初學紀錄 - Tree
樹狀圖 學跟 Tree 有關的演算法之前要先認識 Graph 這結構 Graph 定義 abstract data type 包含 finite set (nodes 跟 points) 點跟點相連的線 edges Tree 定義 tree is a graph without a loop one and only one root 不能出現兩個 root 滿足上面兩點就是 tree 有用到 Tree 的應用： DOM(Document Object Model) 文件存放位置的資料(File System) Artificial Intelligence Tree Traversal有系統性地把在 Tree 裡面的 nodes 給找出來。 tree Traversal 最主要的兩種做法 Breadth-First Tree Traveral Depth-First Tree Traversal PreOrder InOrder PostOrder Breadth-First Tree Traveral(BFS)Breadt...
初學紀錄 - Stack and Queue and Hashtable
抽象的一種資料類型 可以用任何方式來做出 Stack 或是 Queue 可以用 array 或是 linked list 做出來 undo / redo button 會使用到 Stack 的資料結構 想像 Stack → 洋芋片罐 移除的話從最上面移除 想像 Queue → 排隊 Hash Function 密碼做加密 javascript 的 objectsa and arrays 已經被 hashed 過 理解： 把一個值換成另外一個值 Hash Function I ：Division Method m= hashtable size n= # of elements to store into hashtable 公式 Index = Key mod m 衝突叫做 collison(有可能會發生) 優點是速度很快，跟 Multiplication Method 比起來 缺點 m 一定要 >= n 大小不能是 2 的 p 次方 Collision and Load...
拳擊整理先備知識
YT 找免費教學影片研究，整理些我覺得的重點，剩下的到拳館練習。 拳擊站架 右撇子 → 左手左腳在前，右手右腳在後 移動 保持拳擊架勢 重心穩定，間距與肩同寬 要往哪一邊移動就是那一邊腳先動 都是用前腳掌去接觸地板 正式開始打拳之前要知道的 拳擊打擊的接觸面 → 食指和中指的指節 要密免打擊的 → 小指指節 基礎六種拳路 刺拳 編號 1 拳擊最重要的拳 試探對手以及測量你的攻擊距離 口訣：直線出去、直接回來 出拳的同時要搭配吐氣(限制氣息的吐氣) 想要打得更遠可以搭配前腳踩進去 Cross 右直拳 編號 2 重拳，也是刺拳後面可以去接續的重拳 錯誤：上半身前傾，要注意上半身在打擊得時候要是直立的 左勾拳 編號 3 打完之後拳頭會在臉部的中間位置 手臂與地板平行，手軸的夾角 90 度 拇指朝上的打法比較不會造成肩膀的不舒服 分三種距離：遠、中、近 距離的控制在於揮出去手肘的角度，角度越大越遠 右勾拳 編號 4 力量大、動作比較大，容易被對手判斷 運動臀部旋轉將重心帶到前腳 60% 後腳 40% 跟左...
初學紀錄 - Linked List
跟 Array 非常類似，但有些不一樣 linear collection java 裡面如果寫 java 比較複雜，你要告訴 java 說這個 array 長度是多少 javascript 為什麼不需要設定 array 的長度有多少？ Linkeded List 在記憶體裡面位置是不連續的 實際上只有兩個 property， head 跟 length 會透過連接 value 及 next(一個 node 裡面會包含這兩個) head 指向第一個 value 後，next 會指向下一個 value 最後一個 next 沒有值了就指向 null 多指一個後，length + 1 advantages array 的話在一開始就已經定義了長度 linked list 一開始不會設定長度多少，會從 0 開始 跟 array 相比 linked list 在做 insertion 跟 deletion 非常的快 刪掉某一個值或是新增某一個值的速度會被 array 快很多 對於 linked list 來說刪除跟新增就是指向給替換一下就好 刪除 ...
初學紀錄 - Binary Search
假如排序好的話，有一種比 linear search 這種從第一個找到最後一個更快速的演算法 只需要一直切分對半，透過這種方式更快拿到目標。 所謂的 binary 是二進制 要注意的點，linear search 可以用在各種 array， 而 Binary Search 只能用在 sorted array More efficient than linear search 8 → 4 → 2 → 1， at most 3 steps to find what we want 時間複雜度 Worst Case Performance：O(log n) 時間複雜度 Best Case Performance： O(1) 時間複雜度 Average performance：O(log n) 其實也不算完全初學，之前就有碰過類似概念，稍微做一下整理。 核心概念Binary Search 是一種 在已排序資料中快速尋找目標值 的演算法。 它的核心就是 每次比較中間值，並把搜尋範圍縮小一半： 從整個資料範圍開始。 找到中間元素，和目標比較： 如果相等 → 找到答...
初學紀錄 - Linear Search
紀錄過程Linear Search → 號稱最簡單的演算法 Pseudocode (P 不發音) 不是真正的程式碼，只是用來表達情境 parameter 參數 思考一下我還記得 For loop 跟 While loop 差別嗎？ 想像中是表示從第一個開始尋找，找到最後一個，找到就回傳，如果真的沒找到全部跑完，那就回傳 -1。 作用在 Array 的時候。 那所謂最糟糕的情況就是就是要全部跑完都找不到，會在 Array 的最後一項。 如果總共有 n 項(index)，就會從頭 0、1 找到 n-1，每個都找一次就像是 for i → i → … → i 所以最壞狀況 Worst Case Performance： O(n) 最好的情況就是馬上找到，就直接在第一項。 Best Case Performance： O(1) 所以平均下來，你要找到你要的 n 的話 Average performance： O(n/2) 做個整理， 我覺得這個相對單純簡單，所以沒有太大問題， 目前有一些疑惑是： 上面提到的都是時間複雜度的部分，那空間複雜度的部分沒什麼概念 會作用在哪裡？什...
