Author Archives: Luis Fernando Chaim

Principal Architect Interview Questions

Personal Introductions & Motivations
. “Tell me a bit about your career to date”
. “What motivated you to explore this opportunity?”
. “What are you looking for in your next role that perhaps you’re not getting in your current role?”

Team Structure & Maturity (Chief Architect outlines)
. “We currently have a hybrid architecture model; a small core EA team and domain architects embedded with product and engineering.”
. “We’re investing in raising the architectural bar across teams; you’d play a key role in maturing that culture.”

Architecture Challenges
. “One challenge we’re facing is fragmentation; different domains are solving similar problems in different ways.
. “There’s still a gap between business strategy and architecture outcomes; one of your core focuses would be bridging that.”

Architecture Specific Questions
• How do you define and drive technical direction across multiple domains or product lines?
• What methods do you use to ensure architectural alignment across distributed teams or department
• How do you establish and maintain architectural standards. patterns, and principles at scale?
• How do you grow and mentor other architects or senior engineers?
• Describe how you’ve worked with product and business leaders to shape a technology roadmap.
• Can you give an example of resolving conflict between architectural vision and product priorities?

Q&A
Opportunity for the Principal Architect to ask some questions:
• “What would success look like in the first 90 days?”
• “How is the architecture function currently perceived across engineering and business teams?”
• “How do you see me contributing to the cultural maturity and evolution of the architecture team?”

COC

Commercial Offer Catalog (Catálogo de Ofertas Comerciais) é um conceito amplamente utilizado em setores como telecomunicações, serviços financeiros, energia, e-commerce, e outros segmentos que envolvem a venda de produtos e serviços complexos. Ele funciona como uma base estruturada e centralizada onde todas as ofertas comerciais de uma empresa são definidas, organizadas, gerenciadas e disponibilizadas para os canais de venda.

A seguir, explico detalhadamente os principais conceitos relacionados ao Commercial Offer Catalog:


📚 O que é um Commercial Offer Catalog?

É um repositório centralizado de todas as ofertas comerciais de uma empresa. Nele são definidos os produtos e serviços que podem ser oferecidos aos clientes, bem como as regras de negócio, preços, elegibilidade, promoções, dependências técnicas e combinações possíveis entre os produtos.


  1. Produtos e Serviços

    • Itens individuais que compõem uma oferta, como internet banda larga, plano de telefonia, seguro, etc.
    • Pode conter atributos como: velocidade, franquia, tipo de cobertura, validade, entre outros.
  2. Ofertas

    • Conjunto de produtos/serviços agrupados com regras específicas.
    • Ex: “Combo Família” que inclui TV, internet e telefone fixo com desconto.
  3. Preços e Tarifas

    • Tabelas de preços, descontos aplicáveis, promoções temporárias e regras tributárias.
    • Pode incluir variações por região, canal de venda, perfil do cliente, etc.
  4. Regras de Elegibilidade

    • Define para quem a oferta está disponível (ex: apenas para novos clientes, ou em determinadas regiões).
  5. Validade e Ciclo de Vida

    • Período em que a oferta está ativa, expirando depois de uma data específica ou após condições de uso.
  6. Relacionamento entre Ofertas

    • Regras de compatibilidade, exclusividade ou dependência entre diferentes ofertas ou produtos.

🧠 Benefícios de um Commercial Offer Catalog bem estruturado

  • 🔄 Agilidade na criação e modificação de ofertas: Mudanças podem ser feitas rapidamente sem impacto no sistema como um todo.
  • 🛠 Reuso de componentes: Produtos e regras podem ser reutilizados em diferentes ofertas.
  • 🎯 Personalização: Permite ofertas personalizadas para diferentes segmentos ou perfis de cliente.
  • 📦 Unificação de canais: Garante que todos os canais de venda (loja, app, call center, site) ofereçam as mesmas informações e regras.
  • ✅ Governança e controle: Facilita a conformidade com regras regulatórias e políticas internas.

🧱 Arquitetura e Tecnologias Envolvidas

  • Pode ser implementado usando padrões como:
    • TM Forum SID e eTOM, no setor de telecomunicações.
    • APIs RESTful para expor o catálogo a sistemas de CRM, portais e apps.
    • Soluções COTS (Commercial Off-the-Shelf) como Oracle BRM, Amdocs Catalog, Ericsson e outros.
    • Microservices e Headless CMS, em implementações mais modernas.

🌍 Exemplos de uso

  • Uma operadora de telecom usa o catálogo para definir quais planos de internet estão disponíveis em cada cidade.
  • Um banco usa o catálogo para compor pacotes de serviços bancários com tarifas específicas para clientes universitários.
  • Um e-commerce usa o catálogo para definir combos promocionais e personalizáveis com base no histórico de compras do cliente.

Se quiser, posso te mostrar um exemplo prático em modelo JSON ou Java de como um sistema poderia representar uma oferta no catálogo. Também posso explorar como isso se integra com sistemas de CRM, Order Management ou Billing. Quer seguir por aí?

Legal! Vamos explorar um exemplo prático de como uma oferta comercial poderia ser representada em um modelo de dados (JSON) e depois podemos discutir como isso se integra com sistemas como CRM, Order Management e Billing.


📦 Exemplo de uma Oferta Comercial em JSON

{
  "offerId": "COMBO_FAMILIA_2025",
  "name": "Combo Família 2025",
  "description": "Internet + TV + Telefone fixo com desconto exclusivo",
  "status": "ACTIVE",
  "validFrom": "2025-01-01",
  "validTo": "2025-12-31",
  "channelsAvailable": ["ONLINE", "CALL_CENTER", "RETAIL_STORE"],
  "eligibilityRules": {
    "customerType": ["NEW", "EXISTING"],
    "region": ["SP", "RJ", "MG"]
  },
  "products": [
    {
      "productId": "INTERNET_500MB",
      "name": "Internet 500MB",
      "price": {
        "monthly": 99.9
      }
    },
    {
      "productId": "TV_HD_150CANAIS",
      "name": "TV HD com 150 canais",
      "price": {
        "monthly": 79.9
      }
    },
    {
      "productId": "TELEFONE_FIXO_ILIMITADO",
      "name": "Telefone Fixo Ilimitado",
      "price": {
        "monthly": 29.9
      }
    }
  ],
  "bundlePrice": {
    "monthly": 169.9,
    "discount": 39.8
  },
  "technicalDependencies": [
    "EQUIPAMENTO_MODEM",
    "EQUIPAMENTO_TV_BOX"
  ]
}

🔄 Integrações com Outros Sistemas

🧾 1. CRM (Customer Relationship Management)

  • O CRM consulta o catálogo para mostrar ofertas elegíveis no momento da venda.
  • Permite recomendar ofertas com base no perfil do cliente.
  • Utiliza as regras de elegibilidade do catálogo.

📦 2. Order Management (OM)

  • Recebe a oferta selecionada e quebra em componentes técnicos para orquestrar a ativação.
  • Garante que todas as dependências técnicas sejam respeitadas (ex: entrega de modem, ativação da linha).

💰 3. Billing (Faturamento)

  • Usa o catálogo para saber como calcular o valor da fatura do cliente.
  • Identifica preços promocionais, período de vigência, descontos, etc.

🛠 Arquitetura baseada em microservices (exemplo simplificado)

[Front-End Web/App]
      ↓
[API Gateway]
      ↓
[Commercial Catalog Service] ←→ [Product Catalog]
      ↓
[CRM] ←→ [Order Management System] ←→ [Billing System]

Cada componente consulta o Commercial Catalog Service para garantir consistência.


Se quiser, posso converter esse modelo JSON em um POJO Java com classes como OfferProductPrice, e até simular um endpoint REST para consumir o catálogo. Quer seguir para a parte Java?

NBO

O conceito de Next Best Offer (NBO), também conhecido como Próxima Melhor Oferta, é uma abordagem utilizada principalmente em marketing, vendas e atendimento ao cliente com o objetivo de identificar e oferecer, de forma personalizada, o produto, serviço ou ação mais relevante para um cliente em um dado momento.

🌟 O que é Next Best Offer?

Next Best Offer é uma estratégia orientada por dados que utiliza algoritmos de análise preditiva, inteligência artificial e machine learning para prever qual oferta tem maior probabilidade de ser aceita por um cliente. A ideia é aumentar a relevância da comunicação com o cliente e, assim, melhorar taxas de conversão, satisfação e retenção.


🎯 Objetivos principais

  • Personalizar a experiência do cliente
  • Aumentar o valor do cliente ao longo do tempo (Customer Lifetime Value)
  • Reduzir ofertas irrelevantes ou genéricas
  • Melhorar a eficiência das campanhas de marketing

⚙️ Como funciona?

