AI 路上，第一步这么走下去...

算法是描述解决一个问题的步骤，外界给它所指定的数据，然后经过一系列步骤输出一个结果。为了更快更轻量级地解决问题，我们会选择高效精简的结构去实现，这种结构称为数据结构。因此，算法和数据结构是不同的概念，但有相互依赖关系。

这是一条通往 AI 的路......说道入门 AI, 研究基础算法可能不错，具体怎么实践呢？没错，动手是第一步，有了它脑洞会大开。推荐 Leetcode 平台训练基础算法，它囊括了常用的基本算法思想，如贪心，深度、广度优先搜索，分治，递归，动态规划。Leetcode给出了题目的标签，大家可按照标签去训练，把level等于easy的100多道搞定再总结下。

Leetcode 给我们上的第一堂课：corner case. 各种情况都要考虑周全，没错，这正是考量算法健壮性的一个指标，无论怎么输入，算法都能正确应对，更不会crash. 光有意识还不行，还得想明白怎么做到全盘考虑。一般需要思考以下问题：准确区分出函数体内的常量和变量；如果是变量，那么它的取值范围又是怎样的；基于此的算法逻辑需要切分变量的值域吗。

其二，常用的数据结构，数组(线性表)，链表，队列，栈，两个指针，树，图，字符串，对它们你已经不再陌生。并且，知道在什么场景下该使用什么样的数据结构，高效实现一个算法。比如，在需要频繁插入的场景下，要选择链表，而不是呆萌地选择数组，并知道为什么要这样做；面试官问你，二分查找的基本实现思路，你很快就能联想到两个指针；提到树，在你的脑海里就出现了递归二字；想到图，广度和深度优先遍历也出来了。这就叫数据结构和算法不分家，就像旅店，如果没有客人入住了，它就没有存在的必要一样。

再有，思想开始萌芽，意外之喜。上道后，在学到决策树做回归或分类时，突然看到贪心二字时，woo，原来它也是贪心思想启发下发明的啊。相信理解决策树已不是问题，有了在 Leetcode 中的贪心实战。再后来，学到语言模型中的 continuous bag of words 和 skip-gram 时，看到对它们效率低的解释时，也感到轻车熟路，因为 Leetcode 中的字符串 tag 多次涉及字符串模式匹配问题。

也会你还是不相信，学习 AI 为什么要去研究基础算法，直接 pip 安装一个sklearn, pandas, 调调 API 不就能实现文本分类，图像识别了吗。或许这是一条捷径，也恰巧解决了老板安排的问题。可是，好久不长，一天业务方突然给你打电话，说是某种输入下，怎么浏览器崩溃了。然后你连夜寻觅问题出在哪，最终锁定在一个API上，你很欣喜，但是后来很绝望，因为它来自第三方包的调用。你完全不知道它的内部实现细节，抓狂了！ 彻夜研究后发现，此包的这个接口不能满足自己的需求，因为它的约束必须是线性的，而业务方的输入约束有可能是非线性的。你更抓狂了！

这就是调用第三方包的结果，有时很好，有时很糟。现在基本避免不了调用第三方包，但最好要全面了解所使用的模块，同时尽可能地明白算法实现原理。这些算法相对复杂，理解起来，相对有难度，为什么不从基础算法开始呢？夯实地基，一样重要。

那么，过了基础算法这关，下一步，该怎么更快的上路呢。AI 最重要的理论之一，可能就是概率论了。 这部分，放在下一次推送。