アルゴリズム･データ構造･計算量等を勉強することはどう言ったメリットがありますか？
正直今の時代sortメソッド使ったりそれこそAIに聞けば簡単にアルゴリズム処理できると思うのですが、、
既存のメソッドや考え方を使っただけではダメな時もあるのでしょうか？
実際に酒井さんがsplunkで働いていた時や今の会社では計算量とかを気にしたことはありましたか？
また気にした時にメソッド使えば解決したのかAIにやってもらったのか、どのようにして解決しましたか？

Question

酒井潤 · Accepted Answer

個人的には、アルゴリズムやデータ構造を勉強する最大のメリットは、「コンピュータが何に時間を使っているのか」を理解できるようになることだと思っています。

確かに今は sort() もありますし、AIに聞けばコードも書いてくれます。

なので日常的なCRUD開発だけをしていると、「本当に必要なのかな」と思う気持ちはよく分かります。

ただ、実務で問題になるのは「動くかどうか」ではなく、「その処理がどれくらいの規模まで耐えられるか」であることが多いです。

例えば100件のデータなら問題なくても、100万件、1000万件になった瞬間に急に遅くなることがあります。

その時に必要なのはアルゴリズムの暗記ではなく、「これは計算量が悪そうだな」という感覚です。

Splunkにいた頃は、まさにそういう世界でした。

大量のログデータを扱うので、少しの実装の違いで数秒だった処理が数分になったり、メモリ使用量が何倍にもなったりします。

なので計算量を気にすることは普通にありました。

ただ、毎日ホワイトボードでアルゴリズム問題を解いていたわけではありません。

例えば処理が遅い時は、本当に全部走査する必要があるのか、ハッシュテーブルを使えないか、ソートを減らせないか、キャッシュできないか、データ構造を変えられないか、といったことを考えます。

その時にアルゴリズムやデータ構造の知識が役立ちます。

あと実際の現場では、自分でアルゴリズムを発明することはほとんどありません。

大半は既存ライブラリや既存アルゴリズムを使います。

なので「アルゴリズムを実装できること」より、「どのアルゴリズムを選ぶべきか」が重要です。

最近ならAIも使います。

AIに「この処理遅いんだけど改善案ある？」と聞くこともできます。

ただ、AIの提案が正しいかどうかを判断するには、結局アルゴリズムや計算量の知識が必要になります。

個人的には、アルゴリズム学習の価値はコードを書くことよりも、「この処理は危なそう」「この実装なら大丈夫そう」というエンジニアとしての勘を育てることだと思っています。

だからLeetCodeの問題そのものを仕事で使うことは少なくても、その背景にある考え方は今でも役に立っています。

また、実務だけで考えるのではなく、面接対策だと思って取り組むのも良いと思います。

特に海外企業やビッグテックでは、今でもアルゴリズムやデータ構造の面接が行われています。

実際の仕事で毎日二分探索や動的計画法を書くわけではありませんが、会社側はそれを通して問題解決能力や学習能力を見ています。

なので、「実務で使うか使わないか」だけで判断するのではなく、「将来の選択肢を広げるための共通試験の勉強」と考えるのも一つの考え方だと思います。

特に海外転職や高年収帯の企業を視野に入れているのであれば、アルゴリズム・データ構造の勉強は十分リターンのある投資だと思います。AI時代になっても、「なぜその解法が速いのか」「なぜそのデータ構造を選ぶのか」を理解できる人の価値は残ると思っています。