursera Kursu:
-
Bunları uygulayacağım:
- DFS ile bitişik liste (rekürsif)
- DFS ile bitişik liste (yığınla iteratif)
- DFS ile bitişik matris (rekürsif)
- DFS ile bitişik matris (yığınla iteratif)
- BFS ile bitişik liste
- BFS ile bitişik matris
- tek kaynak en kısa yol (Dijkstra)
- minimum yayılan ağaç
- DFS-tabanlı algoritmalar (yukarıdaki Aduni videolarına bakın):
- döngüye bak (topolojik sıralama için gerekli, başlamadan önce döngüyü konyrol edeceğiz)
- topolojik sıralama
- bir graftaki bağlı komponentleri saymak
- kuvvetli bağlı komponentleri listele
- iki parçalı graf için kontrol et
-
- Stanford dersleri rekürsif & geri yineleme:
- Ne zaman kullanmak uygun olur?
- Parçalı özyineleme olmamasından nasıl daha iyidir?
-
- Mülakatınızda muhtemelen herhangi bir dinamik programlama sorusu görmeyeceksiniz, ancak bir soruyu dinamik programlama adayı olarak tanımaya değer.
- Bu konu oldukça zor olabilir, her DP çözülebilir problemin bir rekürsif ilişkisi olarak tanımlanması gerektiği için bununla baş etmek zor olabilir.
- Size tavsiyem ilgili model hakkında sağlam bir anlayış elde edene kadar, DP sorunlarının pek çok örneğini incelemenizi öneririm.
- Videolar:
- the Skiena videos can be hard to follow since he sometimes uses the whiteboard, which is too small to see
- Skiena: CSE373 2012 - Lecture 19 - Introduction to Dynamic Programming (video)
- Skiena: CSE373 2012 - Lecture 20 - Edit Distance (video)
- Skiena: CSE373 2012 - Lecture 21 - Dynamic Programming Examples (video)
- Skiena: CSE373 2012 - Lecture 22 - Applications of Dynamic Programming (video)
- Simonson: Dynamic Programming 0 (starts at 59:18) (video)
- Simonson: Dynamic Programming I - Lecture 11 (video)
- Simonson: Dynamic programming II - Lecture 12 (video)
- List of individual DP problems (each is short): Dynamic Programming (video)
- Yale Lecture notes:
- Coursera:
-
- Optional: UML 2.0 Series (video)
- SOLID OOP Principles: SOLID Principles (video)
-
- Quick UML review (video)
- Learn these patterns:
- strategy
- singleton
- adapter
- prototype
- decorator
- visitor
- factory, abstract factory
- facade
- observer
- proxy
- delegate
- command
- state
- memento
- iterator
- composite
- flyweight
- Chapter 6 (Part 1) - Patterns (video)
- Chapter 6 (Part 2) - Abstraction-Occurrence, General Hierarchy, Player-Role, Singleton, Observer, Delegation (video)
- Chapter 6 (Part 3) - Adapter, Facade, Immutable, Read-Only Interface, Proxy (video)
- Series of videos (27 videos)
- Head First Design Patterns
- I know the canonical book is "Design Patterns: Elements of Reusable Object-Oriented Software", but Head First is great for beginners to OO.
- Handy reference: 101 Design Patterns & Tips for Developers
- Design patterns for humans
-
- Math Skills: How to find Factorial, Permutation and Combination (Choose) (video)
- Make School: Probability (video)
- Make School: More Probability and Markov Chains (video)
- Khan Academy:
- Course layout:
- Just the videos - 41 (each are simple and each are short):
-
- Know about the most famous classes of NP-complete problems, such as traveling salesman and the knapsack problem, and be able to recognize them when an interviewer asks you them in disguise.
- Know what NP-complete means.
- Computational Complexity (video)
- Simonson:
- Skiena:
- Complexity: P, NP, NP-completeness, Reductions (video)
- Complexity: Approximation Algorithms (video)
- Complexity: Fixed-Parameter Algorithms (video)
- Peter Norvig discusses near-optimal solutions to traveling salesman problem:
- Pages 1048 - 1140 in CLRS if you have it.
