你有沒有照著食譜做菜，還是覺得步驟順不順很重要？
你可以把演算法想成一組清楚的步驟，告訴電腦要怎麼把輸入變成輸出。它不是程式碼本身，而是解決問題的方法和順序。
這很重要，因為同一個問題可以有很多做法，好的演算法能讓程式跑得更快、吃更少記憶體，也更容易維護。
容易混淆
演算法 vs 程式碼
演算法是做事的方法。
程式碼是把方法寫成電腦看得懂的語言。
最關鍵的區別：一個是思路，一個是實作。
演算法 vs 模型
演算法是解題流程。
模型是從資料學到的規則或參數。
最關鍵的區別：一個靠規則，一個靠訓練。
演算法 vs 流程圖
流程圖只是把步驟畫出來。
演算法還要能真的解決問題。
最關鍵的區別：流程圖是表達，演算法是方法。
記住這句就好
能把問題變成步驟的，就是演算法。
實際案例
路線規劃
導航 App 要從台北車站到目的地，不是亂猜，而是用最短路徑的演算法去找最省時或最省距離的路。
垃圾郵件判斷
郵件系統可能先做關鍵字比對，再算特徵分數，最後決定是否進垃圾桶，整套判斷流程本身就是演算法。
算法與應用
常看的三件事
時間複雜度、空間複雜度、正確性，通常是評估演算法好壞的基本三角。
常見應用
搜尋、排序、路徑規劃、文字處理、推薦排序，幾乎所有 AI 與資訊系統都離不開演算法。
情境判斷
Q1（直覺題）： 你要把 1 到 100 排序，應該只看哪個方法先寫得出來嗎？
→ 不只看能不能寫出來，還要看時間和空間成本，因為演算法效率會影響實際使用。
Q2（判斷題）： 一個方法在小資料上很快，但資料一大就卡住，這還算好演算法嗎？
→ 要看情況。若你的場景永遠只有小資料，它可能夠用，但只要資料規模會長大，就要重新評估。
常見問題
演算法一定要很複雜嗎？
不一定，很多時候最好的演算法就是最簡單、最好維護的那個。
演算法和 AI 有什麼關係？
AI 系統也需要演算法來做搜尋、訓練、推論和排序，不是只有模型在工作。
為什麼時間複雜度重要？
因為資料變大時，差一個次方就可能差很多，會直接影響能不能上線。
學演算法一定要先背很多公式嗎？
不用先背，先看懂問題怎麼拆、怎麼比較方法，會比較有效。