Beregningstenkning som en viktig ferdighet for en programmerer

Før du begynner å kode for å lære en datamaskin å løse et spesifikt problem, må du vanligvis forstå problemet selv, finne en løsning og først da lære en datamaskin å håndtere det. Beregningstenkning er en metode for å gjøre denne prosessen raskere og enklere, men den er ikke begrenset bare til programmering og kan brukes på ulike deler av livet vårt.

Computational Thinking (CT) er et konsept som bransjeeksperter kaller en 'kode for suksess' og 'vital ferdighet'. Selv om det er relativt enkelt, kan CT være nyttig langt utover bare programvareprogrammering. Begrepet ble først foreslått i 1980 av Seymour Papert, en matematiker og informatiker, som en måte å løse ulike programmeringsrelaterte problemer og oppgaver mer effektivt.

CT er et sett med metoder som involverer å ta et komplekst problem og bryte det ned i en serie med mindre problemer som er lettere å håndtere, samt uttrykke essensen av et problem og løsningen på måter som en datamaskin kan utføre.

Hvordan fungerer Computational Thinking?

Computational Thinking som teknikk består av fire hovedmetoder, som er dekomponering, generalisering/abstraksjon, mønstergjenkjenning/datarepresentasjon og algoritmer. De er alle like viktige og effektive når de brukes (på et problem) i riktig rekkefølge.

Dekomponering

Du starter med dekomponering, som er å skille et problem i en rekke mindre problemer som er lettere å løse en etter en.

Abstraksjon (generalisering)

Deretter går du videre til en spesifikk oppgave/problem, og fokuserer utelukkende på informasjonen som er viktig for å løse den og ignorerer resten.

Mønstergjenkjenning (datarepresentasjon)

Neste trinn er å se etter likheter mellom problemet du jobber med og andre problemer som har blitt løst tidligere (med løsningen tilgjengelig). Målet er å finne mønstre som kan brukes på din nåværende oppgave.

Algoritmer

Og til slutt, med resultatene av å bruke tidligere trinn på plass, utvikler du en algoritme for en trinnvis problemløsning. En algoritme kan da utføres av en datamaskin (eller hjernen din, som er de ultimate datamaskinløsningsoppgavene i livet ditt).

Bruke beregningstenkning

Å vite hvordan man bruker CT når de håndterer problemer og oppgaver de fleste programvareutviklere håndterer med jevne mellomrom, kan være svært nyttig gjennom hele din karriere innen koding.

Her er en rask guide for hvordan du begynner å bruke beregningstenkning på enten kodingsoppgaver eller stort sett alle alvorlige problemer du måtte ha å gjøre med i ditt personlige liv.

Påføring av dekomponering

Dekomponering er en ganske enkel, men kraftig teknikk, som kan hjelpe deg med å håndtere problemer/oppgaver som virker for komplekse ved første øyekast, og som dermed ofte forårsaker utsettelse og andre vanskeligheter. Nøkkelen her er å trene hjernen din til å bruke nedbrytning med jevne mellomrom, og dele en oppgave i en rekke mindre oppgaver som er lettere å løse. Selv om dekomponering kan virke som en veldig enkel og til og med åpenbar metode, vil du bli overrasket over hvor mange som ikke er klar over det, noe som gjør det så mye vanskeligere for dem å begynne å jobbe med store, globale oppgaver (som å lære Java, for eksempel).

Bruk av abstraksjon

Å vite hvordan du bruker abstraksjon er en kraftig evne hvis du kjenner teknikken og har trent hjernen din til å bruke den ubevisst. Abstraksjon handler om å fokusere utelukkende på informasjonen som kreves for å løse oppgaven mens man ignorerer alt annet. Brukt i kombinasjon med dekomponering, er det i utgangspunktet metoden for å nærme seg stort sett ethvert problem eller problem i livet ditt. Når du arbeider med strengt programmeringsoppgaver, hjelper abstraksjon å konsentrere seg og unngå at hjernen din blir utmattet for raskt.

Bruk av mønstergjenkjenning

Mønstergjenkjenning er en ganske viktig ferdighet i koding, siden den lar deg løse oppgaver mye raskere ved å bruke tankemønstre som hjernen din er kjent med og komfortabel med å bruke. Det er også en kraftig teknikk å bruke på generelle livsproblemer: bare prøv å analysere eventuelle problemer du står overfor i livet ditt og finn (og lån) mønstre fra de delene av livet ditt som fungerer tilfredsstillende, og overfør dem til det aktuelle problemet.

Bruk av algoritmer

Når du tenker på det, handler livet vårt om å danne algoritmer. Vi kaller dem vaner. Hjernen vår har en tendens til å stole på vaner hver eneste dag, bare fordi den er mer effektiv og dermed praktisk. Det eneste problemet er at de fleste av oss har en tendens til å gjøre dette ubevisst, noe som ofte resulterer i å danne feil og skadelige algoritmer (vi kaller dem dårlige vaner eller avhengighet). Å vite hvordan du kan lage nyttige algoritmer bevisst kan være en ekstremt gunstig livsferdighet, som lar deg nå dine mål og lykkes. Når det gjelder programmering, er det å vite hvordan man danner en algoritme for å løse et bestemt problem på den mest raske og effektive måten det som skiller en person som bare vet hvordan man skal kode fra en erfaren profesjonell dataprogrammerer.