-
- Computer Science 162 - Operating Systems (25 videos):
- for processes and threads see videos 1-11
- Operating Systems and System Programming (video)
- What Is The Difference Between A Process And A Thread?
- Covers:
- Processes, Threads, Concurrency issues
- Difference between processes and threads
- Processes
- Threads
- Locks
- Mutexes
- Semaphores
- Monitors
- How they work?
- Deadlock
- Livelock
- CPU activity, interrupts, context switching
- Modern concurrency constructs with multicore processors
- Paging, segmentation and virtual memory (video)
- Interrupts (video)
- Process resource needs (memory: code, static storage, stack, heap, and also file descriptors, i/o)
- Thread resource needs (shares above (minus stack) with other threads in the same process but each has its own pc, stack counter, registers, and stack)
- Forking is really copy on write (read-only) until the new process writes to memory, then it does a full copy.
- Context switching
- How context switching is initiated by the operating system and underlying hardware?
- Processes, Threads, Concurrency issues
- threads in C++ (series - 10 videos)
- concurrency in Python (videos):
- Computer Science 162 - Operating Systems (25 videos):
-
- To cover:
- how unit testing works
- what are mock objects
- what is integration testing
- what is dependency injection
- Agile Software Testing with James Bach (video)
- Open Lecture by James Bach on Software Testing (video)
- Steve Freeman - Test-Driven Development (that’s not what we meant) (video)
- Dependency injection:
- How to write tests
- To cover:
-
- In an OS, how it works?
- Can be gleaned from Operating System videos
-
- Sedgewick - Suffix Arrays (video)
- Sedgewick - Substring Search (videos)
- Search pattern in text (video)
If you need more detail on this subject, see "String Matching" section in Additional Detail on Some Subjects.
-
- Note there are different kinds of tries. Some have prefixes, some don't, and some use string instead of bits to track the path
- I read through code, but will not implement
- Sedgewick - Tries (3 videos)
- Notes on Data Structures and Programming Techniques
- Short course videos:
- The Trie: A Neglected Data Structure
- TopCoder - Using Tries
- Stanford Lecture (real world use case) (video)
- MIT, Advanced Data Structures, Strings (can get pretty obscure about halfway through) (video)
-
- Big And Little Endian
- Big Endian Vs Little Endian (video)
- Big And Little Endian Inside/Out (video)
- Very technical talk for kernel devs. Don't worry if most is over your head.
- The first half is enough.
-
- if you have networking experience or want to be a reliability engineer or operations engineer, expect questions
- Otherwise, this is just good to know
- Khan Academy
- UDP and TCP: Comparison of Transport Protocols (video)
- TCP/IP and the OSI Model Explained! (video)
- Packet Transmission across the Internet. Networking & TCP/IP tutorial. (video)
- HTTP (video)
- SSL and HTTPS (video)
- SSL/TLS (video)
- HTTP 2.0 (video)
- Video Series (21 videos) (video)
- Subnetting Demystified - Part 5 CIDR Notation (video)
- Sockets:
You can expect system design questions if you have 4+ years of experience.
- Scalability and System Design are very large topics with many topics and resources, since there is a lot to consider when designing a software/hardware system that can scale. Expect to spend quite a bit of time on this
- Considerations:
- Scalability
- Distill large data sets to single values
- Transform one data set to another
- Handling obscenely large amounts of data
- System design
- features sets
- interfaces
- class hierarchies
- designing a system under certain constraints
- simplicity and robustness
- tradeoffs
- performance analysis and optimization
- Scalability
- START HERE: The System Design Primer
- System Design from HiredInTech
- How Do I Prepare To Answer Design Questions In A Technical Interview?
- 8 Things You Need to Know Before a System Design Interview
- Database Normalization - 1NF, 2NF, 3NF and 4NF (video)
- System Design Interview - There are a lot of resources in this one. Look through the articles and examples. I put some of them below
- How to ace a systems design interview
- Numbers Everyone Should Know
- How long does it take to make a context switch?
- Transactions Across Datacenters (video)
- A plain English introduction to CAP Theorem
- MIT 6.824: Distributed Systems, Spring 2020 (20 videos)
- Consensus Algorithms:
- Consistent Hashing
- NoSQL Patterns
- Scalability:
- You don't need all of these. Just pick a few that interest you.