O processo de NBO envolve várias etapas:

  1. Coleta de dados

    • Dados transacionais (compras anteriores, visitas ao site)
    • Dados demográficos
    • Comportamento digital (cliques, tempo de permanência, abandono de carrinho)
    • Dados contextuais (localização, hora, canal de acesso)
  2. Análise e segmentação

    • Machine learning é usado para identificar padrões e segmentar clientes com base em comportamento e preferências.
  3. Cálculo de probabilidade

    • Algoritmos avaliam a probabilidade de um cliente aceitar uma determinada oferta.
  4. Rankeamento das ofertas

    • As ofertas são priorizadas por relevância e valor para o cliente e para o negócio.
  5. Apresentação no canal apropriado

    • A oferta é feita no canal ideal (e-mail, app, call center, site etc.) no momento certo.

🧠 Técnicas e tecnologias envolvidas

  • Machine Learning / AI
  • Modelos preditivos e classificadores
  • Sistemas de Recomendação (Recommendation Engines)
  • Processamento de linguagem natural (NLP) para entender preferências a partir de interações

💼 Exemplos práticos

  • E-commerce: Após comprar um smartphone, o sistema recomenda capas ou fones de ouvido compatíveis.
  • Bancos: Cliente com padrão de gastos crescente recebe sugestão de upgrade de cartão de crédito.
  • Telecom: Oferta de pacote adicional quando o cliente se aproxima do limite de dados.
  • Streaming: Recomendação de filmes ou séries com base no histórico e no perfil de consumo.

🧩 Diferença entre NBO e NBE

Além do NBO, há também o conceito de Next Best Experience (NBE):

Conceito Foco
Next Best Offer Produto ou serviço certo para o cliente
Next Best Experience Melhor ação para melhorar a experiência do cliente, que pode não envolver venda

Exemplo de NBE: um atendimento proativo para resolver uma falha antes que o cliente reclame.


📈 Benefícios para o negócio

  • Aumento da taxa de conversão
  • Redução de churn (cancelamento)
  • Melhoria na experiência do cliente
  • Otimização de campanhas de marketing
  • Crescimento da fidelização

Se quiser, posso mostrar um exemplo técnico (em pseudocódigo ou com alguma linguagem) de como isso pode ser modelado, por exemplo, com um classificador de NBO. Quer seguir por esse caminho?

Legal! Vamos montar um exemplo técnico simplificado de como modelar o conceito de Next Best Offer (NBO) utilizando Machine Learning com classificação. Vou estruturar assim:


🧪 Exemplo Técnico de Next Best Offer com Classificação (em Python + scikit-learn)

🎯 Cenário

Imagine que somos uma empresa de telecom. Queremos prever qual o melhor produto/serviço para oferecer a um cliente com base no seu histórico de uso e perfil.

Temos 3 ofertas possíveis:

  • Plano Dados Premium
  • Upgrade para Fibra
  • Assinatura de Streaming

🧾 Dataset simplificado (exemplo)

idade tipo_cliente uso_dados (GB) visitas_app oferta_aceita
25 novo 10 3 Plano Dados Premium
40 regular 20 1 Upgrade para Fibra
30 novo 15 5 Assinatura de Streaming

🧠 Etapas do modelo

import pandas as pd
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier

# 1. Dados simulados
dados = pd.DataFrame({
    'idade': [25, 40, 30, 22, 55],
    'tipo_cliente': ['novo', 'regular', 'novo', 'regular', 'novo'],
    'uso_dados': [10, 20, 15, 25, 5],
    'visitas_app': [3, 1, 5, 2, 4],
    'oferta_aceita': [
        'Plano Dados Premium',
        'Upgrade para Fibra',
        'Assinatura de Streaming',
        'Upgrade para Fibra',
        'Plano Dados Premium'
    ]
})

# 2. Pré-processamento
label_enc = LabelEncoder()
dados['tipo_cliente'] = label_enc.fit_transform(dados['tipo_cliente'])  # 'novo'=1, 'regular'=0
dados['oferta_aceita'] = label_enc.fit_transform(dados['oferta_aceita'])  # transforma em 0,1,2

X = dados.drop('oferta_aceita', axis=1)
y = dados['oferta_aceita']

# 3. Treinamento do modelo
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
modelo = RandomForestClassifier()
modelo.fit(X_train, y_train)

# 4. Previsão do NBO para novo cliente
novo_cliente = pd.DataFrame({
    'idade': [28],
    'tipo_cliente': [label_enc.transform(['novo'])[0]],
    'uso_dados': [18],
    'visitas_app': [4]
})

previsao = modelo.predict(novo_cliente)
oferta_prevista = label_enc.inverse_transform(previsao)[0]
print(f"👉 Próxima Melhor Oferta: {oferta_prevista}")

🧠 O que está acontecendo?

  • Coletamos dados do cliente (idade, uso, perfil).
  • Treinamos um modelo com exemplos reais.
  • Para um novo cliente, o modelo prediz a oferta com maior probabilidade de aceitação.
  • Usamos Random Forest como classificador, mas outros algoritmos (como XGBoost, redes neurais ou regressão logística) também podem ser usados, dependendo do volume e complexidade dos dados.

Se você quiser, posso mostrar também um fluxo mais realista com pesos por lucratividadecanal ideal e até abordagem multi-oferta. Quer explorar mais algum desses pontos?

Plano de Estudo HackerRank

Aqui vai um plano de estudo de 12 semanas, pensado para te preparar para as entrevistas de emprego usando os desafios do HackerRank. Esse cronograma é flexível e pode ser ajustado ao seu ritmo e às suas necessidades, mas ele abrange os tópicos e algoritmos que costumam ser mais solicitados em processos seletivos.


Semana 1: Preparação e Revisão da Lógica de Programação

  • Objetivo: Garantir que você esteja confortável com a linguagem de programação que irá utilizar (Python, Java, C++, etc.) e com os fundamentos da lógica.
  • Atividades:
    • Revisão dos Fundamentos: Variáveis, estruturas condicionais, loops e recursão.
    • Exercícios Básicos: Utilize problemas simples do HackerRank para se familiarizar com a plataforma e o ambiente de desenvolvimento.
  • Dicas Importantes:
    • Certifique-se de entender bem a notação Big-O para poder analisar a complexidade dos algoritmos.
    • Mantenha um caderno ou documento com anotações dos principais “patterns” que você for encontrando.

Semana 2: Arrays e Strings

  • Objetivo: Refletir sobre os padrões de manipulação de dados lineares.
  • Atividades:
    • Estudo Teórico: Revisão de operações básicas em arrays (busca, iteração, divisão e conquista) e manipulação de strings (análise de padrões, substrings, palíndromos).
    • Prática: Resolva exercícios focados em arrays e strings, como encontrar subarrays com soma máxima, reversão de strings, anagramas e problemas de sliding window.
  • Dicas Importantes:
    • Ao resolver cada exercício, tente identificar se há padrões que se repetem e como otimizar a solução.

Semana 3: Listas Ligadas e Estruturas Dinâmicas

  • Objetivo: Compreender estruturas dinâmicas e a manipulação de ponteiros ou referências.
  • Atividades:
    • Estudo Teórico: Conceitos de listas encadeadas (simples e duplamente ligadas).
    • Prática: Exercícios envolvendo inserção, remoção, reversão de listas e a detecção de ciclos.
  • Dicas Importantes:
    • Visualize as estruturas desenhando diagramas simples à mão; isso ajuda na fixação dos conceitos.

Semana 4: Pilhas, Filas e Deque

  • Objetivo: Dominar o uso dessas estruturas para resolver problemas que exigem controle de ordem.
  • Atividades:
    • Estudo Teórico: Funcionamento e casos de uso para pilhas, filas e deques.
    • Prática: Exercícios sobre validação de expressões (como parênteses balanceados), avaliação de expressões e problemas que fazem uso de algoritmos de visitação.
  • Dicas Importantes:
    • Refaça os exercícios de formas diferentes para ver como pequenas alterações podem impactar a performance.

Semana 5: Recursão e Técnicas de Backtracking

  • Objetivo: Desenvolver a habilidade de pensar e implementar soluções recursivas.
  • Atividades:
    • Estudo Teórico: Conceitos de recursão, pilha de execução e backtracking para resolução de problemas.
    • Prática: Resolva problemas envolvendo geração de permutações, combinação de dados e labirintos com backtracking.
  • Dicas Importantes:
    • Escreva “tracebacks” manuais para entender a ordem de execução da sua recursão.

