Hva er datalogi?

I det enkleste av vilkårene, datavitenskap er studiet av informasjon (“data”) og hvordan det kan manipuleres (“algoritmer”) for å løse problemer, hovedsakelig teoretisk, men også i praksis.

Datavitenskap er ikke studiet av datamaskiner, og det krever heller ikke bruk av datamaskiner. Data og algoritmer er mulige å beregne ved hjelp av penn og papir, noe som gjør “datavitenskap” en misnomer. Datavitenskap er mer lik matematikk, og det er derfor at noen nå foretrekker å bruke begrepet “informatikk” i stedet.

Datavitenskap blir ofte sammenflettet med tre andre felt, som er relaterte, men ikke akkurat det samme:

• Datateknikk - Involver studiet av data og algoritmer, men i sammenheng med maskinvare. Hvordan kommuniserer elektroniske komponenter? Hvordan designe mikroprosessorer? Hvordan forbedre brikkesettets effektivitet?
• Software Engineering - Du kan tenke på dette som “anvendt datavitenskap,” I den datamaskinen har forskere en tendens til å takle abstrakte teorier mens programvareingeniører skriver virkelige programmer som inneholder teori og algoritmer.
• Informasjonsteknologi - Informasjonsteknologi innebærer bruk og mestring av allerede eksisterende programvare og maskinvare. IT-fagfolk hjelper med å opprettholde nettverk og gi hjelp når andre har problemer med et gitt program eller en enhet.

Alt som blir sagt, bruker de fleste i dag “datavitenskap” som en catch-all term for ethvert felt som involverer programmering, dataanalyse og manipulering, og samspillet mellom programvare og maskinvare. Med andre ord har datavitenskap mange “konsentrasjoner” eller “disipliner.”

De mange disipliner innen datavitenskap

Hvis du planlegger å studere datavitenskap, bør du vite at ingen to skoler har samme dekning eller pensum 10 Topprangerte Computer Programmeringskollegier i USA 10 Topprangerte Computer Programmeringskollegier i USA Tror du har det som trengs for å melde deg på en topp datavitenskapskole? Her er de beste som skal vurderes. Les mer . Skoler kan ikke engang være enige om hva “datavitenskap” innebærer, la alene være enige om hvilke fagområder som hører under datavitenskapens overskrift.

Her er en ikke-uttømmende liste over de vanligste “typer” av datavitenskap du kan støte på og hva hver enkelt spesialiserer seg på. Som du ser, er datavitenskap en av de bredeste feltene i dag:

• Kunstig intelligens - Utviklingen av maskiner som kan vise kognitive funksjoner som å tenke, snakke, resonnere og løse problemer. Inneholder andre felt, inkludert lingvistikk, psykologi og nevrovitenskap. Maskininnlæring er en delmengde som utforsker maskinens evne til å lære, utvikle og gjenkjenne mønstre i data alene.
• bioinformatikk - Bruken av datavitenskap for å måle, analysere, modellere og forstå kompleksiteten i biologi. Involver storskala analyse av data, høyytelsesberegninger, datasimuleringer, molekylære modeller og mer.
• Beregningsteori - Studien av algoritmer og matematiske bevis. Ikke bare opptatt av opprettelsen av nye algoritmer eller forbedring av eksisterende algoritmer, men også metodene og bevisbarheten til setningene.
• Data-grafikk - Studien av hvordan data kan manipuleres og forvandles på en måte som er intuitiv for mennesker å se. Inkluderer emner som fotorealistiske bilder, dynamisk bildegenerering, 3D-modellering og animasjoner, og datavisualiseringer.
• Spillutvikling - Opprettelsen av PC-, mobil- og webspill for underholdning. Spillmotorer er utformet forskjellig fra forretnings- og forskningsapplikasjoner, og involverer ofte unike algoritmer og datastrukturer optimalisert for sanntidsinteraksjon.
• Nettverk - Studien av distribuerte datasystemer og hvordan kommunikasjon kan forbedres innenfor og mellom nettverk.
• Robotics - Opprettelsen og utviklingen av algoritmer brukt av robotmaskiner. Inkluderer forbedringer av robotkinematikk, grensesnittet mellom roboter og mennesker, miljøinteraksjoner, robot-til-robot-interaksjoner, virtuelle agenter osv..
• Sikkerhet - Utviklingen av algoritmer, metoder og programvare for å beskytte datasystemer mot inntrengere, malware og misbruk. Inkluderer sky og nettverkssikkerhet, PC-sikkerhet, mobil sikkerhet, e-post sikkerhet, antivirusprogram og kryptering (studiet av kryptering og dekryptering).