- Great overview (video)
- Short series:
- Scalable Web Architecture and Distributed Systems
- Fallacies of Distributed Computing Explained
- Jeff Dean - Building Software Systems At Google and Lessons Learned (video)
- Introduction to Architecting Systems for Scale
- Scaling mobile games to a global audience using App Engine and Cloud Datastore (video)
- How Google Does Planet-Scale Engineering for Planet-Scale Infra (video)
- The Importance of Algorithms
- Sharding
- Engineering for the Long Game - Astrid Atkinson Keynote(video)
- 7 Years Of YouTube Scalability Lessons In 30 Minutes
- How PayPal Scaled To Billions Of Transactions Daily Using Just 8VMs
- How to Remove Duplicates in Large Datasets
- A look inside Etsy's scale and engineering culture with Jon Cowie (video)
- What Led Amazon to its Own Microservices Architecture
- To Compress Or Not To Compress, That Was Uber's Question
- When Should Approximate Query Processing Be Used?
- Google's Transition From Single Datacenter, To Failover, To A Native Multihomed Architecture
- The Image Optimization Technology That Serves Millions Of Requests Per Day
- A Patreon Architecture Short
- Tinder: How Does One Of The Largest Recommendation Engines Decide Who You'll See Next?
- Design Of A Modern Cache
- Live Video Streaming At Facebook Scale
- A Beginner's Guide To Scaling To 11 Million+ Users On Amazon's AWS
- A 360 Degree View Of The Entire Netflix Stack
- Latency Is Everywhere And It Costs You Sales - How To Crush It
- What Powers Instagram: Hundreds of Instances, Dozens of Technologies
- Salesforce Architecture - How They Handle 1.3 Billion Transactions A Day
- ESPN's Architecture At Scale - Operating At 100,000 Duh Nuh Nuhs Per Second
- See "Messaging, Serialization, and Queueing Systems" way below for info on some of the technologies that can glue services together
- Twitter:
- For even more, see "Mining Massive Datasets" video series in the Video Series section
- Practicing the system design process: Here are some ideas to try working through on paper, each with some documentation on how it was handled in the real world:
- review: The System Design Primer
- System Design from HiredInTech
- cheat sheet
- flow:
- Understand the problem and scope:
- Define the use cases, with interviewer's help
- Suggest additional features
- Remove items that interviewer deems out of scope
- Assume high availability is required, add as a use case
- Think about constraints:
- Ask how many requests per month
- Ask how many requests per second (they may volunteer it or make you do the math)
- Estimate reads vs. writes percentage
- Keep 80/20 rule in mind when estimating
- How much data written per second
- Total storage required over 5 years
- How much data read per second
- Abstract design:
- Layers (service, data, caching)
- Infrastructure: load balancing, messaging
- Rough overview of any key algorithm that drives the service
- Consider bottlenecks and determine solutions
- Understand the problem and scope:
- Exercises:
This section will have shorter videos that you can watch pretty quickly to review most of the important concepts.
It's nice if you want a refresher often.
- Series of 2-3 minutes short subject videos (23 videos)
- Series of 2-5 minutes short subject videos - Michael Sambol (40 videos):
- Sedgewick Videos - Algorithms I
- Sedgewick Videos - Algorithms II
Now that you know all the computer science topics above, it's time to practice answering coding problems.
Coding question practice is not about memorizing answers to programming problems.
Why you need to practice doing programming problems:
- Problem recognition, and where the right data structures and algorithms fit in
- Gathering requirements for the problem
- Talking your way through the problem like you will in the interview
- Coding on a whiteboard or paper, not a computer
- Coming up with time and space complexity for your solutions
- Testing your solutions
There is a great intro for methodical, communicative problem solving in an interview. You'll get this from the programming interview books, too, but I found this outstanding: Algorithm design canvas
No whiteboard at home? That makes sense. I'm a weirdo and have a big whiteboard. Instead of a whiteboard, pick up a large drawing pad from an art store. You can sit on the couch and practice. This is my "sofa whiteboard". I added the pen in the photo for scale. If you use a pen, you'll wish you could erase. Gets messy quick. I use a pencil and eraser.
