第一课
基础知识就像是一座大楼的地基，它决定了我们的技术高度。而要想快速做出点事情，前提条件一定是基础能力过硬，“内功”要到位。
第二课
为什么要学习数据结构和算法（摘自网友极客时间留言）
- 直接好处是能够写出性能更优的代码，
- 算法是一种解决问题的思路和方法，有机会应用到生活和事业的其他方面
- 长期来看，大脑思考能力是个人最重要的核心竞争力，而算法是为数不多的能够有效训练大脑思考能力的途径之一。
一定要动手写，看十遍也不如写一遍的牢
写代码能力缺失，把学到的数据结构和算法都实现一遍，可很好的锻炼变成能力
十年磨一剑，做技术就是不要浮躁，要耐得住寂寞，沉得下心。
卧薪尝胆，提高自己，沉淀自己。
总有一天，机会会到来，你做好充分抓住他的准备就好。
数据结构和算法的概念：
广义上来说，数据结构是一组数据的存储结构，算法是操作数据的一组方法
数据结构是为算法服务的，算法要作用在特定的数据结构之上。
在学习过程中，我们要注重这三点：
“是什么”，“为什么”，“怎么做”
那么数据结构与算法比较重要的内容如下所示：
10个数据结构：数组，链表，栈，队列，散列表，二叉树，堆，跳表，图，Tire树
10个算法：递归，排序，二分查找，搜索，哈希算法，贪心算法，分治算法，回溯算法，动态规划，字符匹配算法。
一些可以让你事半功倍的技巧：
- 边学边练，适度刷题
- 多问多思考多互动
- 打怪升级学习方法，克服“坚持不下来”的毛病，列一些切实可行的目标
- 知识需要沉淀，不要想试图一下子掌握所有
第三课
大O表示代码执行时间随数据规模增长的变化趋势—>时间复杂度
时间复杂度的分析方法：
- 只关注循环次数最多的一段代码
- 加法法则：总复杂度等于量级最大的那段代码复杂度
- 乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积。
O(1)
是常量级时间复杂度的表示方法
只要代码的时间不随n的增大而增大，这种代码的时间复杂度记作O(1)
时间复杂度：执行时间与数据规模之间的增长关系。反映执行快慢
空间复杂度：算法的存储空间与数据规模之间的增长关系。反映内存消耗
以上内容就是今晚学习的数据结构与算法之美整理出来的部分内容，仅以此种方式监督自己学习。