離散數學 + 演算法是最能直接預測你在程式設計面試中表現如何的那對 CS 課程。遺憾的是，這兩門課也是很多學生只學到剛好及格、卻從不把心智模型內化的地方。本指南把兩個目標——過課和輾壓面試——當成同一個專案，配一條先攻高槓桿主題的學習路線，並用 AI-Math 求解器獲得即時回饋。
為什麼這兩門課是一對
離散數學給你語言：邏輯、集合、函數、關係、組合學、圖、模算術。演算法給你模式：分治、貪婪、動態規劃、圖搜尋。沒有語言，你無法乾淨地推理一個演算法；沒有演算法，你也無法替語言找到動機。
高槓桿主題排行
第 1 級 —— 必須成為反射
- 邏輯與證明技巧。 直接、反證對偶、反證法、數學歸納法。每一門演算法課、每一道面試「證明這是正確的」題目都會用到。
- 集合、函數、關係。 其他每個主題的詞彙。
- 計數與基礎組合學。 排列、組合、乘法／加法原理。機率與複雜度分析的基準線。
- 大 O / 大 Θ / 大 Ω。 三種記號，何時用哪一種。
- 圖的術語與搜尋。 頂點、邊、路徑、BFS、DFS。
第 2 級 —— 重要但可掌握
- 模算術與基礎數論。
- 遞迴關係式（主定理）。
- 離散樣本空間上的機率。
- 樹：有根、平衡、走訪。
- 貪婪與分治模式。
第 3 級 —— 進階
- 動態規劃（深度：1D → 2D → 樹上 → DAG 上）。
- NP 完全（定義、歸約、實務上的意涵）。
- 網路流基礎。
- 近似演算法。
第一次走完課程，目標應該是第 1 級熟練、第 2 級得心應手、第 3 級有所接觸。
12 週學習進度表
| 週次 | 重點 |
|---|---|
| 1–3 | 邏輯、證明技巧、集合——大量練習小型證明 |
| 4–6 | 計數、機率——每天做題，用 AI 回饋 |
| 7–9 | 圖、演算法（BFS、DFS、Dijkstra）——用程式碼實作 |
| 10–11 | 遞迴式與複雜度——主定理熟練 |
| 12 | 模擬面試輪 + 課程期末複習 |
AI 怎麼用（要謹慎）
離散數學有個特殊風險：很容易從 AI 抄一個證明，然後覺得自己懂了。其實沒懂。這樣用 AI：
- 先自己建模。 自己先寫出一份證明嘗試。然後再貼上去，請 AI 點評。
- 給提示，別給解答。 問「這裡用什麼證明技巧會行得通？」而不是「解這道題」。
- 反例。 給 AI 一個錯誤的論斷，請它給出反例。抓錯就佔了一半的本事。
- 用程式碼重新解釋。 拿一個 AI 證明，把演算法重新實作一遍。程式碼是無情的驗證者——如果證明有漏洞，實作就會壞掉。
離散數學如何對應到面試題
每一個熱門面試模式都有一條離散數學的根：
| 面試模式 | 離散數學觀念 |
|---|---|
| 雙指標 / 滑動視窗 | 不變量 & 數學歸納法 |
| BFS / DFS / 拓撲排序 | 圖論 |
| 子陣列上的 DP | 遞迴關係式 |
| 雜湊表「計算出現次數」 | 鴿籠原理 + 計數 |
| 「找第 k 個……」題 | 順序統計量 + 堆積 |
| 位元操作 | 模算術 |
| 回溯 | 樹搜尋 |
把這些一起學——早上離散數學，晚上面試題——就是一石二鳥。
一套兩者兼顧的每日例行
| 時間 | 活動 |
|---|---|
| 30 分鐘 | 讀課程章節，做 5 道觀念題 |
| 30 分鐘 | 從一份結構化清單做一道程式題（例如 NeetCode 150） |
| 10 分鐘 | 更新錯題本 |
每週那樣的三小時，勝過十小時毫無章法的硬磨。
學生常犯的錯誤
- 死背演算法。 你應該能從「BFS 但加上優先佇列」推導出 Dijkstra。死背會爛掉；推導才持久。
- 在演算法課跳過證明。「為什麼這個貪婪選擇是最佳的？」本身就是演算法。
- 不懂理論就刷 LeetCode。 你會卡在中等偏易停滯不前。下一個跳躍需要離散數學的詞彙。
- 只做理論不寫程式。 你會過課，卻面試掛掉。
期末考前一週該做什麼
- 重讀你的錯題本（你有一本，對吧？）。
- 把整學期最難的 3 道習題集題目，從零重做一遍。
- 計時做一份過去的期末考。
- 睡覺。
工具
- AI-Math 求解器 —— 用於組合計數與機率核對
- 機率計算器 —— 用於離散機率那一章
- 配套部落格：機率基礎、假設檢定逐步詳解