Supplemental:
Read and Do Programming Problems (in this order):
- Programming Interviews Exposed: Coding Your Way Through the Interview, 4th Edition
- answers in C, C++ and Java
- Cracking the Coding Interview, 6th Edition
- answers in Java
See Book List above
Once you've learned your brains out, put those brains to work. Take coding challenges every day, as many as you can.
Coding Interview Question Videos:
- IDeserve (88 videos)
- Tushar Roy (5 playlists)
- Super for walkthroughs of problem solutions
- Nick White - LeetCode Solutions (187 Videos)
- Good explanations of solution and the code
- You can watch several in a short time
- FisherCoder - LeetCode Solutions
Challenge sites:
- LeetCode
- My favorite coding problem site. It's worth the subscription money for the 1-2 months you'll likely be preparing
- LeetCode solutions from FisherCoder
- See Nick White Videos above for short code-throughs
- HackerRank
- TopCoder
- InterviewCake
- Geeks for Geeks
- InterviewBit
- Project Euler (math-focused)
- Code Exercises
Language-learning sites, with challenges:
Challenge repos:
Mock Interviews:
- Gainlo.co: Mock interviewers from big companies - I used this and it helped me relax for the phone screen and on-site interview
- Pramp: Mock interviews from/with peers - peer-to-peer model of practice interviews
- Refdash: Mock interviews and expedited interviews - also help candidates fast track by skipping multiple interviews with tech companies
- interviewing.io: Practice mock interview with senior engineers - anonymous algorithmic/systems design interviews with senior engineers from FAANG anonymously.
- Cracking The Coding Interview Set 2 (videos):
- If you are trying to find new job opportunities, or if you are trying to find internships, if want to know about the salary of a job role in any companies or want to just know about the company reputation before applying to that company, here are the list of platforms which can help you find the above answers and more.
- Best Websites for Careers & Jobs
- See Resume prep items in Cracking The Coding Interview and back of Programming Interviews Exposed
- Very Important thing to remember while creating your resume, if you applying for big companies is that make it ATS Compliant.
- How to Create or Check if your Resume is ATS Compliant
Think of about 20 interview questions you'll get, along with the lines of the items below. Have 2-3 answers for each. Have a story, not just data, about something you accomplished.
-
Why do you want this job?
-
What's a tough problem you've solved?
-
Biggest challenges faced?
-
Best/worst designs seen?
-
Ideas for improving an existing product
-
How do you work best, as an individual and as part of a team?
-
Which of your skills or experiences would be assets in the role and why?
-
What did you most enjoy at [job x / project y]?
-
What was the biggest challenge you faced at [job x / project y]?
-
What was the hardest bug you faced at [job x / project y]?
-
What did you learn at [job x / project y]?
-
What would you have done better at [job x / project y]?
-
If you find hard to come up with good answers of this type interview questions, you can refer below link for some answer templates and have some idea.
Some of mine (I already may know answer to but want their opinion or team perspective):
- How large is your team?
- What does your dev cycle look like? Do you do waterfall/sprints/agile?
- Are rushes to deadlines common? Or is there flexibility?
- How are decisions made in your team?
- How many meetings do you have per week?
- Do you feel your work environment helps you concentrate?
- What are you working on?
- What do you like about it?
- What is the work life like?
- How is work/life balance?
Congratulations!
Keep learning.
You're never really done.
*****************************************************************************************************
*****************************************************************************************************
Everything below this point is optional.
By studying these, you'll get greater exposure to more CS concepts, and will be better prepared for
any software engineering job. You'll be a much more well-rounded software engineer.
*****************************************************************************************************
*****************************************************************************************************
These are here so you can dive into a topic you find interesting.
