常見演算法的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

圖解資料結構 × 演算法：運用Python

為了解決常見演算法的問題，作者胡昭民 這樣論述：

　　本書是一本以 Python 程式語言實作來解說資料結構概念的重要著作。為了方便學習，書中都是完整的程式碼，可以避免片斷學習程式的困擾。內容編排上將較為複雜的理論以圖文並茂的方式解說，並將這些資料結構理論以最簡單的方式表達，加以詮釋。從最基本的資料結構概念開始說明，再以 Python 語言加以詮釋陣列結構、堆疊、鏈結串列、佇列、樹狀、圖形、排序、搜尋等重要觀念。最後在附錄中整理了資料結構相關的專有名詞，並加入一些重要演算好的介紹與實作。 　　【重點主題】 　　◆ 資料結構入門與演算法 　　◆ 陣列結構 / 串列結構 　　◆ 堆疊 / 佇列 　　◆ 樹狀結構 / 圖形結構

　　◆ 排序演算法 　　◆ 搜尋演算法與雜湊函數 　　◆ 資料結構專有名詞 本書特色 　　※內容架構完整，邏輯清楚，採用豐富的圖例來闡述基本觀念及應用，有效提高可讀性。 　　※以 Python 語言實作資料結構中的重要理論，以範例程式說明資料結構的內涵。 　　※強調邊作邊學：提供書中範例完整程式檔，給予最完整的支援，加深學習記憶。 　　※驗收學習成果：參閱國家考試題型，設計難易適中的習題，提供進一步演練。  

常見演算法進入發燒排行的影片

機器學習自動剪輯之幸福感設計

為了解決常見演算法的問題，作者張瀞文 這樣論述：

本研究透過機器學習將正向心理學PERMA模型的正向情緒P (Positive Emotions)、全心投入E (Engagement)、正向人際R (Positive Relationships)、生命意義M (Meaning)以及成就感A (Accomplishment)應用到影片自動編輯。目的是選擇性刻意塑造回憶內容，讓活動當事者重溫當時的活動體驗。這樣的回憶設計預期觀看者能夠在欣賞影片後，除了加深快樂回憶效果並且增加收藏分享這個影片的意願。 實驗一以PERMA模型的定義分類照片用來訓練Teachable Machine以及CodingLab AIbox兩套AI影像學習程式，目

的是要能夠判讀挑選符合PERMA元素的照片。實驗材料中，Program A使用250張照片進行機器學習，Program B使用500張照片來強化訓練。在Program A B的第一測試（使用原學習素材進行判讀），Teachable Machine和CodingLab AIbox判讀率差異不大（Program A：80% vs 76%及Program B：97% vs 91%）。在第二測試（新的25張東方人照片判讀）與第三個測試（新的25張西方人照片判讀），Teachable Machine的判讀率則皆高於CodingLab AIbox的判讀率（Program A兩個測試平均判讀率為64% vs

52%及Program B兩個測試平均判讀率為84% vs 58%）。此見經過Program B的500張訓練，Teachable Machine對於新照片PERMA的幸福元素有最高的正確判讀率。 實驗二使用不同挑選照片的方式來比較依照PERMA模型挑選照片所剪輯的影片，是否最具有回憶的幸福感。挑選方法個別為，PERMA模型Program B學習後的AI影像學習程式（1.Teachable Machine和2.CodingLab AIbox）、真人去做挑選編輯（3.活動參與者和4.非活動參與者）、現有的手機自動編輯（5.IPhone和6.Samsung）和7.完全隨機選擇挑選編輯。問卷調

查資料結果顯示7個挑選剪輯方式中，Teachable Machine所訓練出來的AI在影片滿意度都獲得最高分。在活動A影片滿意度4.1分、活動B影片滿意度4.3分。影片分享儲存意願則是Teachable Machine和活動參與者剪輯的回顧影片獲得最高儲存分享意願。Teachable Machine在活動B剪輯的影片分享意願為75%，儲存意願62.5%。活動參與者在活動A剪輯的影片分享意願為68.7%，儲存意願56.2%。訪談後了解受測者給予高分的理由因影片是有共鳴、照片畫面有互動、有記憶、多樣、溫暖、故事性以及活潑自然的。另外是否有依照活動的時間軸去剪輯也是提取回憶的重要關鍵。 實驗三將

Teachable Machine Program B和IPhone自動剪輯的兩個回顧影片傳至LINE群組內觀察受測者的反應，並事後做問卷調查及訪談。實驗結果顯示有66.6%受測者認為Teachable Machine Program B自動剪輯出的回顧影片比IPhone剪輯來的影片更能感受活動當時的幸福感且是有回憶度的。也對於LINE相簿若新增自動剪輯的功能一致感到滿意。 總研究結果發現經過Program B 500張PERMA學習後的Teachable Machine所挑選剪輯的影片提升了自動剪輯影片的收藏及分享價值外，更重要的是讓觀看者為此活動加深了幸福快樂的回憶，且若未來LINE相

簿新增自動剪輯功能，那是會令人值得期待的。

圖解資料結構 × 演算法：運用C語言

為了解決常見演算法的問題，作者胡昭民 這樣論述：

　　資料結構是有志從事資訊工作的專業人員，不得不重視的一門基礎課程。對於第一次接觸資料結構課程的初學者來說，過多的內容及不清楚的表達常是造成學習障礙的最主要原因。本書是以C程式語言實作來解說資料結構概念的入門書，內容淺顯易懂，藉由豐富圖例來闡述基本概念，將重要理論、演算法做最意簡言明的詮釋及舉例，同時配合完整的範例程式碼，期能透過實作來熟悉資料結構。因此，這是一本兼具內容及專業的資料結構教學用書。 　　【重點主題】 　　◆ 資料結構入門與演算法 　　◆ 陣列結構 / 串列結構 　　◆ 堆疊 / 佇列 　　◆ 樹狀結構 / 圖形結構 　　◆ 排序演算法 　　◆ 搜尋演算法與

雜湊函數 　　◆ 資料結構專有名詞 本書特色 　　※內容架構完整，邏輯清楚，採用豐富的圖例來闡述基本觀念及應用，有效提高可讀性。 　　※以C語言實作資料結構中的重要理論，以範例程式說明資料結構的內涵。 　　※強調邊作邊學：提供書中範例完整程式檔，給予最完整的支援，加深學習記憶。 　　※驗收學習成果：參閱國家考試題型，設計難易適中的習題，提供進一步演練。  

教育大數據：資料探勘技術之應用-以彰化某國中為例

為了解決常見演算法的問題，作者楊書豪 這樣論述：

在教育領域中，學生的學習過程，教師的教材設計，學校的學習環境等，都會產生大量的資料，為了能夠從這些龐大的資料中找出有用的資訊協助改善教學和學習環境，資料探勘技術的有效應用，便成為教育大數據中非常重要的一環。若能在新生入學後透過部分在校生所收集到的資料，利用決策樹演算法建立預測模型，除了藉此有效預測新生的學習表現，並透過模型的建立進行分析，了解學習不佳的學生其學習特徵，除了能夠針對學生學習問題解決，對於導師的領導與教學而言，也有相當大的幫助。本研究收集了106 學年度入學常態編班之國三學生的生活作息與文理類科測驗成績的有效資料共84 筆，藉以建立訓練資料集，並以Python程式語言來建立決策樹

預測模型，而測試資料集以 108 學年度入學常態編班的國一新生有效資料共28 筆，針對同屆國三學生與一年級新生進行預測與比對，藉此了解對不同年度的學生預測的準確度，與其改變幅度。