Semana 6: Busca e Ordenação

  • Objetivo: Revisar algoritmos clássicos de ordenação e busca, fundamentais para otimização.
  • Atividades:
    • Estudo Teórico: Bubble Sort, Merge Sort, Quick Sort e Binary Search.
    • Prática: Resolva desafios que combinem ordenação com busca, como problemas que exijam divisão e conquista.
  • Dicas Importantes:
    • Sempre compare as diferentes abordagens para um mesmo problema e discuta sobre as vantagens e desvantagens de cada algoritmo.

Semana 7: Estruturas de Dados Avançadas – Árvores

  • Objetivo: Entender a estrutura, travessias e operações em árvores.
  • Atividades:
    • Estudo Teórico: Conceitos de árvores binárias e árvores de busca binária (BSTs); métodos de travessia (inorder, preorder, postorder).
    • Prática: Resolva problemas que envolvam a busca do menor ancestral comum (LCA), inserção e remoção em BSTs e a verificação de propriedades de árvores.
  • Dicas Importantes:
    • Pratique desenhando árvores e mapeando as chamadas recursivas para visualizar as travessias.

Semana 8: Grafos

  • Objetivo: Compreender as bases dos algoritmos de grafos, que aparecem com frequência em entrevistas.
  • Atividades:
    • Estudo Teórico: Conceitos de grafos direcionados e não direcionados; profundidade de busca (DFS) e largura de busca (BFS); algoritmos para caminhos mínimos.
    • Prática: Resolva desafios que envolvam encontrar componentes conectados, ciclos, e caminhos mínimos (como Dijkstra ou BFS em grafos não ponderados).
  • Dicas Importantes:
    • Use listas de adjacência para representar grafos e pratique implementações tanto recursivas quanto iterativas.

Semana 9: Programação Dinâmica (DP)

  • Objetivo: Desenvolver uma mentalidade para identificar subproblemas que se repetem.
  • Atividades:
    • Estudo Teórico: Conceitos de memoization versus tabulação, e como reconhecer problemas passíveis de DP.
    • Prática: Exercícios clássicos – Fibonacci, knapsack, longest common subsequence, e longest increasing subsequence.
  • Dicas Importantes:
    • Crie tabelas ou diagramas para rastrear suas soluções. Isso é essencial para debugar e otimizar algoritmos dinâmicos.

Semana 10: Algoritmos Gulosos (Greedy) e Técnica de Divisão de Problemas

  • Objetivo: Aprender a identificar e aplicar soluções “gulosas” quando aplicáveis.
  • Atividades:
    • Estudo Teórico: Explorar o conceito de escolhas locais que levam à solução global, com exemplos práticos.
    • Prática: Resolva problemas como seleção de atividades, mudanças de moedas e interval scheduling, onde a abordagem greedy é eficiente.
  • Dicas Importantes:
    • Sempre questione se a solução greedy garante a otimização total. Às vezes, ela funciona impecavelmente; em outras, pode ser um ponto de partida.

Semana 11: Simulações e Revisão Integrada

  • Objetivo: Unir os conhecimentos adquiridos e aumentar a velocidade de resolução.
  • Atividades:
    • Simulações de Entrevistas: Resolva problemas com limite de tempo para simular o ambiente de uma entrevista.
    • Revisão Cruzada: Identifique os tópicos em que você tem mais dificuldade e refaça exercícios para consolidar o aprendizado.
  • Dicas Importantes:
    • Grave-se explicando suas soluções (mesmo que só para você) para melhorar a clareza na comunicação do raciocínio.

Semana 12: Revisão Final, Soft Skills e Estratégias de Entrevista

  • Objetivo: Refinar sua abordagem e preparar sua “mindset” para a entrevista.
  • Atividades:
    • Revisão Geral: Faça uma recapitulação rápida dos tópicos estudados, focando em exercícios errados ou que geraram dúvidas.
    • Comunicação do Raciocínio: Pratique “pensar em voz alta” enquanto resolve problemas, explicando passo a passo como chegar à solução.
    • Feedback e Reflexão: Se possível, participe de sessões de mock interviews ou grupos de estudo para trocar feedback.
  • Dicas Importantes:
    • Além dos algoritmos, esteja preparado para perguntas comportamentais. A clareza na comunicação e a capacidade de justificar suas escolhas são tão importantes quanto a solução em si.

Considerações Adicionais

  • Flexibilidade e Adaptabilidade: Se sentir que algum tópico precisa de mais tempo, ajuste o cronograma. A ideia é que você se sinta confortável e confiante em cada área antes de avançar.
  • Registro de Progresso: Mantenha um diário de estudos, anotando os acertos, erros e insights. Isso irá ajudar a identificar padrões nos seus desafios e a medir a evolução.
  • Diversificar Fontes: Além do HackerRank, explore outras plataformas (como LeetCode, CodeSignal ou GeeksforGeeks) e recursos teóricos (livros, vídeos, blogs) para ampliar sua visão sobre cada tópico.
  • Saúde Mental e Descanso: Lembre-se de reservar tempo para pausas e reflexão. Algoritmos exigem tanto foco quanto criatividade, e um ritmo saudável de estudo é fundamental para manter a clareza mental.

Esse plano visa não só a prática intensa de resolução de problemas, mas também a internalização da lógica e a comunicação eficaz do seu raciocínio, que são pontos cruciais em entrevistas de emprego. Se você se aprofundar em cada tópico, registrando dúvidas e reforçando as áreas mais desafiadoras, estará preparado para enfrentar tanto as questões técnicas quanto as dinâmicas das entrevistas.

Caso queira expandir ainda mais sua preparação, podemos também explorar estratégias para designar revisões rápidas de complexidade ou até mesmo integrar estudos sobre design patterns e sistemas de arquitetura—tópicos que podem surgir em processos seletivos mais avançados.

Three Sum – 3Sum

Força Bruta

1class Solution {
2    public List<List<Integer>> threeSum(int[] nums) {
3        List<List<Integer>> threeSums = new ArrayList<>();
4        
5        for (int i = 0; i < nums.length; i++) {
6            for (int j = i+1; j < nums.length; j++) {
7                for (int k = j+1; k < nums.length; k++) {
8                    if (nums[i] + nums[j] + nums[k] == 0) {
9                        List<Integer> sortedAnswer = Arrays.asList(nums[i], nums[j], nums[k]);
10                        Collections.sort(sortedAnswer);
11                        if (!threeSums.contains(sortedAnswer)) {
12                            threeSums.add(sortedAnswer);
13                        }
14                    }
15                }
16            }
17        }
18        
19        return threeSums;
20    }
21}

Complexidade de Tempo/Espaço

  • Complexidade de tempo:O(n³)
  • Complexidade do espaço: O(len(answer))(a complexidade do espaço será dimensionada de acordo com o número de trigêmeos encontrados)

Hashmap de soma dupla

1class Solution {
2    public List<List<Integer>> threeSum(int[] nums) {
3        Arrays.sort(nums);
4        List<List<Integer>> threeSums = new ArrayList<>();
5        for (int i = 0; i < nums.length; i++) {
6            if (i > 0 && nums[i] == nums[i - 1]) {
7                continue;
8            }
9            int target = -nums[i];
10            int l = i + 1, r = nums.length - 1;
11            while (l < r) {
12                if (nums[l] + nums[r] == target) {
13                    threeSums.add(Arrays.asList(nums[i], nums[l], nums[r]));
14                    l++;
15                    while (l < r && nums[l] == nums[l - 1]) {
16                        l++;
17                    }
18                } else if (nums[l] + nums[r] < target) {
19                    l++;
20                } else {
21                    r--;
22                }
23            }
24        }
25        return threeSums;
26    }
27}

Complexidade de Tempo/Espaço

  • Complexidade de tempo:O(n²)
  • Complexidade do espaço: O(n)(ou O(1)se classificado no local)

Two Sum – 2Sum

Força Bruta

1import java.util.HashMap;
2
3 class Solution {
4  public static int[] twoSum(int[] nums, int target) {
5      // 1. Iterate over every possible number pair
6      for (int i = 0; i < nums.length; i++) {
7          // j is always ahead of i so that we don't re-evaluate already evaluated sums
8          for (int j = i + 1; j < nums.length; j++) {
9              // 2. Check if a given pair adds up to our target
10              if (nums[i] + nums[j] == target) {
11                  // Return the indices when a pair has been found
12                  return new int[]{i, j};
13              }
14          }
15      }
16      // Return an empty array if no pair is found
17      return new int[]{};
18  }
19 }

Análise de Complexidade Temporal/Espaço

  • Complexidade de Tempo: O(n^2), onde né o tamanho do array. Para cada número, precisamos avaliar todos os outros números do array.

  • Complexidade do espaço: O(1), desconsiderando a entrada, todas as outras variáveis ​​têm espaço constante.