-
The Unix Programming Environment
- An oldie but a goodie
-
The Linux Command Line: A Complete Introduction
- A modern option
-
- A gentle introduction to design patterns
-
Design Patterns: Elements of Reusable Object-Oriented Software
- AKA the "Gang Of Four" book, or GOF
- The canonical design patterns book
-
Algorithm Design Manual (Skiena)
- As a review and problem recognition
- The algorithm catalog portion is well beyond the scope of difficulty you'll get in an interview
- This book has 2 parts:
- Class textbook on data structures and algorithms
- Pros:
- Is a good review as any algorithms textbook would be
- Nice stories from his experiences solving problems in industry and academia
- Code examples in C
- Cons:
- Can be as dense or impenetrable as CLRS, and in some cases, CLRS may be a better alternative for some subjects
- Chapters 7, 8, 9 can be painful to try to follow, as some items are not explained well or require more brain than I have
- Don't get me wrong: I like Skiena, his teaching style, and mannerisms, but I may not be Stony Brook material
- Pros:
- Algorithm catalog:
- This is the real reason you buy this book
- About to get to this part. Will update here once I've made my way through it
- Class textbook on data structures and algorithms
- Can rent it on Kindle
- Answers:
- Errata
-
Write Great Code: Volume 1: Understanding the Machine
- The book was published in 2004, and is somewhat outdated, but it's a terrific resource for understanding a computer in brief
- The author invented HLA, so take mentions and examples in HLA with a grain of salt. Not widely used, but decent examples of what assembly looks like
- These chapters are worth the read to give you a nice foundation:
- Chapter 2 - Numeric Representation
- Chapter 3 - Binary Arithmetic and Bit Operations
- Chapter 4 - Floating-Point Representation
- Chapter 5 - Character Representation
- Chapter 6 - Memory Organization and Access
- Chapter 7 - Composite Data Types and Memory Objects
- Chapter 9 - CPU Architecture
- Chapter 10 - Instruction Set Architecture
- Chapter 11 - Memory Architecture and Organization
-
- Important: Reading this book will only have limited value. This book is a great review of algorithms and data structures, but won't teach you how to write good code. You have to be able to code a decent solution efficiently
- AKA CLR, sometimes CLRS, because Stein was late to the game
-
Computer Architecture, Sixth Edition: A Quantitative Approach
- For a richer, more up-to-date (2017), but longer treatment
-
- The first couple of chapters present clever solutions to programming problems (some very old using data tape) but that is just an intro. This a guidebook on program design and architecture
I added them to help you become a well-rounded software engineer, and to be aware of certain
technologies and algorithms, so you'll have a bigger toolbox.
-
- Familiarize yourself with a unix-based code editor
- vi(m):
- emacs:
-
- Khan Academy
- More about Markov processes:
- See more in MIT 6.050J Information and Entropy series below
-
- Intro
- Parity
- Hamming Code:
- Error Checking
-
- Also see videos below
- Make sure to watch information theory videos first
- Information Theory, Claude Shannon, Entropy, Redundancy, Data Compression & Bits (video)
-
- Also see videos below
- Make sure to watch information theory videos first
- Khan Academy Series
- Cryptography: Hash Functions
- Cryptography: Encryption
-
- Make sure to watch information theory videos first
- Computerphile (videos):
- Compressor Head videos
- (optional) Google Developers Live: GZIP is not enough!
-
- Given a Bloom filter with m bits and k hashing functions, both insertion and membership testing are O(k)
- Bloom Filters (video)
- Bloom Filters | Mining of Massive Datasets | Stanford University (video)
- Tutorial
- How To Write A Bloom Filter App
-
- Used to determine the similarity of documents
- The opposite of MD5 or SHA which are used to determine if 2 documents/strings are exactly the same
- Simhashing (hopefully) made simple
-
-
Know at least one type of balanced binary tree (and know how it's implemented):
-
"Among balanced search trees, AVL and 2/3 trees are now passé, and red-black trees seem to be more popular. A particularly interesting self-organizing data structure is the splay tree, which uses rotations to move any accessed key to the root." - Skiena
-
Of these, I chose to implement a splay tree. From what I've read, you won't implement a balanced search tree in your interview. But I wanted exposure to coding one up and let's face it, splay trees are the bee's knees. I did read a lot of red-black tree code
- Splay tree: insert, search, delete functions If you end up implementing red/black tree try just these:
- Search and insertion functions, skipping delete
-
I want to learn more about B-Tree since it's used so widely with very large data sets
-
AVL trees
- In practice: From what I can tell, these aren't used much in practice, but I could see where they would be: The AVL tree is another structure supporting O(log n) search, insertion, and removal. It is more rigidly balanced than red–black trees, leading to slower insertion and removal but faster retrieval. This makes it attractive for data structures that may be built once and loaded without reconstruction, such as language dictionaries (or program dictionaries, such as the opcodes of an assembler or interpreter)
- MIT AVL Trees / AVL Sort (video)
- AVL Trees (video)
- AVL Tree Implementation (video)
- Split And Merge
-
Splay trees
- In practice: Splay trees are typically used in the implementation of caches, memory allocators, routers, garbage collectors, data compression, ropes (replacement of string used for long text strings), in Windows NT (in the virtual memory, networking and file system code) etc
- CS 61B: Splay Trees (video)
- MIT Lecture: Splay Trees:
- Gets very mathy, but watch the last 10 minutes for sure.
