A. 數據挖掘的資料庫，演算法，統計學要學到什麼程度如果滿意的話可以加分
學到什麼程度？這個問題無法量化地回答你啊！
舉個例子，比如我的數學和英語要學到什麼程度才算好呢？不好說吧，不過有人告訴你，如果你的數學和英語分數夠得上北大清華的錄取線，那說明你學得很好了。
那舉一反三，資料庫，演算法，統計學要學到什麼程度才算好呢？如果你去應聘IBM、微軟、網路、淘寶之類的公司的數據挖掘演算法工程師職位，能把面試官都侃暈了，那說明你確實學得很好。
B. 「C語言」 「演算法」 「資料庫」 之間是什麼關系為什麼是單獨分幾本書的呢
簡單的可以這么理解， C語言可以用以實現演算法及資料庫。 演算法的范圍很大。 一般應用，數據的存儲都委託給資料庫了。
C. c++標准庫演算法是什麼
#inlcude<algorithm>
詳見下面網頁：
http://www.cppreference.com/wiki/stl/algorithm/start
D. 關於資料庫方面的演算法
哈夫曼編碼(Huffman Coding)是一種編碼方式，以哈夫曼樹—即最優二叉樹，帶權路徑長度最小的二叉樹，經常應用於數據壓縮。在計算機信息處理中，「哈夫曼編碼」是一種一致性編碼法（又稱"熵編碼法"），用於數據的無損耗壓縮。這一術語是指使用一張特殊的編碼表將源字元（例如某文件中的一個符號）進行編碼。這張編碼表的特殊之處在於，它是根據每一個源字元出現的估算概率而建立起來的（出現概率高的字元使用較短的編碼，反之出現概率低的則使用較長的編碼，這便使編碼之後的字元串的平均期望長度降低，從而達到無損壓縮數據的目的）。這種方法是由David.A.Huffman發展起來的。例如，在英文中，e的出現概率很高，而z的出現概率則最低。當利用哈夫曼編碼對一篇英文進行壓縮時，e極有可能用一個位(bit)來表示，而z則可能花去 25個位（不是26）。用普通的表示方法時，每個英文字母均佔用一個位元組（byte），即8個位。二者相比，e使用了一般編碼的1/8的長度，z則使用了 3倍多。倘若我們能實現對於英文中各個字母出現概率的較准確的估算，就可以大幅度提高無損壓縮的比例。
1、權是什麼？
就是它出現的概率，先挑小的出來。
2、w={10，12，16，21，30}的數字是為什麼要放在這里？不能放到頂層碼？
這就是他們的權吧。
3、怎樣計算？
4、舉個類似的例子
就是從短到長排列，然後把最小的兩個連起來
重復，知道變成一棵樹
比如說1，2，3，4，5這五個數，本身的頻度也就是這樣，排列好以後
先是1，2合成3，新的排列：3，3，4，5
然後3，3合並成6，新的：4，5，6
然後4，5，新的：6，9
然後在合並
得到的樹就是：
頂
6 9
3 3 4 5
1 2
編碼的話，就是左邊的樹杈為0，右邊為1
比如說2就是001，大概就是這個意思
E. 如何快速學習基於SQL資料庫的演算法
。。有哪些表，哪些欄位啊 select 學號，課1+課2+課3+課4+課5 as 總成績 from 成績表 這種一張表的？
F. 如何學習或理解資料庫中的多值依賴，那的演算法好亂啊，希望各位牛人多多指點啊，先謝謝了
主要自己有想法 不要一未的追求書本的東西要活學活用 多想想就行了
G. 如何利用python語言實現機器學習演算法
基於以下三個原因，我們選擇Python作為實現機器學習演算法的編程語言：(一) Python的語法清晰；(二) 易於操作純文本文件；(三) 使用廣泛，存在大量的開發文檔。 可執行偽代碼 Python具有清晰的語法結構，大家也把它稱作可執行偽代碼（executable pseudo-code）。默認安裝的Python開發環境已經附帶了很多高級數據類型，如列表、元組、字典、集合、隊列等，無需進一步編程就可以使用這些數據類型的操作。使用這些數據類型使得實現抽象的數學概念非常簡單。此外，讀者還可以使用自己熟悉的編程風格，如面向對象編程、面向過程編程、或者函數式編程。不熟悉Python的讀者可以參閱附錄A，該附錄詳細介紹了Python語言、Python使用的數據類型以及安裝指南。 Python語言處理和操作文本文件非常簡單，非常易於處理非數值型數據。Python語言提供了豐富的正則表達式函數以及很多訪問Web頁面的函數庫，使得從HTML中提取數據變得非常簡單直觀。 Python比較流行 Python語言使用廣泛，代碼範例也很多，便於讀者快速學習和掌握。