Tabela de hash

1import java.util.HashMap;
2
3 class Solution {
4  public static int[] twoSum(int[] nums, int target) {
5        // Our hash table that stores at which index the number is at
6        HashMap<Integer, Integer> numToIndex = new HashMap<>();
7        
8        // 1. Iterate over every number in the array
9        for (int i = 0; i < nums.length; i++) {
10            // 2. Calculate the complement that would sum to our target
11            int complement = target - nums[i];
12            
13            // 3. Check if that complement is in our hash table
14            if (numToIndex.containsKey(complement)) {
15                return new int[]{numToIndex.get(complement), i};
16            }
17            
18            // 4. Add the current number to our hash table
19            numToIndex.put(nums[i], i);
20        }
21        
22        // If no solution found, return an empty array
23        return new int[]{};
24    }
25 }

Complexidade de Tempo/Espaço

  • Complexidade de Tempo: O(n), onde né o tamanho do array. Iteramos sobre cada número no array e as operações de consulta/adição da tabela de hash levam um tempo constante.
  • Complexidade do Espaço: O(n), onde né o tamanho do array. Nosso mapa de hash armazena todos os números no array de entrada.

Past Tenses

Past Tenses

Simple Past

Definição

Ação finalizada no passado.

Situações de uso

Fatos concluídos
Sequência de eventos
Históricos ou rotinas

Exemplos

I watched a movie last night.
She visited Paris in 2020.
They finished the project yesterday.

Palavras-chave

yesterday
ago
last (week, year, night)
in (ano passado)

Estrutura

Sujeito + verbo regular (-ed) ou irregular (2ª coluna)

Erros comuns/dicas
Trocar regular/irregular
Esquecer “-ed”
Dica: revise a lista de verbos
Past Continuous
Definição
Ação em andamento no passado
Situações de uso
Ação interrompida por outra
Descrever contexto ou cenário no passado
Exemplos
I was studying when you called.
They were playing football at 5 p.m.
She was cooking while it was raining.
Palavras-chave
while
when
as
at (hora)
Estrutura
Sujeito + was/were + verbo-ing
Erros comuns/dicas
Trocar was/were
Esquecer “-ing” no verbo
Dica: was (I/he/she/it), were (you/we/they)
Past Perfect
Definição
Ação anterior a outra no passado
Situações de uso
Destacar o “passado do passado”
Sequência de fatos; justificar ação anterior
Exemplos
She had left before he arrived.
I had eaten when they called me.
They had finished the test before the bell rang.
Palavras-chave
before
after
by the time
already
just
Estrutura
Sujeito + had + particípio passado
Erros comuns/dicas
Esquecer particípio
Usar had + verbo no passado simples
Dica: use para deixar clara a ordem dos eventos
Past Perfect Continuous
Definição
Ação contínua ocorrendo antes de outra ação passada
Situações de uso
Destacar a duração da ação até certo ponto
Justificar motivos/efeitos visíveis no passado
Exemplos
I had been studying for two hours when you arrived.
She had been working there before she moved.
They had been waiting for the bus for thirty minutes.
Palavras-chave
for
since
until
when
all (day, morning, afternoon)
Estrutura
Sujeito + had been + verbo-ing
Erros comuns/dicas
Esquecer “been”
Confundir com Past Continuous
Dica: destaque a duração da ação antes de outro fato passado
Diferenças e Semelhanças
Simple Past vs Past Continuous
Simple Past: ação completa
Past Continuous: ação em andamento/foi interrompida
Past Perfect vs outros tempos
Past Perfect: deixa claro que a ação veio antes
Past Perfect Continuous vs outros tempos
Foco na duração antes de outro evento passado
Semelhanças
Todos referem-se a eventos no passado
Usados em narrativas do passado
Palavras-chave/Marcadores temporais
Simple Past: yesterday, ago, last, when, in (ano)
Past Continuous: while, when, as, at (hora)
Past Perfect: before, after, by the time, just, already
Past Perfect Continuous: for, since, until, when, all day
Dicas práticas gerais
Atenção à estrutura e aos marcadores
Pratique exemplos do cotidiano
Revise verbos irregulares com frequência
Não use had + verbo no passado simples, sempre particípio!

Top 100 Coding Test

HackerRank LeetCode
Two Sum
Reverse a Linked List
Merge Intervals
Longest Substring Without Repeating Characters
Binary Tree Inorder Traversal
Valid Parentheses
Search in Rotated Sorted Array
Merge Two Sorted Lists
Maximum Subarray
Word Break
Coin Change
Climbing Stairs
Subtree of Another Tree
Product of Array Except Self
Valid Anagram
Linked List Cycle
Find Minimum in Rotated Sorted Array
Combination Sum
House Robber
Longest Palindromic Substring
Word Ladder
Pow(x, n)
Rotate Image
Group Anagrams
Maximum Depth of Binary Tree
Insert Interval
Subsets
Palindromic Substrings
Minimum Path Sum
3Sum
Best Time to Buy and Sell Stock
Course Schedule
Linked List Random Node
Min Stack
Reverse Integer
Integer to Roman
Roman to Integer
Palindrome Number
Container With Most Water
Longest Valid Parentheses
Maximum Product Subarray
Search Insert Position
Unique Paths
Decode Ways
Jump Game
Word Search
Set Matrix Zeroes
Trapping Rain Water
Sudoku Solver
Spiral Order Matrix
Permutations
LRU Cache
Validate Binary Search Tree
Recover Binary Search Tree
Kth Largest Element
Merge K Sorted Lists
Flatten Nested List Iterator
Binary Tree Zigzag Level Order Traversal
Longest Consecutive Sequence
Graph Valid Tree
Course Schedule II
Valid Palindrome
Longest Common Prefix
Find Peak Element
Find the Duplicate Number
First Missing Positive
N-Queens
Minimum Window Substring
Rotate List
Word Search II
Basic Calculator
First Unique Character in a String
Serialize and Deserialize Binary Tree
Sort Colors
Find Median from Data Stream
Isomorphic Strings
Reverse Linked List II
Maximal Square
Largest Rectangle in Histogram
Binary Tree Maximum Path Sum
House Robber II
N-Queens II
Best Time to Buy and Sell Stock II
Clone Graph
Sliding Window Maximum
Merge Sorted Array
Find the Celebrities
Regular Expression Matching
Distinct Subsequences
Longest Increasing Subsequence
Palindrome Partitioning
Different Ways to Add Parentheses
Serialize and Deserialize BST
Range Sum Query
Jump Game II
Copy List with Random Pointer
Critical Connections in a Network
Coin Change 2
Path Sum
Number of Islands
Two Sum
Add Two Numbers
Longest Substring Without Repeating Characters
Median of Two Sorted Arrays
Longest Palindromic Substring
Zigzag Conversion
Reverse Integer
String to Integer (atoi)
Palindrome Number
Regular Expression Matching
Container With Most Water
Integer to Roman
Roman to Integer
Longest Common Prefix
3Sum
3Sum Closest
Letter Combinations of a Phone Number
Valid Parentheses
Merge Two Sorted Lists
Remove Nth Node From End of List
Generate Parentheses
Merge k Sorted Lists
Swap Nodes in Pairs
Reverse Nodes in k-Group
Remove Duplicates from Sorted Array
Remove Element
Implement strStr()
Divide Two Integers
Substring with Concatenation of All Words
Next Permutation
Longest Valid Parentheses
Search in Rotated Sorted Array
Find First and Last Position of Element in Sorted Array
Search Insert Position
Valid Sudoku
Sudoku Solver
Count and Say
Combination Sum
Combination Sum II
First Missing Positive
Trapping Rain Water
Multiply Strings
Jump Game
Permutations
Permutations II
Rotate Image
Group Anagrams
Pow(x, n)
N-Queens
N-Queens II
Maximum Subarray
Spiral Matrix
Jump Game II
Merge Intervals
Insert Interval
Length of Last Word
Spiral Matrix II
Set Matrix Zeroes
Search a 2D Matrix
Sort Colors
Minimum Window Substring
Search in Rotated Sorted Array II
Remove Duplicates from Sorted List
Remove Duplicates from Sorted List II
Subsets
Word Search
Climbing Stairs
Set Matrix Zeroes
Search a 2D Matrix II
Sort Colors
Minimum Path Sum
Unique Paths
Unique Paths II
Subsets II
Word Ladder
Word Ladder II
Longest Consecutive Sequence
Palindrome Partitioning
Restore IP Addresses
Distinct Subsequences
Largest Rectangle in Histogram
Maximal Rectangle
Scramble String
Interleaving String
Minimum Edit Distance
Decode Ways
Unique Binary Search Trees
Unique Binary Search Trees II
Validate Binary Search Tree
Binary Tree Maximum Path Sum
Flatten Binary Tree to Linked List
Populating Next Right Pointers in Each Node
Populating Next Right Pointers in Each Node II
Binary Tree Inorder Traversal
Binary Tree Preorder Traversal
Binary Tree Postorder Traversal
Symmetric Tree
Binary Tree Level Order Traversal
Binary Tree Zigzag Level Order Traversal
Maximum Depth of Binary Tree

 

Top 100 Algoritmos

Exemplos de algoritmos e estruturas de dados frequentemente usados em entrevistas técnicas, com explicações e exemplos para ajudar na compreensão:

Two Sum

Dado um array de inteiros, encontre dois números que somam um valor alvo específico.

