• heap_sort
• merge_sort
• heap_sort流程圖與文字說明
• merge_sort流程圖與文字說明
• heap_sort&merge_sort之比較

• BST
• Binary Search Tree 新增、刪除、查詢、修改功能說明
• 流程圖與文字說明

• Hash_Table
• 流程圖與學習歷程與Hash原理解釋

• BFS
• 流程圖、學習歷程、BFS和DFS的原理與比較

• Link List
• Link List 介紹

• Min Stack
• Stack介紹

• Queue介紹

• Quick_Sort

• 時間複雜度

大數據是什麼？

• 大數據（Big Data）又被稱為巨量資料，其概念其實就是過去10年廣泛用於企業內部的資料分析、商業智慧（Business Intelligence）和統計應用之大成。但大數據現在不只是資料處理工具，更是一種企業思維和商業模式，因為資料量急速成長、儲存設備成本下降、軟體技術進化和雲端環境成熟等種種客觀條件就位，方才讓資料分析從過去的洞悉歷史進化到預測未來，甚至是破舊立新，開創從所未見的商業模式。一般而言，大數據的定義是Volume（容量）、Velocity（速度）和Variety（多樣性），但也有人另外加上Veracity（真實性）和Value（價值）兩個V。但其實不論是幾V，大數據的資料特質和傳統資料最大的不同是，資料來源多元、種類繁多，大多是非結構化資料，而且更新速度非常快，導致資料量大增。而要用大數據創造價值，不得不注意數據的真實性。

大數據一定要很大嗎？

• 雖然大數據的狹義定義是，資料量要在100TB到PB之間，但其實絕大多數的企業，都不符合這個標準，大企業如eBay、亞馬遜或AT&T或許符合大數據的標準。但其實資料量只是大數據的其中一個面向，大數據揭示的是一種「資料經濟」的精神，而非只是「大」。企業真正要尋找的是非傳統的、而且未曾被挖掘過的資料，並且從這些資料中去提煉出價值，這才是對大數據應有的正確認知，而非只是執著於資料大小，只要能從看似毫無意義的數據礦坑中挖掘出金礦，有誰會在意那座礦坑原本是大得像座山還是小得像狗屋呢？

沒有大數據就不能用大數據嗎？

• 非也，建置大數據架構與環境的確所費不貲，一般中小企業通常無法輕易投入鉅額成本，但大數據時代的精神在於如何妥善利用既有或非傳統資料，從中挖掘出新商機，因此即使是中小企業甚或者是新創企業，都能在大數據時代用「大數據」。

大數據有什麼風險？

• 傳統商業分析會有的風險，大數據也都會有，這並非大數據才有的問題，「個資安全問題」一直都存在，只是隨著資料來源越來越多且資料量越來越大，資安問題更顯迫切罷了。另一值得關切的是大數據可能帶來的「資料獨裁問題」，資料獨裁指的是任由資料來管控我們，盲目受到分析結果的制約，導致濫用或誤用資料。例如根據數據分析將人群分類，其實有可能會把個體給標籤化，甚至污名化某些族群，想像未來若我們用數據預先打擊犯罪，那會是什麼情景？

大數據的商業模式是什麼？

• 大數據的商業模式大概可分成幾種：
  • 從既有數據變現
  • 以數據提升企業競爭力
  • 以數據做為服務的基礎與核心，用數據顛覆傳統行業。