此外，在開發實際應用程序時，也可以利用豐富的模塊庫縮短開發周期。 在科學和金融領域，Python語言得到了廣泛應用。SciPy和NumPy等許多科學函數庫都實現了向量和矩陣操作，這些函數庫增加了代碼的可讀性，學過線性代數的人都可以看懂代碼的實際功能。另外，科學函數庫SciPy和NumPy使用底層語言（C和Fortran）編寫，提高了相關應用程序的計算性能。本書將大量使用Python的NumPy。 Python的科學工具可以與繪圖工具Matplotlib協同工作。Matplotlib可以繪制二D、三D圖形，也可以處理科學研究中經常使用到的圖形，所以本書也將大量使用Matplotlib。 Python開發環境還提供了互動式shell環境，允許用戶開發程序時查看和檢測程序內容。 Python開發環境將來還會集成Pylab模塊，它將NumPy、SciPy和Matplotlib合並為一個開發環境。在本書寫作時，Pylab還沒有並入Python環境，但是不遠的將來我們肯定可以在Python開發環境找到它。 Python語言的特色 諸如MATLAB和Mathematica等高級程序語言也允許用戶執行矩陣操作，MATLAB甚至還有許多內嵌的特徵可以輕松地構造機器學習應用，而且MATLAB的運算速度也很快。然而MATLAB的不足之處是軟體費用太高，單個軟體授權就要花費數千美元。雖然也有適合MATLAB的第三方插件，但是沒有一個有影響力的大型開源項目。 Java和C等強類型程序設計語言也有矩陣數學庫，然而對於這些程序設計語言來說，最大的問題是即使完成簡單的操作也要編寫大量的代碼。程序員首先需要定義變數的類型，對於Java來說，每次封裝屬性時還需要實現getter和setter方法。另外還要記著實現子類，即使並不想使用子類，也必須實現子類方法。為了完成一個簡單的工作，我們必須花費大量時間編寫了很多無用冗長的代碼。Python語言則與Java和C完全不同，它清晰簡練，而且易於理解，即使不是編程人員也能夠理解程序的含義，而Java和C對於非編程人員則像天書一樣難於理解。 所有人在小學二年級已經學會了寫作，然而大多數人必須從事其他更重要的工作。 ——鮑比·奈特 也許某一天，我們可以在這句話中將「寫作」替代為「編寫代碼」，雖然有些人對於編寫代碼很感興趣，但是對於大多數人來說，編程僅是完成其他任務的工具而已。Python語言是高級編程語言，我們可以花費更多的時間處理數據的內在含義，而無須花費太多精力解決計算機如何得到數據結果。Python語言使得我們很容易表達自己的目的。 Python語言的缺點 Python語言唯一的不足是性能問題。Python程序運行的效率不如Java或者C代碼高，但是我們可以使用Python調用C編譯的代碼。這樣，我們就可以同時利用C和Python的優點，逐步地開發機器學習應用程序。我們可以首先使用Python編寫實驗程序，如果進一步想要在產品中實現機器學習，轉換成C代碼也不困難。如果程序是按照模塊化原則組織的，我們可以先構造可運行的Python程序，然後再逐步使用C代碼替換核心代碼以改進程序的性能。C++ Boost庫就適合完成這個任務，其他類似於Cython和PyPy的工具也可以編寫強類型的Python代碼，改進一般Python程序的性能。 如果程序的演算法或者思想有缺陷，則無論程序的性能如何，都無法得到正確的結果。如果解決問題的思想存在問題，那麼單純通過提高程序的運行效率，擴展用戶規模都無法解決這個核心問題。從這個角度來看，Python快速實現系統的優勢就更加明顯了，我們可以快速地檢驗演算法或者思想是否正確，如果需要，再進一步優化代碼
H. 這個演算法怎麼解釋有詳細的解答步驟嗎資料庫系統原理
大概意思是先吧F中每個左邊被X包涵的屬性 利用傳遞率把右邊的屬性加到閉包中 循環直到X不變話 這樣就找到閉包了
I. 熟悉c++perimer和標准程序庫，了解數據結構，演算法（看的懂演算法導論上的列子），能找到c++的工作么
如果你敢說那本書上的例子和題都可以解決，甚至只是都理解，能夠說明白
恭喜你，你可以去找工作了
但是你沒經驗，所以進了公司只會是應屆生的待遇
敢問，您多大？越年輕越有希望，年紀太大的半路出家就不怎麼好混了
還有，可以在離家較近的城市投些簡歷，看看效果
J. 資料庫中演算法怎麼學
多買一些關於算術的書、查資料、等