Abordagem: Use um hash map para armazenar cada número do array e seu índice. Para cada número, verifique se o complemento (target – número) existe no hash map.
Exemplo: nums = [2, 7, 11, 15], target = 9. A solução é [0, 1] (porque nums[0] + nums[1] == 9).
Considerações: Ideal para demonstrar conhecimento de hash tables e otimização de tempo de execução de O(n^2) para O(n).
Reverse a Linked List: Inverta a ordem dos nós em uma linked list.

Abordagem: Use três ponteiros: prev, current e next. Itere pela lista, invertendo a direção dos ponteiros.
Exemplo: 1 -> 2 -> 3 -> 4 -> 5 torna-se 5 -> 4 -> 3 -> 2 -> 1.
Considerações: Importante para entender manipulação de ponteiros e linked lists.

Merge Intervals:

Dado uma coleção de intervalos, combine todos os intervalos sobrepostos.

Abordagem: Ordene os intervalos pelo início e, em seguida, itere sobre eles, combinando os intervalos sobrepostos.
Exemplo: [[1,3],[2,6],[8,10],[15,18]] torna-se [[1,6],[8,10],[15,18]].
Considerações: Demonstra conhecimento de algoritmos de ordenação e manipulação de intervalos.

Longest Substring Without Repeating Characters:

Encontre o comprimento da maior substring sem caracteres repetidos.

Abordagem: Use a técnica de sliding window com um hash set para rastrear os caracteres no intervalo atual.
Exemplo: Para “abcabcbb”, a resposta é 3 (“abc”).
Considerações: Útil para demonstrar otimização de algoritmos com sliding window.

Binary Tree Inorder Traversal:

Percorra uma binary tree usando a ordem inorder (esquerda, raiz, direita).

Abordagem: Use recursão ou uma pilha para implementar a travessia inorder.
Exemplo: Para uma árvore com raiz 1, esquerda 2, direita 3, a travessia inorder é 2 -> 1 -> 3.
Considerações: Fundamental para entender algoritmos de travessia de árvores.

Valid Parentheses:

Determine se uma string contendo parênteses é válida (ou seja, cada parêntese de abertura tem um parêntese de fechamento correspondente).

Abordagem: Use uma pilha para rastrear os parênteses de abertura. Quando encontrar um parêntese de fechamento, verifique se corresponde ao parêntese de abertura no topo da pilha.
Exemplo: “()[]{}” é válido, “(]” não é.
Considerações: Demonstra conhecimento de estruturas de pilha e correspondência de caracteres.

Search in Rotated Sorted Array:

Pesquise um valor em um array ordenado que foi rotacionado.

Abordagem: Use uma variação da busca binária. Encontre o ponto de rotação e, em seguida, execute a busca binária na metade apropriada do array.
Exemplo: [4,5,6,7,0,1,2], target = 0. A resposta é 4 (índice de 0).
Considerações: Demonstra conhecimento de busca binária e manipulação de arrays rotacionados.

Merge Two Sorted Lists:

Combine duas sorted linked lists em uma única sorted linked list.

Abordagem: Use um ponteiro para rastrear a cabeça da nova lista e compare os nós das duas listas para determinar qual nó adicionar à nova lista.
Exemplo: 1->2->4, 1->3->4 torna-se 1->1->2->3->4->4.
Considerações: Importante para entender manipulação de linked lists e algoritmos de ordenação.

Maximum Subarray:

Encontre a soma máxima de um subarray contíguo.

Abordagem: Use o algoritmo de Kadane, que mantém a soma máxima atual e a soma máxima até o momento.
Exemplo: [-2,1,-3,4,-1,2,1,-5,4]. A resposta é 6 ([4,-1,2,1]).
Considerações: Demonstra conhecimento de programação dinâmica e otimização de algoritmos.

Word Break:

Determine se uma string pode ser segmentada em uma sequência de palavras do dicionário.

Abordagem: Use programação dinâmica para construir uma tabela booleana indicando se cada prefixo da string pode ser segmentado.
Exemplo: s = “leetcode”, wordDict = [“leet”, “code”]. A resposta é true.
Considerações: Demonstra conhecimento de programação dinâmica e manipulação de strings.

Coin Change:

Dado um conjunto de denominações de moedas e um valor alvo, encontre o número mínimo de moedas necessárias para atingir o valor alvo.

Abordagem: Use programação dinâmica para construir uma tabela que armazena o número mínimo de moedas necessárias para cada valor de 0 ao valor alvo.
Exemplo: coins = [1, 2, 5], amount = 11. A resposta é 3 (5 + 5 + 1).
Considerações: Demonstra conhecimento de programação dinâmica e problemas de otimização.

Climbing Stairs:

Calcule o número de maneiras distintas de subir até o topo de uma escada com n degraus, onde você pode subir 1 ou 2 degraus de cada vez.

Abordagem: Use programação dinâmica. O número de maneiras de subir até o degrau n é a soma do número de maneiras de subir até o degrau n-1 e o degrau n-2.
Exemplo: Para n = 3, a resposta é 3 (1+1+1, 1+2, 2+1).
Considerações: Demonstra conhecimento de programação dinâmica e sequências de Fibonacci.

Subtree of Another Tree:

Determine se uma árvore é uma subárvore de outra árvore.

Abordagem: Percorra a árvore maior e, para cada nó, verifique se a subárvore enraizada nesse nó é idêntica à árvore menor.
Considerações: Importante para entender algoritmos de travessia de árvores e recursão.

Product of Array Except Self:

Dado um array de inteiros, retorne um novo array onde cada elemento no índice i é o produto de todos os elementos no array original, exceto o elemento no índice i.

Abordagem: Calcule os produtos prefixados e sufixados do array e, em seguida, multiplique-os para obter o resultado.
Exemplo: [1,2,3,4] torna-se [24,12,8,6].
Considerações: Demonstra conhecimento de manipulação de arrays e otimização de algoritmos.

Valid Anagram:

Determine se duas strings são anagramas uma da outra (ou seja, contêm os mesmos caracteres na mesma quantidade, mas em uma ordem diferente).

Abordagem: Use um hash map para contar a frequência de cada caractere em ambas as strings. Se os hash maps forem iguais, as strings são anagramas.
Exemplo: “anagram” e “nagaram” são anagramas.
Considerações: Demonstra conhecimento de hash maps e manipulação de strings.

Linked List Cycle:

Determine se uma linked list contém um ciclo.

Abordagem: Use o algoritmo da lebre e da tartaruga (dois ponteiros, um movendo-se duas vezes mais rápido que o outro). Se houver um ciclo, os ponteiros se encontrarão.
Considerações: Importante para entender manipulação de linked lists e algoritmos de detecção de ciclos.

Find Minimum in Rotated Sorted Array:

Encontre o elemento mínimo em um array ordenado que foi rotacionado.

Abordagem: Use uma variação da busca binária. Compare o elemento do meio com o elemento mais à direita para determinar qual metade do array contém o mínimo.
Considerações: Demonstra conhecimento de busca binária e manipulação de arrays rotacionados.

Combination Sum:

Dado um conjunto de números candidatos e um valor alvo, encontre todas as combinações únicas dos números candidatos que somam o valor alvo.

Abordagem: Use backtracking para explorar todas as combinações possíveis dos números candidatos.
Considerações: Demonstra conhecimento de backtracking e algoritmos de busca.

House Robber:

Dado um array de inteiros representando os valores das casas ao longo de uma rua, determine o valor máximo que você pode roubar sem roubar duas casas adjacentes.

Abordagem: Use programação dinâmica para construir uma tabela que armazena o valor máximo que você pode roubar até cada casa.
Considerações: Demonstra conhecimento de programação dinâmica e problemas de otimização.

Longest Palindromic Substring:

Encontre a substring palindrômica mais longa em uma determinada string.

Abordagem: Use programação dinâmica ou expanda ao redor do centro para encontrar a substring palindrômica mais longa.
Considerações: Demonstra conhecimento de programação dinâmica e manipulação de strings.