- Video
-
Red/black trees
- These are a translation of a 2-3 tree (see below).
- In practice: Red–black trees offer worst-case guarantees for insertion time, deletion time, and search time. Not only does this make them valuable in time-sensitive applications such as real-time applications, but it makes them valuable building blocks in other data structures which provide worst-case guarantees; for example, many data structures used in computational geometry can be based on red–black trees, and the Completely Fair Scheduler used in current Linux kernels uses red–black trees. In the version 8 of Java, the Collection HashMap has been modified such that instead of using a LinkedList to store identical elements with poor hashcodes, a Red-Black tree is used
- Aduni - Algorithms - Lecture 4 (link jumps to starting point) (video)
- Aduni - Algorithms - Lecture 5 (video)
- Red-Black Tree
- An Introduction To Binary Search And Red Black Tree
- [Review] Red-Black Trees (playlist) in 30 minutes (video)
-
2-3 search trees
- In practice: 2-3 trees have faster inserts at the expense of slower searches (since height is more compared to AVL trees).
- You would use 2-3 tree very rarely because its implementation involves different types of nodes. Instead, people use Red Black trees.
- 23-Tree Intuition and Definition (video)
- Binary View of 23-Tree
- 2-3 Trees (student recitation) (video)
-
2-3-4 Trees (aka 2-4 trees)
- In practice: For every 2-4 tree, there are corresponding red–black trees with data elements in the same order. The insertion and deletion operations on 2-4 trees are also equivalent to color-flipping and rotations in red–black trees. This makes 2-4 trees an important tool for understanding the logic behind red–black trees, and this is why many introductory algorithm texts introduce 2-4 trees just before red–black trees, even though 2-4 trees are not often used in practice.
- CS 61B Lecture 26: Balanced Search Trees (video)
- Bottom Up 234-Trees (video)
- Top Down 234-Trees (video)
-
N-ary (K-ary, M-ary) trees
- note: the N or K is the branching factor (max branches)
- binary trees are a 2-ary tree, with branching factor = 2
- 2-3 trees are 3-ary
- K-Ary Tree
-
B-Trees
- Fun fact: it's a mystery, but the B could stand for Boeing, Balanced, or Bayer (co-inventor).
- In Practice: B-Trees are widely used in databases. Most modern filesystems use B-trees (or Variants). In addition to its use in databases, the B-tree is also used in filesystems to allow quick random access to an arbitrary block in a particular file. The basic problem is turning the file block i address into a disk block (or perhaps to a cylinder-head-sector) address
- B-Tree
- B-Tree Datastructure
- Introduction to B-Trees (video)
- B-Tree Definition and Insertion (video)
- B-Tree Deletion (video)
- MIT 6.851 - Memory Hierarchy Models (video) - covers cache-oblivious B-Trees, very interesting data structures - the first 37 minutes are very technical, may be skipped (B is block size, cache line size)
- [Review] B-Trees (playlist) in 26 minutes (video)
-
-
- Great for finding number of points in a rectangle or higher dimension object
- A good fit for k-nearest neighbors
- Kd Trees (video)
- kNN K-d tree algorithm (video)
-
- "These are somewhat of a cult data structure" - Skiena
- Randomization: Skip Lists (video)
- For animations and a little more detail
-
- Combination of a binary search tree and a heap
- Treap
- Data Structures: Treaps explained (video)
- Applications in set operations
-
- Why ML?
