Kuna andmeteadus seisneb tegelike probleemide käsitlemises, on mõistlik, et mõned oskused on nende pidevalt arenevas tööriistakomplektis kasulikud vahendid.
Iga tulevane andmeteadlane peaks oma hariduse osana keskenduma arvutuslikule mõtlemisele, kuna see õpetab põhilisi arvutiteaduse ideid ja kuidas läheneda keerukatele probleemidele abstraktsiooni ja dekonstrueerimise kaudu.
Arvutuslik mõtlemine on digitaalse tehnoloogia ajastul ülioluline võime mitte ainult pürgivate andmeteadlaste jaoks, vaid ka kõigile, kes soovivad arvutusmaailmas osaleda.
Et olla valmis tööturu arenguks ja töö tulevikuks, mida kujundab läbiv automatiseerimine, tehisintellekti, ja masinõpe, on hädavajalik rõhutada arvutusliku mõtlemise võimet kui hariduse ja professionaalse arengu võtmekomponenti.
Selles artiklis käsitleme üksikasjalikult arvutuslikku mõtlemist, hõlmates selle elemente, väärtust ja palju muud.
Niisiis, mis on arvutuslik mõtlemine?
Arvutuslik mõtlemine, tuntud ka kui algoritmiline mõtlemine, on metoodiline tehnika keeruka probleemi lahendamiseks, jagades selle väiksemateks ja lihtsamateks protsessideks, mida saab teha arvuti või masin.
Probleemi lahendamisel on ülioluline, et arvuti saaks protsessi läbi viia, kuna see tähendab, et vastust saab rakendada sarnastele probleemidele ka muudes kontekstides.
Arvutuslik mõtlemine hõlmab agiilse, uuendusliku ja paindliku suhtumise omaksvõtmist, et väljakutsete ja võimalike lahendustega võimalikult tõhusalt läbi töötada, samuti andmete edukat kasutamist ja analüüsimist.
Mõiste "arvutuslik mõtlemine" pärineb arvutiteadlaste mõtteviisist, kuid nüüd peetakse seda mõtteviisiks, mida igaüks saab kasutada oma isikliku või tööelu probleemide lahendamisel.
Seetõttu ei ole eesmärk kasutada mõtlemist, mis sarnaneb masina mõtlemisega, vaid pigem luua arvutiteadlaste poolt tavaliselt kasutatavaid probleemide lahendamise strateegiaid.
Arvutuslik mõtlemine on andmeteadlaste jaoks ülioluline tööriist, kuna seda saab kasutada paljude kvantitatiivsete ja andmemahukate probleemide lahendamiseks.
Seda meetodit saab kasutada probleemide lahendamiseks erinevates valdkondades, sealhulgas matemaatikas ja tehisintellektis. See lähenemisviis kasutab ka Pythoni programmeerimiskeelt, mida kasutatakse vastuse esitamiseks arvutis statistilise analüüsi etapis.
Miks on arvutuslik mõtlemine hädavajalik?
Neid probleemide lahendamise meetodeid saab arvutuslikku mõtlemist kasutades rakendada paljudel teemadel. Lisaks on võimeid, mida arvutuslik mõtlemine jagab teistes STEM-valdkondades, samuti kunstides, sotsiaalteadustes ja humanitaarteadustes kasutatavatega.
Arvutuslik mõtlemine soodustab arvutite võimsuse kasutamist väljaspool ekraani ja klaviatuuri. Lisaks võib see aidata meil parandada arvutiteaduse hariduse võrdsust.
Saame soodustada arvutiteaduse integreerimist teiste ainevaldkondadega ja tutvustada rohkem õpilastele arvutiteaduse potentsiaali, keskendudes selle keskmes olevatele probleemide lahendamise oskustele.
Lisaks võimaldab arvutuslik mõtlemine meil uurida tehnoloogia potentsiaali ja piiranguid selle tootmise ajal.
Saame hinnata, kes ja miks tehnoloogiat arendavad, ning kriitiliselt mõelda, kuidas see ühiskonda mõjutada võib.