Word Ladder:

Dado uma palavra inicial, uma palavra final e um dicionário de palavras, encontre o comprimento da sequência de transformação mais curta da palavra inicial para a palavra final, usando apenas palavras do dicionário e alterando apenas uma letra de cada vez.

Abordagem: Use a busca em largura (BFS) para explorar o espaço de busca de palavras possíveis.
Considerações: Demonstra conhecimento de algoritmos de busca em grafos e manipulação de strings.
Pow(x, n): Implemente a função para calcular x elevado à potência n.

Abordagem: Use recursão e divida e conquiste para calcular a potência de forma eficiente.
Considerações: Demonstra conhecimento de recursão e algoritmos de divisão e conquista.

Rotate Image:

Gire uma matriz quadrada (imagem) 90 graus no sentido horário.

Abordagem: Inverta a matriz ao longo da diagonal principal e, em seguida, inverta cada linha.
Considerações: Demonstra conhecimento de manipulação de matrizes e operações in-place.

Group Anagrams:

Dado um array de strings, agrupe os anagramas juntos.

Abordagem: Use um hash map para mapear cada string para sua versão ordenada. Todas as strings que são anagramas umas das outras terão a mesma versão ordenada.
Considerações: Demonstra conhecimento de hash maps e manipulação de strings.

Maximum Depth of Binary Tree:

Encontre a profundidade máxima de uma binary tree.

Abordagem: Use recursão para percorrer a árvore e calcular a profundidade de cada nó. A profundidade máxima é a profundidade máxima de qualquer nó na árvore.
Considerações: Fundamental para entender algoritmos de travessia de árvores e recursão.

Insert Interval:

Dado uma lista de intervalos não sobrepostos, insira um novo intervalo na lista.

Abordagem: Encontre a posição correta para inserir o novo intervalo e, em seguida, combine quaisquer intervalos sobrepostos.
Considerações: Demonstra conhecimento de manipulação de intervalos e algoritmos de ordenação.

Subsets:

Dado um conjunto de números distintos, retorne todos os subconjuntos possíveis.

Abordagem: Use backtracking para gerar todos os subconjuntos possíveis.
Considerações: Demonstra conhecimento de backtracking e algoritmos de busca.

Palindromic Substrings:

Dado uma string, conte o número de substrings palindrômicas.

Abordagem: Use programação dinâmica ou expanda ao redor do centro para encontrar todas as substrings palindrômicas.
Considerações: Demonstra conhecimento de programação dinâmica e manipulação de strings.

Minimum Path Sum:

Dado uma grade de números não negativos, encontre um caminho da parte superior esquerda para a parte inferior direita que minimize a soma de todos os números ao longo do caminho.

Abordagem: Use programação dinâmica para construir uma tabela que armazena a soma mínima do caminho até cada célula na grade.
Considerações: Demonstra conhecimento de programação dinâmica e problemas de otimização.

3Sum:

Dado um array de inteiros, encontre todos os triplos únicos que somam zero.

Abordagem: Ordene o array e, em seguida, itere sobre ele. Para cada elemento, use dois ponteiros para encontrar os dois outros elementos que somam zero.
Considerações: Demonstra conhecimento de algoritmos de ordenação e manipulação de arrays.

Find Peak Element:

Encontre um elemento de pico em um array. Um elemento de pico é um elemento que é maior que seus vizinhos.

Abordagem: Use busca binária para encontrar um elemento de pico.
Considerações: Demonstra conhecimento de busca binária e manipulação de arrays.

Serialize and Deserialize Binary Tree:

Serialize uma binary tree em uma string e, em seguida, desserialize a string de volta em uma binary tree.

Abordagem: Use uma travessia pré-ordem ou pós-ordem para serializar a árvore. Use a mesma travessia para desserializar a árvore.
Considerações: Importante para entender algoritmos de travessia de árvores e serialização/desserialização de dados.

Partition Equal Subset Sum:

Dado um array de inteiros, determine se o array pode ser particionado em dois subconjuntos com somas iguais.

Abordagem: Use programação dinâmica para construir uma tabela que armazena se cada soma possível pode ser alcançada usando um subconjunto dos números no array.
Considerações: Demonstra conhecimento de programação dinâmica e problemas de otimização.

Sort Colors:

Dado um array de cores (representadas por 0, 1 e 2), ordene as cores in-place.

Abordagem: Use o algoritmo de partição de três vias para ordenar as cores.
Considerações: Demonstra conhecimento de algoritmos de ordenação e operações in-place.

Letter Combinations of a Phone Number:

Dado um número de telefone, retorne todas as combinações de letras possíveis que o número pode representar.

Abordagem: Use backtracking para gerar todas as combinações possíveis de letras.
Considerações: Demonstra conhecimento de backtracking e algoritmos de busca.

Best Time to Buy and Sell Stock:

Dado um array de preços de ações, encontre o lucro máximo que você pode obter comprando e vendendo uma ação uma vez.

Abordagem: Mantenha o controle do preço mínimo e do lucro máximo. Itere sobre o array e atualize o preço mínimo e o lucro máximo conforme necessário.
Considerações: Demonstra conhecimento de problemas de otimização e manipulação de arrays.

Top K Frequent Elements:

Dado um array de inteiros, retorne os k elementos mais frequentes.

Abordagem: Use um hash map para contar a frequência de cada elemento. Em seguida, use uma fila de prioridade para armazenar os k elementos mais frequentes.
Considerações: Demonstra conhecimento de hash maps, filas de prioridade e algoritmos de ordenação.

Kth Largest Element in an Array:

Encontre o k-ésimo maior elemento em um array.

Abordagem: Use o algoritmo quickselect para encontrar o k-ésimo maior elemento.
Considerações: Demonstra conhecimento de algoritmos de seleção e manipulação de arrays.

Unique Paths:

Dado uma grade de m x n, encontre o número de caminhos únicos da parte superior esquerda para a parte inferior direita.

Abordagem: Use programação dinâmica para construir uma tabela que armazena o número de caminhos únicos até cada célula na grade.
Considerações: Demonstra conhecimento de programação dinâmica e problemas de otimização.

Longest Common Subsequence:

Encontre a subsequência comum mais longa de duas strings.

Abordagem: Use programação dinâmica para construir uma tabela que armazena o comprimento da subsequência comum mais longa de cada par de prefixos das duas strings.
Considerações: Demonstra conhecimento de programação dinâmica e manipulação de strings.

Implement Trie (Prefix Tree):

Implemente uma estrutura de dados trie (árvore de prefixos).

Abordagem: Use um nó para representar cada caractere em um prefixo. Cada nó tem um ponteiro para seus filhos e um sinalizador que indica se o nó representa o final de uma palavra.
Considerações: Importante para entender estruturas de dados de árvores e manipulação de strings.

Binary Search:

Implemente o algoritmo de busca binária.

Abordagem: Compare o valor alvo com o elemento do meio do array. Se o valor alvo for menor que o elemento do meio, pesquise na metade esquerda do array. Se o valor alvo for maior que o elemento do meio, pesquise na metade direita do array.
Considerações: Fundamental para entender algoritmos de busca e manipulação de arrays.

Flood Fill:

Dado uma imagem e uma coordenada inicial, preencha a região conectada da imagem com uma nova cor.

Abordagem: Use a busca em profundidade (DFS) ou a busca em largura (BFS) para percorrer a região conectada e preenchê-la com a nova cor.
Considerações: Demonstra conhecimento de algoritmos de busca em grafos e manipulação de matrizes.

Course Schedule:

Dado uma lista de cursos e seus pré-requisitos, determine se é possível concluir todos os cursos.

Abordagem: Use a detecção de ciclos em grafos. Construa um grafo onde cada nó representa um curso e cada aresta representa um pré-requisito. Se o grafo contiver um ciclo, não é possível concluir todos os cursos.
Considerações: Demonstra conhecimento de algoritmos de grafos e detecção de ciclos.

Lowest Common Ancestor of a Binary Search Tree:

Encontre o ancestral comum mais baixo de dois nós em uma binary search tree.

Abordagem: Percorra a árvore. Se ambos os nós estiverem na subárvore esquerda, o ancestral comum mais baixo está na subárvore esquerda. Se ambos os nós estiverem na subárvore direita, o ancestral comum mais baixo está na subárvore direita. Caso contrário, o nó atual é o ancestral comum mais baixo.
Considerações: Importante para entender algoritmos de travessia de árvores e propriedades de binary search trees.

Basic Calculator II:

Implemente uma calculadora básica para avaliar expressões de string.

Abordagem: Use uma pilha para armazenar os operandos e operadores. Itere sobre a string e execute as operações na ordem correta.
Considerações: Demonstra conhecimento de estruturas de pilha e manipulação de strings.