- Google's Cloud Machine learning tools (video)
- Google Developers' Machine Learning Recipes (Scikit Learn & Tensorflow) (video)
- Tensorflow (video)
- Tensorflow Tutorials
- Practical Guide to implementing Neural Networks in Python (using Theano)
- Courses:
- Great starter course: Machine Learning - videos only - see videos 12-18 for a review of linear algebra (14 and 15 are duplicates)
- Neural Networks for Machine Learning
- Google's Deep Learning Nanodegree
- Google/Kaggle Machine Learning Engineer Nanodegree
- Self-Driving Car Engineer Nanodegree
- Resources:
I added these to reinforce some ideas already presented above, but didn't want to include them
above because it's just too much. It's easy to overdo it on a subject.
You want to get hired in this century, right?
-
SOLID
- Bob Martin SOLID Principles of Object Oriented and Agile Design (video)
- S - Single Responsibility Principle | Single responsibility to each Object
- O - Open/Closed Principle | On production level Objects are ready for extension but not for modification
- L - Liskov Substitution Principle | Base Class and Derived class follow ‘IS A’ Principle
- I - Interface segregation principle | clients should not be forced to implement interfaces they don't use
- D -Dependency Inversion principle | Reduce the dependency In composition of objects.
-
Union-Find
-
More Dynamic Programming (videos)
- 6.006: Dynamic Programming I: Fibonacci, Shortest Paths
- 6.006: Dynamic Programming II: Text Justification, Blackjack
- 6.006: DP III: Parenthesization, Edit Distance, Knapsack
- 6.006: DP IV: Guitar Fingering, Tetris, Super Mario Bros.
- 6.046: Dynamic Programming & Advanced DP
- 6.046: Dynamic Programming: All-Pairs Shortest Paths
- 6.046: Dynamic Programming (student recitation)
-
Advanced Graph Processing (videos)
-
MIT Probability (mathy, and go slowly, which is good for mathy things) (videos):
-
String Matching
- Rabin-Karp (videos):
- Knuth-Morris-Pratt (KMP):
- Boyer–Moore string search algorithm
- Coursera: Algorithms on Strings
- starts off great, but by the time it gets past KMP it gets more complicated than it needs to be
- nice explanation of tries
- can be skipped
-
Sorting
- Stanford lectures on sorting:
- Shai Simonson, Aduni.org:
- Steven Skiena lectures on sorting:
Sit back and enjoy.
-
List of individual Dynamic Programming problems (each is short)
-
Excellent - MIT Calculus Revisited: Single Variable Calculus
-
CSE373 - Analysis of Algorithms (25 videos)
-
UC Berkeley CS 152: Computer Architecture and Engineering (20 videos) -
Carnegie Mellon - Computer Architecture Lectures (39 videos)
-
MIT 6.042J: Mathematics for Computer Science, Fall 2010 (25 videos)
-
MIT 6.050J: Information and Entropy, Spring 2008 (19 videos)
- Love classic papers?
- 1978: Communicating Sequential Processes
- 2003: The Google File System
- replaced by Colossus in 2012
- 2004: MapReduce: Simplified Data Processing on Large Clusters
- mostly replaced by Cloud Dataflow?
- 2006: Bigtable: A Distributed Storage System for Structured Data
- 2006: The Chubby Lock Service for Loosely-Coupled Distributed Systems
- 2007: Dynamo: Amazon’s Highly Available Key-value Store
- The Dynamo paper kicked off the NoSQL revolution
- 2007: What Every Programmer Should Know About Memory (very long, and the author encourages skipping of some sections)
- 2012: AddressSanitizer: A Fast Address Sanity Checker:
- 2013: Spanner: Google’s Globally-Distributed Database:
- 2014: Machine Learning: The High-Interest Credit Card of Technical Debt
- 2015: Continuous Pipelines at Google
- 2015: High-Availability at Massive Scale: Building Google’s Data Infrastructure for Ads
- 2015: TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems
- 2015: How Developers Search for Code: A Case Study
- More papers: 1,000 papers