Algorithms & Interview Patterns
Chinh Phục Phỏng Vấn Google, Meta, Amazon, Apple...

Vấn đề: Tại sao code chạy đúng nhưng vẫn bị từ chối (Time Limit Exceeded)? Làm sao biết code nhanh hay chậm?

Nội dung: Học cách "cân đo" hiệu năng bằng Big-O - O(1), O(N), O(N²). Tư duy tối ưu hóa ngay từ dòng code đầu tiên.

AI-Native: Dùng AI phân tích độ phức tạp code mẫu và giải thích các khái niệm trừu tượng.

Vấn đề: Làm sao sắp xếp tùy biến theo ý muốn? Xử lý bài toán gộp lịch họp, khoảng thời gian trùng nhau?

Nội dung: Làm chủ thuật toán sắp xếp và kỹ thuật Intervals. Viết Comparator tùy chỉnh C++/Java/Python.

Kết quả: Tự tin giải quyết bài toán lập lịch và thống kê dữ liệu.

Vấn đề: Làm sao tính tổng từ ngày X đến Y trong O(1) mà không cần vòng lặp?

Nội dung: Kỹ thuật mảng cộng dồn - vũ khí bí mật giảm O(N) xuống O(1). Mở rộng sang mảng 2D và Difference Array.

Kết quả: Xử lý truy vấn tổng đoạn cực nhanh, nền tảng cho các bài toán tối ưu.

Vấn đề: Tìm chuỗi con thỏa mãn điều kiện mà không cần 2 vòng lặp lồng O(N²)?

Nội dung: Two Pointers "kẹp" dữ liệu, Sliding Window "quét" dữ liệu. Biến thuật toán chậm thành O(N).

Kết quả: Giải quyết mượt mà bài toán về chuỗi và mảng con liên tiếp.

Vấn đề: Làm sao phát hiện Linked List bị lặp vòng? Tìm điểm giữa chỉ một lần duyệt?

Nội dung: Thuật toán Floyd Cycle Finding. 2 con trỏ chạy tốc độ khác nhau để xử lý bài toán Linked List.

Kết quả: Nắm vững Linked List - topic cực hot khi phỏng vấn Amazon/Google.

Vấn đề: Kiểm tra ngoặc đơn hợp lệ? Tìm Next Greater Element trong O(N)?

Nội dung: Cơ chế LIFO và FIFO. Kỹ thuật Monotonic Stack cho bài toán tìm phần tử lân cận.

AI-Native: Dùng AI sinh test case biên (Stack rỗng, tràn Stack) để debug.

Vấn đề: Tìm kiếm O(N) quá chậm với 10^9 phần tử. Có cách nào nhanh hơn không?

Nội dung: Tư duy chia để trị. Binary Search on Answer - kỹ thuật phân loại ứng viên pro và newbie.

Kết quả: Tìm kiếm O(log N), xử lý dữ liệu khổng lồ trong nháy mắt.

Mục tiêu: Review toàn bộ 7 buổi đầu. Hệ thống hóa tư duy về Mảng, Chuỗi và kỹ thuật tối ưu cơ bản.

Hoạt động: Bài thi mô phỏng áp lực thật. Đánh giá năng lực để có chiến lược cho nửa sau.

Vấn đề: Tìm đường trong mê cung? Lan truyền thông tin trên mạng xã hội?

Nội dung: BFS - lan theo chiều rộng (đường ngắn nhất). DFS - đi theo chiều sâu (kiểm tra liên thông).

AI-Native: Dùng AI trực quan hóa thứ tự duyệt node - não bộ "nhìn thấy" thuật toán chạy.

Vấn đề: Lưu trữ sao cho tìm kiếm, thêm, xóa đều nhanh? Khi nào dùng Map, khi nào dùng Set?

Nội dung: BST và sức mạnh Hash Map O(1). Bài toán đếm tần suất, tìm kiếm nhanh.

Kết quả: Hiểu bản chất STL map/set để dùng tối ưu.

Vấn đề: Làm sao luôn lấy phần tử lớn/nhỏ nhất của tập dữ liệu động mà không sort lại?

Nội dung: Cấu trúc Heap và Priority Queue. Bài toán Top K elements, lập lịch CPU.

Kết quả: Nền tảng cho thuật toán Dijkstra.

Vấn đề: Google Maps tìm đường ngắn nhất trên bản đồ phức tạp như thế nào?

Nội dung: Dijkstra kết hợp Heap. Đường đi ngắn nhất trên đồ thị trọng số không âm.

Kết quả: Tự tay cài đặt thuật toán định tuyến nổi tiếng nhất thế giới.

Vấn đề: Làm sao biết 2 người trên mạng xã hội có bạn chung không? Gộp 2 nhóm nhanh nhất?

Nội dung: Union-Find với Path Compression và Union by Rank.

Kết quả: Giải bài toán liên thông, chu trình đồ thị cực hiệu quả.

Vấn đề: Auto-complete của Google hoạt động ra sao? Lưu hàng triệu từ tối ưu bộ nhớ?

Nội dung: Cấu trúc cây Trie chuyên dụng xử lý chuỗi.

Kết quả: Xây dựng tính năng từ điển, gợi ý từ khóa, lọc tiền tố siêu tốc.

Hoạt động: Mô phỏng quy trình Coding Interview tại Big Tech thật sự. Không code lý thuyết - đấu trí thật.

AI-Native: Chỉnh sửa CV chi tiết từng mục, đặt câu hỏi phản biện, chấm điểm Communication.

Mục tiêu: Rèn bản lĩnh phòng thi, kỹ năng câu giờ thông minh và trình bày giải pháp thuyết phục.

Hoạt động: Giải bộ đề tổng hợp tất cả kiến thức trong thời gian giới hạn.

Mục tiêu: Tốt nghiệp với tâm thế kỹ sư sẵn sàng chinh phục mọi kỳ phỏng vấn!