Jump Game:

Dado um array de inteiros, onde cada elemento representa o número máximo de degraus que você pode dar para frente, determine se você pode chegar ao último índice.

Abordagem: Mantenha o controle do índice mais distante que você pode alcançar. Itere sobre o array e atualize o índice mais distante conforme necessário. Se você puder alcançar o último índice, retorne true. Caso contrário, retorne false.
Considerações: Demonstra conhecimento de problemas de otimização e manipulação de arrays.

Zigzag Conversion:

Converta uma string em um padrão em zigue-zague com um determinado número de linhas.

Abordagem: Itere sobre a string e adicione cada caractere à linha apropriada. Em seguida, concatene as linhas para obter a string convertida.
Considerações: Demonstra conhecimento de manipulação de strings e padrões.

Set Matrix Zeroes:

Dado uma matriz, se um elemento for 0, defina toda a sua linha e coluna como 0.

Abordagem: Use o primeiro elemento de cada linha e coluna para rastrear se a linha ou coluna deve ser definida como 0.
Considerações: Demonstra conhecimento de manipulação de matrizes e operações in-place.

Permutations:

Dado um array de números distintos, retorne todas as permutações possíveis.

Abordagem: Use backtracking para gerar todas as permutações possíveis.
Considerações: Demonstra conhecimento de backtracking e algoritmos de busca.

LRU Cache:

Designe uma cache LRU (Least Recently Used).

Abordagem: Use uma combinação de um hash map e uma doubly linked list. O hash map armazena os pares chave-valor e a doubly linked list rastreia a ordem em que as chaves foram acessadas.
Considerações: Demonstra conhecimento de hash maps, linked lists e design de estruturas de dados.

N-Queens:

Resolva o problema das N-Rainhas. Coloque N rainhas em um tabuleiro de xadrez de N x N para que nenhuma rainha ataque outra.

Abordagem: Use backtracking para explorar todas as possíveis colocações das rainhas.
Considerações: Demonstra conhecimento de backtracking e algoritmos de busca.

Find Median from Data Stream:

Designe uma estrutura de dados que possa encontrar a mediana de um fluxo de dados.

Abordagem: Use duas filas de prioridade: uma fila máxima para armazenar a metade inferior dos dados e uma fila mínima para armazenar a metade superior dos dados.
Considerações: Demonstra conhecimento de filas de prioridade e design de estruturas de dados.

Maximum Product Subarray:

Encontre o produto máximo de um subarray contíguo.

Abordagem: Mantenha o controle do produto máximo atual, do produto mínimo atual e do produto máximo até o momento. Itere sobre o array e atualize os produtos conforme necessário.
Considerações: Demonstra conhecimento de problemas de otimização e manipulação de arrays.

Binary Tree Maximum Path Sum:

Encontre a soma máxima do caminho em uma binary tree.

Abordagem: Use recursão para percorrer a árvore e calcular a soma máxima do caminho para cada nó. A soma máxima do caminho é a soma máxima do caminho de qualquer nó na árvore.
Considerações: Importante para entender algoritmos de travessia de árvores e recursão.

Search a 2D Matrix:

Pesquise um valor em uma matriz 2D ordenada.

Abordagem: Use busca binária para encontrar a linha que pode conter o valor alvo. Em seguida, use busca binária novamente para encontrar o valor alvo na linha.
Considerações: Demonstra conhecimento de busca binária e manipulação de matrizes.

Valid Sudoku:

Determine se um tabuleiro de Sudoku é válido.

Abordagem: Verifique se cada linha, coluna e bloco 3×3 contém os dígitos de 1 a 9 sem repetição.
Considerações: Demonstra conhecimento de manipulação de matrizes e restrições.

Container with Most Water:

Dado um array de inteiros que representam as alturas das linhas verticais, encontre o contêiner que pode conter mais água.

Abordagem: Use dois ponteiros, um no início do array e outro no final do array. Mova o ponteiro com a menor altura em direção ao centro do array. Calcule a área do contêiner em cada etapa e atualize a área máxima conforme necessário.
Considerações: Demonstra conhecimento de problemas de otimização e manipulação de arrays.

Design Add and Search Words Data Structure:

Designe uma estrutura de dados que suporte adicionar novas palavras e pesquisar palavras que correspondam a um padrão.

Abordagem: Use uma trie (árvore de prefixos) para armazenar as palavras. Use a busca em profundidade (DFS) para pesquisar palavras que correspondam a um padrão.
Considerações: Demonstra conhecimento de estruturas de dados de árvores e algoritmos de busca.

Task Scheduler:

Dado um array de tarefas e um número inteiro n, encontre o número mínimo de unidades de tempo necessárias para concluir todas as tarefas.

Abordagem: Calcule a frequência de cada tarefa. O número mínimo de unidades de tempo é o número de vezes que a tarefa mais frequente precisa ser executada, mais o número de vezes que as outras tarefas precisam ser executadas.
Considerações: Demonstra conhecimento de problemas de otimização e manipulação de arrays.

Find the Duplicate Number:

Dado um array de inteiros contendo n + 1 inteiros onde cada inteiro está entre 1 e n (inclusive), prove que pelo menos um número duplicado deve existir. Suponha que haja apenas um número duplicado, encontre o número duplicado.

Abordagem: Use o algoritmo da lebre e da tartaruga (detecção de ciclo de Floyd).
Considerações: Demonstra conhecimento de algoritmos de detecção de ciclos e manipulação de arrays.

Maximum Width of Binary Tree:

Dado uma binary tree, escreva uma função para obter a largura máxima da árvore. A largura de uma linha é definida como o número de nós entre os dois nós não nulos mais distantes, que podem ser após o valor nulo.

Abordagem: Use a busca em largura (BFS) e atribua um índice a cada nó com base em sua posição.
Considerações: Demonstra conhecimento de algoritmos de travessia de árvores e manipulação de dados.

Evaluate Reverse Polish Notation:

Avalie o valor de uma expressão de Notação Polonesa Reversa (RPN), também conhecida como notação pós-fixada.

Abordagem: Use uma pilha para armazenar os operandos. Quando encontrar um operador, retire os dois operandos do topo da pilha, execute a operação e coloque o resultado de volta na pilha.
Considerações: Demonstra conhecimento de estruturas de pilha e manipulação de strings.

Spiral Matrix:

Dado uma matriz m x n, retorne todos os elementos da matriz em ordem espiral.

Abordagem: Mantenha o controle dos limites da matriz. Itere sobre a matriz em ordem espiral e atualize os limites conforme necessário.
Considerações: Demonstra conhecimento de manipulação de matrizes e padrões.

Surrounded Regions:

Dado uma matriz m x n de caracteres, capture todas as regiões ‘O’ que estão cercadas por ‘X’.

Abordagem: Percorra a borda da matriz. Para cada ‘O’ na borda, use a busca em profundidade (DFS) para marcar todas as regiões conectadas ‘O’ como ‘T’. Em seguida, itere sobre a matriz novamente. Converta todos os ‘O’ restantes em ‘X’ e todos os ‘T’ em ‘O’.
Considerações: Demonstra conhecimento de algoritmos de busca em grafos e manipulação de matrizes.

Valid Palindrome:

Dado uma string, determine se é um palíndromo, considerando apenas caracteres alfanuméricos e ignorando maiúsculas e minúsculas.

Abordagem: Use dois ponteiros, um no início da string e outro no final da string. Mova os ponteiros em direção ao centro da string, ignorando caracteres não alfanuméricos. Compare os caracteres em cada etapa. Se os caracteres forem diferentes, a string não é um palíndromo.
Considerações: Demonstra conhecimento de manipulação de strings e padrões.

Jump Game II:

Dado um array de inteiros, onde cada elemento representa o número máximo de degraus que você pode dar para frente, encontre o número mínimo de degraus necessários para chegar ao último índice.

Abordagem: Use uma abordagem gananciosa. Mantenha o controle do índice mais distante que você pode alcançar e o número de degraus que você deu. Itere sobre o array e atualize o índice mais distante e o número de degraus conforme necessário.
Considerações: Demonstra conhecimento de problemas de otimização e manipulação de arrays.

LRU Cache:

(Repetição do item 51, mantido para manter a sequência original) Designe uma cache LRU (Least Recently Used).

Abordagem: Use uma combinação de um hash map e uma doubly linked list. O hash map armazena os pares chave-valor e a doubly linked list rastreia a ordem em que as chaves foram acessadas.
Considerações: Demonstra conhecimento de hash maps, linked lists e design de estruturas de dados.

Longest Consecutive Sequence:

Dado um array de inteiros, encontre o comprimento da sequência consecutiva mais longa.

