一、基础课程

《算法设计与分析》

- 覆盖分治法、动态规划、贪心算法等核心算法设计思想，包含数学基础和复杂度分析，支撑计算机科学与技术、软件工程等专业核心课程。

- 重点：算法定义、时间复杂度（O、Ω、θ）及非递归算法分析。

《数据结构与算法》

- 介绍数组、链表、栈、队列等基础数据结构，以及排序（冒泡、快速排序等）、搜索（二分搜索）等算法，强调循环不变量和泛型应用。

- 适用人群：算法初学者及编程基础薄弱者。

二、进阶课程

人工智能算法专项课程

- 涵盖机器学习（SVM、决策树、神经网络）、深度学习（卷积神经网络、循环神经网络）及自然语言处理（NLP）算法，结合实际应用案例教学。

- 特点：理论与实践结合，注重模型训练与调优。

图算法与网络技术

- 讲解图的基本概念（邻接矩阵/邻接表）、深度优先搜索、广度优先搜索，以及最短路径算法（Dijkstra、Floyd-Warshall）和最小生成树（Kruskal、Prim）。

三、实战与竞赛课程

算法竞赛培训

- 提供算法设计与分析、动态规划竞赛准备等课程，通过LeetCode、ACM等平台进行实战演练，提升解题效率。

- 适用人群：希望提高算法竞赛成绩或求职竞争力者。

AI工程实践课程

- 结合Python编程、NumPy、Pandas等工具，教授如何将算法应用于图像分类、自然语言处理等实际项目，强调工程化开发流程。

四、线上学习资源

米思齐信息科技系列公益培训

通过图形化编程和案例分析，讲解算法结构与效率，适合零基础或想转行者。

腾讯课堂/知乎优质课程

如《恋上数据结构与算法》《音视频开发》，覆盖泛型、性能测试等进阶内容。

五、数学基础强化课程

线性代数与概率论

为算法设计提供理论支持，包含矩阵运算、随机变量、微积分等知识，适用于数据结构与算法、机器学习方向。

选择建议：

若基础薄弱，优先选择《算法设计与分析》或《数据结构与算法》；

若方向明确（如AI或竞赛），可针对性选专项课程；

实践中建议结合LeetCode、Kaggle等平台巩固知识。