# 解題實戰：AI 時代不可或缺的程式思維與優化本質

> 當 AI 負責寫 Code，你需要負責「思考」— 掌握工程師不可被取代的核心演算法思維。

- 課程頁面: https://progrmatic.com/courses/ai-era-problem-solving
- 價格: 200 TWD
- 狀態: 已上架，可購買
- 語言: 繁體中文
- 觀看期限: 購買後 30 天
- 內容: 7 個章節、6 堂課，影片共約 49 分鐘
- 提供者: Progrmatic

## 課程介紹

## 💡 為什麼在 AI 時代，我們仍然需要學習解題？

「既然 AI 已經能快速寫出程式碼，為什麼我們還需要花時間學習演算法與解題技巧？」

答案是：**AI 改變了程式碼的生產方式，但理解問題、設計解法與判斷結果的能力，依然不可或缺。**

寫出能夠執行的程式，不代表真正解決了問題。面對不同的限制條件、資料規模與使用情境，我們仍需要思考：解法是否正確？有沒有忽略邊界條件（Edge Cases）？是否存在更有效率的做法？

這門課不打算教你死記硬背的解題模板，也不認為每道題目都只有一種標準的思考方式。

我們將透過大量的實際解題案例，分享從理解問題、嘗試不同思路，到設計與優化解法的過程。希望你能在觀察與思考中，逐漸發現不同題目之間的關聯，從中萃取值得學習的觀念與技巧，最終建立屬於自己的解題思維。

## 🚀 這門課你將學到什麼？

- **問題拆解與解題思維：** 從實際案例中觀察如何分析需求、理解限制條件，並尋找可能的解題方向。
- **演算法設計與效能優化：** 探索不同解法背後的原理，理解時間與空間複雜度（Time/Space Complexity），例如 $O(N^2)$ vs $O(N \log N)$ 的差異，以及不同選擇之間的取捨（Trade-offs）。
- **AI 協作與 Code Review：** 透過 AI 生成的解法，練習檢查正確性、發現潛在問題，並思考如何進一步改善。
- **從題目到實際應用：** 將演算法與資料結構的觀念延伸至實際軟體元件，理解這些知識如何應用於真實工程問題。

## 👥 適合對象

- **程式設計學習者：** 已具備基本程式能力，希望透過實際案例累積經驗，培養更扎實的解題思維。
- **程式設計競賽選手：** 正在準備或參與程式設計相關競賽，希望接觸不同的解題策略，拓展思考角度與實戰經驗。
- **軟體開發者：** 希望提升問題分析、效能優化與程式碼審查能力，讓技術判斷更有依據。
- **AI 輔助開發使用者：** 經常透過 AI 產生程式碼，希望不只取得答案，更能理解、驗證與改善 AI 提供的解法。

**解題能力不只來自知道多少種演算法，更來自看過多少問題、思考過多少可能，以及能否將過去的經驗運用在新的挑戰中。**

**在 AI 能夠快速將想法轉換為程式碼的時代，我們有更多機會嘗試不同的解法，並透過實作與驗證持續改善。當實現想法的門檻逐漸降低，如何提出好的想法、判斷其可行性，反而成為更值得培養的能力。**

## 課程大綱

### 1. 傳統的解題思維與實作 (即將推出)

### 2. 解題工具箱 — 常見資料結構 (即將推出)

### 3. 解題工具箱 — 經典演算法與技巧 (即將推出)

### 4. 技藝競賽程式設計解題 (即將推出)

### 5. 心血來潮的 LeetCode 實戰精選

1. 3302. 題目講解與貪心法 (6:18, 可免費試看)
2. 3302. 貪心法實作 (7:59)
3. 3302. 遞迴與 DP (5:33)
4. 3302. DP 實作 (14:52)
5. 3302. LCS (5:27)
6. 3302. LCS 實作 (9:14)
7. 更多內容持續更新中… (即將推出)

### 6. 當解題遇上 AI (即將推出)

### 7. 綜合練習 — 學這些算法到底要幹嘛？ (即將推出)