Abordagem: Use um hash set para armazenar todos os números no array. Itere sobre o array e, para cada número, verifique se é o início de uma sequência consecutiva. Se for, encontre o comprimento da sequência.
Considerações: Demonstra conhecimento de hash sets e manipulação de arrays.

Remove Nth Node From End of List:

Dado uma linked list, remova o n-ésimo nó do final da lista e retorne a cabeça da lista.

Abordagem: Use dois ponteiros. Mova o primeiro ponteiro n nós para frente. Em seguida, mova ambos os ponteiros até que o primeiro ponteiro chegue ao final da lista. Remova o nó apontado pelo segundo ponteiro.
Considerações: Importante para entender manipulação de linked lists.

Integer to Roman:

Converta um inteiro em um numeral romano.

Abordagem: Use um hash map para armazenar os valores dos numerais romanos. Itere sobre os numerais romanos em ordem decrescente e subtraia o valor do numeral romano do inteiro até que o inteiro seja 0.
Considerações: Demonstra conhecimento de hash maps e manipulação de números.

Roman to Integer:

Converta um numeral romano em um inteiro.

Abordagem: Use um hash map para armazenar os valores dos numerais romanos. Itere sobre o numeral romano e adicione o valor de cada numeral romano ao inteiro. Se o valor do numeral romano atual for menor que o valor do próximo numeral romano, subtraia o valor do numeral romano atual do inteiro.
Considerações: Demonstra conhecimento de hash maps e manipulação de números.

String to Integer (atoi):

Abordagem: Ignore espaços em branco, leia o sinal (se houver) e converta os caracteres numéricos subsequentes em um número inteiro.
Considerações: Lide com sobrecarga e valores fora do intervalo.

Zigzag Conversion:

Abordagem: Crie linhas que armazenem caracteres enquanto percorrem a string em zigue-zague, depois concatene os resultados.
Considerações: Evidencia manipulação de índices e padrões.

Multiply Strings:

Abordagem: Simule multiplicação manual, acumulando resultados parciais antes de somar.
Considerações: Desafio em otimizar manipulação de strings.

Median of Two Sorted Arrays:

Abordagem: Use busca binária para encontrar a mediana de forma eficiente.
Considerações: Demonstra habilidade em busca binária em contextos complexos.

Longest Increasing Subsequence:

Abordagem: Use programação dinâmica ou algoritmo de paciência para encontrar a sequência.
Considerações: Identificação de subsequências e otimização.

Reverse Nodes in k-Group:

Abordagem: Inverta nós de k em k numa lista ligada.
Considerações: Conhecimento aprofundado de manipulação de linked lists.

Word Search:

Abordagem: Use backtracking para verificar a presença de uma palavra em uma grade de caracteres.
Considerações: Algoritmos de busca em matrizes.

Edit Distance:

Abordagem: Use programação dinâmica para calcular a menor edição para transformar uma string em outra.
Considerações: Problemas de transformação e distâncias mínimas.

Minimum Window Substring:

Abordagem: Use a técnica de sliding window para encontrar o menor substrato que contém todos os caracteres.
Considerações: Manipulação de substrings e otimização.

Kth Largest Element in an Array:

Abordagem: Use heap ou Quickselect para eficiência.
Considerações: Algoritmos de ordenação e seleção.

Trapping Rain Water:

Abordagem: Use dois ponteiros para calcular a água retida entre colunas.
Considerações: Análise de problemas de espaço e volume.

Binary Search Tree Iterator:

Abordagem: Use uma pilha para implementar a travessia em ordem.
Considerações: Orthogonalidade em travessias de árvores.

Clone Graph:

Abordagem: Use busca em profundidade ou largura para clonar o gráfico.
Considerações: Estruturas de dados e clonagem.

Longest Common Subsequence:

Abordagem: Use programação dinâmica para encontrar a subsequência comum mais longa entre duas strings.
Considerações: Sequências e problemas de alinhamento.

Graph Valid Tree:

Abordagem: Verifique conectividade e aciclicidade usando BFS ou DFS.
Considerações: Estrutura de grafos e validez de árvores.

Game of Life:

Abordagem: Simule as transições de células vivas e mortas em uma matriz.
Considerações: Manipulação de matrizes e simulação.

Number of Islands:

Abordagem: Use BFS ou DFS para contar e marcar as ilhas em uma matriz.
Considerações: Conectividade em 2D.

Lowest Common Ancestor of a Binary Tree:

Abordagem: Use recursão para localizar o ancestral comum.
Considerações: Travessia de árvores e aninhamento.

Decode Ways:

Abordagem: Use programação dinâmica para calcular maneiras de decodificar uma string numérica em letras.
Considerações: Problemas de mapeamento e interpretação.

House Robber II:

Abordagem: Use programação dinâmica, considerando casas organizadas em um círculo.
Considerações: Otimização de problemas cíclicos.

Randomized Set:

Abordagem: Use uma combinação de array e hash map para permitir operações de tempo constante.
Considerações: Estruturas de dados de conjunto.

Sliding Window Maximum:

Abordagem: Use um deque para obter máximos em um intervalo deslizante.
Considerações: Algoritmos de janelas deslizantes.

Merge K Sorted Lists:

Abordagem: Use uma fila de prioridade para mesclar as listas eficientemente.
Considerações: Estruturas de dados de filas de prioridade.

Binary Tree Right Side View:

Abordagem: Use BFS para capturar a visão direita de uma árvore.
Considerações: Visualização e travessia de árvores.

Palindrome Partitioning:

Abordagem: Use backtracking para encontrar todas as partições palindrômicas possíveis.
Considerações: Particionamento e reconhecimento de padrões.

Vertical Order Traversal of a Binary Tree:

Abordagem: Use BFS com coordenadas para imprimir a ordem vertical.
Considerações: Visualização em árvores e coordenadas.

Peeking Iterator:

Abordagem: Adapte um iterador para permitir espiar o próximo elemento.
Considerações: Manipulação de iteradores.

Kth Smallest Element in a BST: –

Abordagem: Use in-order traversal para encontrar o k-ésimo elemento. – Considerações: Ordem de árvores binárias e travessia.

ThreeSum – 3Sum

Python

# 3Sum
nums = [-1, 0, 1, 2, -1, -4]
result = []
nums.sort()
print(nums)
r=len(nums)-1
for i in range(len(nums)-2):
   l = i + 1 # we don't want l and i to be the same value.
   # for each value of i, l starts one greater
   # and increments from there.
   while (l < r):
      sum_ = nums[i] + nums[l] + nums[r]
      if (sum_ < 0):
         l = l + 1
      elif (sum_ > 0):
         r = r - 1
      else: # 0 is False in a boolean context
         result.append([nums[i],nums[l],nums[r]])
         l = l + 1 # increment l when we find a combination that works
print(result)

Java

class Solution {
2    public List<List<Integer>> threeSum(int[] nums) {
3        Arrays.sort(nums);
4        List<List<Integer>> threeSums = new ArrayList<>();
5        for (int i = 0; i < nums.length; i++) {
6            if (i > 0 && nums[i] == nums[i - 1]) {
7                continue;
8            }
9            int target = -nums[i];
10            int l = i + 1, r = nums.length - 1;
11            while (l < r) {
12                if (nums[l] + nums[r] == target) {
13                    threeSums.add(Arrays.asList(nums[i], nums[l], nums[r]));
14                    l++;
15                    while (l < r && nums[l] == nums[l - 1]) {
16                        l++;
17                    }
18                } else if (nums[l] + nums[r] < target) {
19                    l++;
20                } else {
21                    r--;
22                }
23            }
24        }
25        return threeSums;
26    }

Javascript

const threeSum = (nums) => {
2  const sortedNums = nums.sort((a, b) => a - b);
3  const threeSums = [];
4  for (let i = 0; i < nums.length; i++) {
5    // avoid duplicates
6    if (i > 0 && sortedNums[i] === sortedNums[i - 1]) {
7      continue;
8    }
9    const target = -sortedNums[i];
10    let [l, r] = [i + 1, sortedNums.length - 1];
11    while (l < r) {
12      if (sortedNums[l] + sortedNums[r] === target) {
13        threeSums.push([sortedNums[i], sortedNums[l], sortedNums[r]]);
14        l += 1;
15        // avoid duplicates again
16        while (l < r && sortedNums[l] === sortedNums[l - 1]) {
17          l += 1;
18        }
19      } else if (sortedNums[l] + sortedNums[r] < target) {
20        l += 1;
21      } else {
22        r -= 1;
23      }
24    }
25  }
26  return threeSums;
27};

 

Fontes:

https://interviewing.io/questions/three-sum