hello-algorithm
hello-algorithm 是一套专为编程初学者打造的系统性算法学习资源库。它致力于解决新手在面对复杂算法时“无从下手”、缺乏清晰学习路径以及面试准备零散的痛点。项目通过四大核心板块构建完整的学习闭环：首先提供数据结构与算法基础的思维导图，帮助用户建立知识框架；其次收录了力扣（LeetCode）经典题目的详细图解，将抽象逻辑可视化，降低理解门槛；此外，还整理了大厂面试真题经验、上千本开源技术电子书以及百张技术思维导图，全方位覆盖从基础学习到求职实战的需求。
这套资源特别适合计算机专业学生、转行开发者以及希望夯实算法基础的初级程序员使用。其独特亮点在于“图解”教学法，用通俗易懂的图示拆解难题，配合结构化的章节安排，让枯燥的算法变得生动易学。无论是为了应对技术面试，还是日常提升编码能力，hello-algorithm 都能提供一条清晰、高效且免费的学习路径，是东半球极具价值的算法入门指南。
使用场景
计算机专业大三学生小林正在备战秋招，面对大厂算法面试感到无从下手，急需系统化的训练方案。
没有 hello-algorithm 时
- 知识体系碎片化：在网络上零散搜索“链表”或“动态规划”教程，资料质量参差不齐，缺乏统一的数据结构思维导图来构建完整知识框架。
- 解题思路难理解：直接刷力扣原题时，往往只看懂代码却不懂背后的逻辑推演，缺乏图解辅助，导致遇到变种题依然不会做。
- 面试准备无方向：不清楚大厂面试的高频考点和出题规律，只能盲目刷题，浪费大量时间在低价值题目上，焦虑感倍增。
- 学习资源查找难：想要寻找经典的算法电子书或面经汇总，需要在多个平台反复跳转，耗费数小时整理资料却仍不完整。
使用 hello-algorithm 后
- 构建清晰知识图谱：通过项目提供的百张技术思维导图，小林迅速掌握了从哈希表到图论的完整数据结构框架，基础概念一目了然。
- 图解攻克经典难题：利用“力扣图解”部分，通过生动的图示解析“最长公共前缀”、“合并有序链表”等经典题，不仅懂了代码，更掌握了解题套路。
- 精准对标大厂面试：依托“大厂面经”模块，针对性地练习高频考题，明确了复习重点，从盲目刷题转变为高效备考。
- 一站式获取海量资源：直接在项目中下载千本开源电子书和完整的 PDF 题典，省去了四处搜集资料的时间，将精力全部集中在核心训练上。
hello-algorithm 将零散的算法知识整合为可视化的系统训练流程，帮助初学者以最低成本建立起通往大厂的结构化算法能力。
运行环境要求
- 未说明
未说明
未说明
快速开始
简介
英文版仓库和 Gitbook 位于 english 分支
小浩算法是一套针对小白的完整的算法训练流程！
目前共包括以下几个步骤：
- PART_1_算法基础
- PART_2_力扣图解
- PART_3_大厂面试
- PART_4_CS知识汇总
这也许是东半球最好的算法学习类项目！
我自己刷题都是在 lintcode 进行，也会在上面更新题解！下方可以直接进入~
- www.lintcode.com
- 另外推荐一套算法课，北大FB双料大佬的，我之前上过，性价比很高
- 最后，下方扫码可以领取我准备的刷题模板
正文
PART_1_算法基础
主要包括两部分：
- a：数据结构知识框架：为了大家更好的掌握数据结构和算法，我把基础知识整理成了一张思维导图，包括下面这些知识点：
- b：对常用的数据结构知识进行总结：
PART_2_力扣图解
显示更多
- 开始学习
- 阅读指南
- 数组
- 链表
- 动态规划
- 字符串
- 二叉树
- 滑动窗口
- 博弈论
- 位运算
- 二分法
- 其他高频面试题目
- 01.螺旋矩阵(54)
- 02.只有两个键的键盘(650)
- 03.24点游戏(679)
- 04.飞机座位分配概率(1227)
- 05.水分子的产生
- 06.救生艇(881)
- 07.救生艇(881)
- 08.灯泡开关(319)
- 09.三门问题
- 10.猜数字游戏(299)
- 11.LRU缓存机制(146)
- 12.最小的k个数
- 13.不同路径
- 14.不同路径-障碍物
- 15.连续n个数的和
- 16.盛水最多的容器
- 17.扑克牌中的顺子容器
- 18.整数拆分(343)
- 19.移动石子到连续(1033)
- 20.Nim游戏(292)
- 21.寻找两个正序数组的中位数(4)
- 22.第k个最大元素（215）
- 23.镜面反射（858）
- 25.整数转罗马数字（12）
- 26.荷兰国旗问题
- 27.六九问题
- 28.有效的数独
- 29.费米估算
- 30.分发饼干
- 31.生命游戏（289）
- 32.搜索二维矩阵（74）
- 33.子集（78）
- 34.面试中的智力题
- 35.旋转图像（48）
PART_3 大厂面试（更新中）
显示更多
考虑到目前网络上的面经质量参差不齐，很多都打着 “BAT” 的旗号，重复率和错误率都很高。因此，我尽可能挑选了50篇我认为比较优质的面经（基本不重复），并对内容进行了分类。
建议大家将此页面收藏起来，以免以后需要时找不到。（整理了近40个小时，跪求star~）
PART_4_CS_知识汇总(TODO)
许可协议
本项目除部分引用开源技术文档的内容外，大部分为本人原创。欢迎任何以学习为目的的传播，但未授权任何平台进行转载！
常见问题
相似工具推荐
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。
cs-video-courses
cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。 面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。 这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。 面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。
awesome-machine-learning
awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。 它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。 其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。