Arvutusliku mõtlemise põhikomponendid
1. Lagunemine
Dekompositsioon on arvutusliku mõtlemise põhielement. Probleemi lahendamise hõlbustamiseks tuleb selles etapis jagada see väiksemateks komponentideks.
Probleemi on seda lihtsam parandada, mida rohkem saate seda lahata. Kasuliku lagunemispraktikana saab jalgratta osi lahti võtta. Jalgratta raami, rattaid, juhtraua ja hammasrattaid saab esialgu lahti võtta.
Siiski võite iga komponendi veelgi jagada komponentideks. Näiteks võib tehisintellekti jagada veel masinõppeks, süvaõppeks, arvutinägemiseks ja loomuliku keele töötlemiseks.
See samm aitab teil luua ka sügavamaid teadmisi probleemist, tuvastades põhjalikult kõik komponendid.
2. Mustri äratundmine
Teises etapis, mida nimetatakse mustrituvastuseks, leitakse probleemi ühised jooned ja suundumused.
On suur tõenäosus, et neid saab käsitleda sarnaste või korduvate protseduuride abil, kui teatud raskused on oma olemuselt sarnased – nii praegu käsitletava kui ka varasemate probleemide puhul.
See on ülioluline element tõhusate lahenduste väljatöötamiseks ja lõpuks teie aja säästmiseks.
Mõelge järgmisele stsenaariumile: teil palutakse välja töötada väike programm, mis joonistab ruudu. Selle asemel, et neli korda järjest välja kirjutada, võib joone tõmbamise ja pliiatsi 90 kraadi pööramise mustrit korrata neli korda silmuses.
Mustri tuvastamine on kriitiline talent probleemidele tõhusate ja tulemuslike lahenduste väljatöötamisel.
3. Abstraktsioon
Lahenduse oluliste elementide tuvastamine toimub abstraktsiooni kolmandas etapis.
See nõuab suutlikkust probleemi üleliigsed osad välja filtreerida, nii et keskenduksite lihtsalt olulistele elementidele, mitte ei vaata täpseid üksikasju.
Teine suurepärane näide on see, et kui tegelete spordiga, proovite keskenduda strateegiatele, mida peaksite kasutama, ja ignoreerite vastaste kiusamist.
Enne lõpliku lahenduse väljatöötamist võimaldab abstraktsioon võtta arvesse kõiki olulisi tegureid, jättes tähelepanuta kõik üleliigsed elemendid.
4. Algoritmi kujundamine
Algoritmi kavandamise etapis, arvutusliku mõtlemise protsessi viimases etapis, luuakse põhjalik samm-sammult juhised, mis kirjeldavad, kuidas probleemi lahendada.
Tõhus algoritm on selline, mille saab kellelegi teisele anda ja mida ilma täiendavate selgitusteta järgida.
Maailm on täis algoritme, olenemata sellest, kas valmistate retsepti järgi, paned kokku kortermööbli, sööte läbisõidurestoranis või maksate toidukaupade eest iseteenindusletis.
Silumine on ülioluline valdamisoskus, kuna see on algoritmi loomisega seotud lisaprotsess. Algoritmivigade tuvastamist ja parandamist nimetatakse silumiseks.
Silumine on ülekantav oskus, mida saab omandada kogu õppekavas, tegutsedes ja pakkudes tagasisidet, sarnaselt teiste arvutusliku mõtlemise komponentidega. Algoritmide abil saame oma ümbrusest aru.
Järeldus
Kokkuvõtteks võib öelda, et järgmine põlvkond andmeteadlased peab omandama võimed, mis võimaldavad edukamalt kohaneda areneva tööturu ja areneva digimajandusega.
Tulevased andmeteadlased leiavad, et arvutuslik mõtlemine on kasulik tööriist, kuna nad muudavad pidevalt oma positsioone, et kohandada tehnoloogia arengut ning inimeste ja masinate vahelist koostalitlusvõimet.
Lõpuks on arvutuslik mõtlemine igaühe jaoks igapäevaste ülesannete täitmisel hädavajalik.
Jäta vastus