初學紀錄 - Complexity and Big O notation
要看一個演算法好不好、運行快不快，就會需要用到 Big O notaion 運行得快不快 → 時間複雜度 消耗多少的電腦記憶體空間 → 空間複雜度 Big O notaion 是一個數學符號，可以拿來表示時間複雜度或是空間複雜度 如果兩種演算法都能做一樣的事情，只是做法不同而已的話，有差異的部分是時間、空間 比如加法到 n 有兩種方式，一種是 For 迴圈，一種是公式解 關於怎麼判斷演算法好壞，無非就是執行速度，或是占用記憶體多寡 一般沒有學過演算法的人很難看出來 大家在意的是時間跟空間 f(n) → f of n 來表示 時間複雜度可能會隨著 n 增加更多 可以理解成運行幾次 我想要透過研究及學習釐清的困惑點： 演算法這個詞是什麼意思？ 為什麼要用 Big O？ 了解 Complexlty 的幫助 演算法這個詞是什麼意思？定義：step-by-step procedure to solve a problem。 意思是說只要一步一步解決某一個問題，都可以稱作是演算法，而在這邊我會當作是作用於電腦的。 （設計給電腦執行的解法） 如果不...
為什麼我之前一段時間幾乎天天吃全家？
超商飲食日常：其實也沒那麼不健康以前我會覺得吃超商等於不健康，但後來仔細想想，在外食選擇裡，超商其實算是不錯的選擇。 這不僅僅是為了省錢，但其實說真的在台北的話超商真的蠻划算的，還會打折，變身成乞丐超人是台北打工人的必備生存技巧。 除了我很窮之外，也有一部分原因是超商的食物成分來源寫得很透明，今天我如果要精準的控制要吃多少大卡，多少蛋白質，其實吃超商很方便，另外要提到健康的話，超商也能吃的相對健康。 我的常見選擇我幾乎都是全家，個人覺得在超商裡面食物相對清淡，而且他離我家算比較近。 後來因為幾乎天天吃，所以就有下載全家 APP，直接用 APP 綁信用卡跟載具來支付，只要拿手機就能結帳很方便。 主餐（午餐、晚餐 ）常點的就是這幾款餐盒： 健身Ｇ肉餐盒 烤蛋白餐盒 美式雞丁餐盒 火烤胸排蔬滿盒 鹽蔥雙牛蔬滿盒 如果沒有特價，我通常會選 美式雞丁餐盒，因為裡面的焗烤蛋超好吃。缺點是香菇真的很鹹，我有考慮直接把香菇 pass 掉。 有特價選特價的，直接打七折，等於如果要 99 元，打完折就只要 70，省爆。 依照情況會再搭配無糖豆漿來配。 早餐日常如果早上到公司，我會在路...
電腦螢幕知識，解析度與像素
直接進重點最近買螢幕才發現很多眉角要注意，如果什麼都不懂的情況下去挑螢幕，很容易因為一些誤區而購入了不適合自己的螢幕，其中我覺得解析度與像素這邊是影響價格最大的部分，也是很多人不了解的地方。 常見的解析度有： HD (1280 x 720) FHD（1920×1080） QHD（2560×1440） 4K UHD（3840×2160） 後面掛號起來數字 x 數字的那個數字就是像素，而解析度指的就是有多少個像素，像素可以想像成是一小塊一小塊的，如果仔細看自己的螢幕，會發現螢幕就是由這一小塊一小塊的像素組成的，下面參考資源第一篇裡面有提到一個很好的解釋「這就好比用磁磚一塊塊拼出馬賽克圖案，而畫裡的每一塊磁磚就是一個像素」。 越多的像素畫面就會越清晰，參考下圖： 左邊：像素數少，邊緣鋸齒明顯 中間：像素數中等，畫面較平滑 右邊：像素密集，細節清晰、邊緣平滑 同樣的寬度裡面塞了越多像素就代表像素越小，越小畫面越精細。 拿 HD (1280 x 720) 來舉例， 代表的是橫排有 1280 個像素，直排有 720 個像素，這也是很常見 720P 的含義，HD 指的是 High...
AI 未來的交通規則？淺談 Massively Multitask Language Model Control Protocol（MCP）
目前大型語言模型 ( LLM ) 選擇非常多，不只是最為人所知的 ChatGPT，還有像是 Claude 、Gemini、Mistral、Meta AI 等等。 一般狀況下使用的情境都能用自然語言溝通就好，像是問一些知識，請 LLM 生一些文案，翻譯或是改寫東西，或是當成計算機都可以，模型會直接回覆，也只需要依靠模型本身知識就好了。 但如果今天的情境需要用到對接外部服務，比如說你想要看某一個網站內登入之後的資料，你直接貼那個網址給 LLM 看並請他幫忙整理，是沒有辦法可以直接做到的。 這時候比較好的做法就會利用到 MCP。 MCP 的核心概念MCP 全名是 Model Context Protocol。 是一個協議而不是工具或是 API gateway，在 2024 年 11 月時由 美國公司 Anthropic 所推出，一套定義了標準化方式讓 AI 可以對接不同工具。 Anthropic 這家公司就是現在鼎鼎大名的 Claude 開發商，現階段 OpenAI 及 Google DeepMind 都已經採用 MCP 來作為連結模型跟數據源的標準方式。 來源在此：https://e...