Lời mở đầu!!

-

Hi, chúng ta lại gặp nhau rồi nè! Mình sẽ hướng dẫn các bạn cách note, cũng như đọc blog sao cho chuẩn nhất nhé 😂😂

Đầu tiên mình sẽ hướng dẫn các bạn các note lại nhé!

Như các bạn có thể thấy, việc học trên giảng đường đã quá đỗi là nhàm chán với các bạn phải không? Nhưng bây giờ, thì sẽ khác bởi có mình rồi!!!

Cách note rất đơn giản theo thứ tự sau:

Giáo trình -> ý chính -> keyword -> tập trung vào keyword

Nghe có vẻ rất vô lí nhưng lại hợp lí nhỉ😂😂🤣🤣. Tuy nhiên đây thực sự là một phương pháp rất khó để có thể áp dụng một cách dễ dàng. Mình sẽ lấy một số ví dụ nhé!!

“Vật chất là một phạm trù triết học dùng để
chỉ thực tại khách quan được đem lại cho con người trong cảm giác, được cảm giác của chúng ta chép lại, chụp lại, phản ánh và tồn tại không lệ thuộc vào cảm giác”

Khiếp!!😣😣 để học thuộc một đống chữ như này khá khó khăn với các bạn nhỉ. Đơn cử như có 20 câu, mỗi câu nhân 2 lần chữ lên…. Chịuuuuu Khó khó khó….
Đừng hoảng :v Let me show you my method.

Key word quan trọng ở đây theo thứ tự:

Vật chất – Phạm trù triết học -> Thực tại khách quan + cảm giác con người -> *Tồn tại không lệ thuộc cảm giác

So how do think about it?
Mình chắc các bạn đang nghĩ ui zời, ông liệt kê định nghĩa rồi còn đâu……. 😥 Quá đau lòng, thực ra ví dụ mình đưa ra nó đã quá là dễ rồi, việc lấy keyword rất là căng nha. Bởi đọc tất cả đều là keyword.
Mình sẽ hướng dẫn các bạn đánh note:
-> : Dùng nối 2 keyword liên tiếp nhau (Con bò->ăn cỏ)
* : Dùng để nhấn mạnh keyword-keyword chủ chốt (Con bò -> *4 chân -> ăn cỏ)
+ : Bổ sung ý nghĩa cho keyword (Con bò -> *4 chân -> ăn cỏ + sở thích)
Mình thường dùng 3 biểu tưởng này là chủ yếu, các bạn có thể phát triển nó ra nhiều dạng nữa cho phù hợp nhé, riêng mình thì chơi thế này thôi(cho dễ nhớ -> *Mình não cao su :V)

Sau đây là cách đọc Blog

Chào các bạn thêm một lần nữa, chắc chắc khi lướt blog này sẽ có rất nhiều câu kiểu như: “xin chào các bạn, các bạn biết không, các bạn à…” cái này là do mình thích viết thôi, các bạn đừng để ý nhé!

Blog mình sẽ phân thành các mục chính:

  • Thuật toán – cấu trúc giải thuật
  • Kỹ thuật lập trình
  • Tư vấn tình cảm
  • Chia sẻ đời tư

Khi đọc các post, các bạn nên chú ý vào tiêu đề bài viết nhé, và phần chú thích cuối post nữa(mà thi thoảng mình sẽ không viết phần này – lườiiii)

Code mình bày ra là tham khảo, các bạn nên đọc qua một lượt rồi tự code lại. Tuyệt đối không nên copy code, nó sẽ ảnh hưởng rất nhiều ví dụ: tên biến, hàm, cách cài đặt…. Mà mình khuyên thui ahihi

Đọc từ trên xuống dưới nhé ❤ – Chỉ vậy thôi, các bạn lướt blog tiếp đi nhé 😁😁

Nhận xét

Đăng nhận xét

Bài đăng phổ biến từ blog này

[Series] Thuật toán Sinh | Kì hai: Sinh hoán vị

-
Hình ảnh
Mục lục Giới thiệu Giới thiệu thuật toán Thuật toán khác Giới thiệu Một hoán vị trong toán học là một dãy gồm n n n kí tự với các kí tự từ 1…9 xuất hiện duy nhất và chỉ một lần: 123, 321, 1234, … Giới thiệu thuật toán Thuật toán sinh hoán vị kế tiếp là một thuật toán được dùng trong tin học máy tính rất nhiều, và thường được thấy ở một số bài toán giải thuật áp dụng. Giống với “Sinh Nhị Phân”, sinh hoán vị cũng là thuật toán được áp dụng với các bài toán mang tính “Lựa chọn” có thứ tự. Ví dụ: Các cách sắp xếp các số từ 1 đến 3 có thể là: 123, 321, 132, 231, 213, 312 Thuật toán được phát biểu như sau: Từ phải qua trái tìm chỉ số đầu tiên xuất hiện trước dãy giảm dần: Ví dụ: 6543 721 thì vị trí cần tìm là i = 4 với A[i] = 3 Trong đoạn giảm dần ở vị trí có phần tử nhỏ nhất vẫn lớn hơn A[i]: Như trên thì chỉ só cần tìm là j = 5 A[j] = 7 Đổi chỗ A[i] và A[j] Sau đó đảo ngược đoạn từ i + 1 -> cuối dãy Code: # include <iostream> using namespace ...
Đọc thêm

Thuật Toán Interpolation Search - Tìm kiếm nội suy

-
Hình ảnh
1. Nguyên lý cơ bản của Interpolation Search + Cũng yêu cầu dãy số đầu vào là một dãy đã được xắp xếp cho sẵn. + Tìm kiếm nội suy là một sự cải tiến của tìm kiếm nhị phân Binary Search. + Nếu như tìm kiếm nhị phân luôn nhắm vào vị trí giữa của các khoảng tìm kiếm thì tìm kiếm nội suy lại có xu hướng tiến gần đến vị trí gần với giá trị tìm kiếm. + Do đó Tìm kiếm nội suy đạt được sự tối ưu rất cao, và tốc độ nhanh hơn nhiều Binary. Độ phức tạp thời gian mà nó đạt được là:  Log2(log2(n)) .    (log cơ số 2) Giả sử nếu số phần từ n = 1 tỷ =>  Linear O = 1 tỷ. =>  Binary O = log2(1 tỷ) xấp xỉ =  30 =>  Nội suy O =  log2(log2(1 tỷ)) < 5 Các bạn sẽ thấy chỉ với số lượt nhỏ hơn 5, Tìm kiếm nội suy có thể tìm cho bạn được vị trí cần tìm trong 1 tỉ phần tử =>  RẤT KHỦNG. Do đó nó được coi như hàng độc, và khi nào cần thiết thì mới sử dụng. Vậy thì cơ chế nào để tìm kiếm nội suy có thể đạt được tốc độ kinh khủ...
Đọc thêm