For å kunne oppgradere fra en høyskole eller et universitet med en datavitenskap grad, vil studiene sannsynligvis inneholde minst:

• Hvordan datasystemer fungerer på maskinvare- og programvarenivå.
• Hvordan skrive kode i ulike programmeringsspråk.
• Naturen og anvendelsen av datastrukturer og algoritmer.
• Matematiske begreper (for eksempel formell logikk, grafteori, etc.)
• Hvordan lage en kompilator, operativsystem og datamaskin.

Er du en god passform for datavitenskap?

jeg ville aldri Fortell noen å gi opp datavitenskap bare fordi de ikke har det “Ikke sant” trekk eller egenskaper. Hvis du vil forfølge det, så for all del, forfølge det! Hardt arbeid og utholdenhet kan overvinne alle slags mangler på dette feltet.

Men det er sant at visse egenskaper og egenskaper kan gjøre deg mer sannsynlig å nyte og lykkes i en datavitenskapskarriere. En grad koster minst fire år i livet ditt. Vet hva du får inn for å minimere sjansen for å kaste bort de dyrebare årene.

Noen er en “passer godt” for datavitenskap hvis:

• De er naturlig nysgjerrige og nysgjerrige.
• De føler seg tvunget til å løse problemer og puslespill.
• De tenker på en logisk, trinnvis måte.
• De nærmer seg problemer fra ukonvensjonelle vinkler.
• De er villige til å utvikle seg og lære nye ting hver dag.
• De har nok grus til å tåle lange perioder med frustrasjon.
• De vet hvordan man søker på nettet etter svar.

Problemløsning er kjernevitenskapen til enhver datavitenskapsmann, programvareingeniør og informasjonsteknolog. Hvis du ikke er naturlig nysgjerrig og føler deg dypt opptatt av å finne ut ting, så finner du ingen glede i datavitenskap som en karriere - garantert.

Videre er datavitenskap et av de raskeste fremdriftsfeltene i verden i dag. Hvis du ikke har lyst til å følge med på nye språk, nye biblioteker, nye applikasjoner, nye IDEer og programvare, etc., kan du snart bli overveldet (med mindre du holder deg til arvenes felt).

Datavitenskap er også svært kreativ. Du lager bokstavelig talt kode fra bunnen av, ikke ulikt en forfatter, maler eller musiker. Du må tenke utenfor boksen, og du må øve. Programmeringsblokken er en vanlig hindring, og du må ha vilje til å gjøre det til den andre siden, tid og tid igjen.

Hvis ingen av ovenstående gjelder for deg, kan det hende at du ikke passer bra. 6 Tegn på at du ikke er ment å være programmerer. 6 Tegn på at du ikke er ment å være programmerer. Ikke alle er kuttet ut for å være programmerer. Hvis du ikke er helt sikker på at du er ment å være programmerer, er det noen tegn som kan vise deg i riktig retning. Les mer .

Velg en spesialisering og master den

Hvis datavitenskapen intrigerer deg og du tror du har det som trengs for å være en god form, så gratulerer! Du har en tøff, men givende karriere 10 Computerprogrammeringsjobber som er i etterspørselen akkurat nå 10 Computerprogrammeringsjobber som er i behov akkurat nå Siden landing av en programmeringsjobb kan være tøff i dagens landskap, bør du vurdere å fokusere på en av følgende konsentrasjoner for å forbedre sjansene for suksess. Les mer venter på deg bare oppe foran. Det er bare en ting du trenger å vite om du vil lykkes ...

I begynnelsen smake og utforske så mange ulike områder innen datavitenskap som du kan. Du kan bli overrasket over hvilke du liker best (og hvordan bestemte hørtes morsomt, men faktisk er det ikke). Men når du vet hvilken, fokuserer du og blir en mester på den.

Dabbling på mange områder kan være bra som en hobby. 5 Kreative hobbyer som gjør deg til en lykkeligere person. 5 Kreative hobbyer som gjør deg til en lykkeligere person. En skikkelig kreativ utløp kan gjøre underverker for mental helse og generell lykke. Her er noen kreative hobbyer som er bevist å hjelpe på denne måten. Les mer, men jacks-of-all-trades sjelden gjør det langt i karrieren deres. På den annen side vil du være en spesialisert ekspert veldig langt.

Nå som du vet hvilken datavitenskap er, har du noen spørsmål? Bekymringer? Andre råd til å legge til? Gi oss beskjed i kommentarene nedenfor!

Bilde Kreditt: Matej Kastelic via Shutterstock.com