Ce capitole din matematica sunt relevante in programare?

Refolosirea codului si neinventarea rotii este un lucru de baza in matematica. Ar fi complet stupid sa rescrii bibliotecile de matematica din diferite limbaje doar ca sa te dai rotund ca stii matematica. La fel cu orice alt rahat care exista deja si mai mult ca sigur este implementat mult mai bine decit l-ai implementa de unul singur.

Exista jde milioane de joburi de programare care nu implica nici un fel de matematica avansata, asta nu inseamna ca sint lucruri simple si nici nu inseamna ca cineva care e doctor in matematica le-ar face mai bine. Pina la urma conteaza sa-ti placa ceea ce faci, daca mergi cu scarba la serviciu, cu sau fara matematica tot un cacat e.

Ideea e ca pt multe subdomenii din programare, e indeajuns sa stii programare si apoi inveti la fata locului specificitatile subdomeniului. Tu chiar crezi ca toti cei care fac programe de simulare a dinamicii fluiedelor sunt super ingineri in dinamica fluidelor? cel mai probabil primesc deja modelul matematic de la cineva care se pricepe si ei doar il aplica/integreaza in software.

Asa si sotia lucreaza in programare in domeniul financiar, ea terminand politehnica si facand zero cursuri despre domeniul financiar. La interviu, a primit 0 intrebari despre domeniul financiar, tot interviul fiind focusat pe cunostintele tehnice ale limbajului si tehnologiilor folosite. Cand are de implementat ceva, primeste ajutor de la un analist care ii explica fiecare termen financiar si cum se leaga cu tot sistemul. In timp, sotia a invatat unii din termeni si nu mai apeleaza la acel analist asa des, dar nimeni nu a avut vreo asteptare sa stie acei termeni.

Imi amintesc si eu la internship-ul dupa anul 3 de facultate, am facut internship (programare) intr-o banca. Marea majoritate a oamenilor angajati acolo (departamentul digital se numea atunci) terminasera facultate tehnica si foarte putini terminasera cibernetica. Fiind inca tanar si naiv, am intrebat un manager de ce sunt asa putini de la cibernetica angajati acolo; ma asteptam ca fiind institutie financiara, combinatia de cunostinte de programare si cunostinte economice sa se potriveasca perfect. Acel manager mi-a zis ca e mult mai usor sa iei un programator bun si sa il inveti notiuni economice de baza si ca cibernetica e de fapt o struto-camila: nici programare nu invata foarte bine, nici termeni economici nu invata cum trebuie.

Soulstream, on 22 iunie 2021 - 14:17, said:

Offtopic: Dar cei de la unviersitate cum se prezinta ? Ca pe ei nu i-ai mai mentionat .

On: Ziceam anterior ca ar fi buna logica matematica sa te joci cu ea, dar ma gandesc ca nici aritmetica nu-i de neglijat, sa te joci cu inelul claselor de resturi modulo n (mi se pare ca chiar era o problema bazata pe lema chineza a resturilor pe pbinfo/infoarena).

Grafica pe calculator, computer vision, machine learning astea sunt nise sau un procent mare de developeri lucreaza aici ?

Edited by iulian_1976, 22 June 2021 - 15:46.

Soulstream, on 22 iunie 2021 - 14:17, said:

Comunicarea fiind imposibila daca ala de 'aplica' e pasta la matematica si se uita la ecuatiile Navier-Stokes ca boul decerebrat la poarta noua.

Chestia cu 'invatatul la fata locului' se aplica doar banalitatilor. Nu si celor care necesita multi ani pentru asimilare.

Quote

Daca intrebarea asta retorica se doreste vreun argument, se poate raspunde tot cu intrebari:

Oare exista mai multi ingineri in constructii, sau mai multi de-aia de imping roaba si sapa santuri, etc...
Etc, nu cred ca trebuie sa repet.

Doar pentru ca gasesti mai multi spalatori de WCuri decat specialisti in instalatii sanitare nu inseamna ca trebuie sa-ti doresti sa te limitezi la spalat de WCuri.

Edited by MarianG, 23 June 2021 - 23:59.

Mai, daca voi va certati aiurea, ce sa mai inteleaga bietul copil?
Vorbim despre matematica de liceu totusi. Si aia trebuie toata, ce sa o mai lungim?
Motive si argumente se gasesc, dar adevarul pe scurt e ca trebuie invatata si cu asta-basta.
Fie si din motivul ca e o cerinta pentru a intra si termina cu bine facultatea, fie ca e vorba despre o cerinta intelectuala minima pentru unul care vrea sa lucreze programare.
Acuma, parte din ea va fi data uitarii, daca nu va fi lustruita din cand in cand, dar mecanisme ale gandirii vor ramane in cutie si vor fi de folos. Alea se antreneaza prin lucrul cu un minim de abstract existent in matematica de liceu.
Vei uita parte din ea, dar e bine sa ai macar ce uita. Daca esti topor si mai si uiti, ce naiba programator poti ajunge?

Soulstream, on 22 iunie 2021 - 14:17, said:

Băi nu-i chiar asa, și-ți spun din proprie experienta.
De fapt e chiar fix pe dos, și asta la nivel de pârlit de doctorant, nu de premiu Nobel. Modelul matematic reprezinta noutatea și valoarea adăugată a muncii lui, iar implementarea e programare la nivel de liceu. Ok doctoratul uneori programează cu picioarele, și înainte ca modelul respectiv sau devina parte a versiunii comerciale a softului e testata și/sau optimizata de un meserias.
Bibliotecile matematice ajuta însă tot trebuie sa înțelegi matematic problema ca s-o alegi pe aia buna. De exemplu cu fluidele date de tine, ai sa zicem nevoie de un solver liniar. Dacă iei unul general nu faci nicio brânză,consumi resurse aiurea. Ai nevoie de unul specializat pentru situația în care majoritatea termenilor din matricea sistemului sunt nuli. Si stocarea de unei asemenea matrici se face diferit. Sunt o groaza de detalii pe care dacă nu le înțelegi poți alege solverul gresit.

KiloW@ tu fost/actual profesor universitar trebuie sa-l intelegi perfect pe parabellum@  

maccip, on 23 iunie 2021 - 16:27, said:

Sa inteleaga ca in marea majoritate a cazurilor nu o sa-i foloseasca ca developer derivate, integrale, probabilitati si multe altele, astea nu sunt relevante in programarea uzuala.

Grafica pe calculator, computer vision, machine learning sunt meserii de nisa, sunt posturi rare si curba de invatare este abrupta, necesita matematici avansate care nu se fac in liceu, in liceu doar este un mic debut a ceea ce ar trebui sa stii
pentru a avea sansa sa intri ca debutant in acele meserii de nisa.

Edited by iulian_1976, 23 June 2021 - 17:14.

Matematica are marele avantaj ca pe un domeniu îngust /problema particulara poți sa ajungi expert într-un timp extrem de scurt, mult mai scurt decât în restul științelor (gen fizica, biologie etc) care necesita întâi acumulare serioasa. Ca exemplu extrem exista probleme nerezolvate în matematica pe care le poate înțelege un elev de școală generala.

PS
N-am fost, nu sunt și nu voi fi vreodată profesor, sunt doar în pârlit de injijer Da' am scris cod (pe bani) cam 4 ani, dintre care trei la tine în FR și întâmplător am folosit destulă matematica. Una care pare relativ stufoasa însă repet, în matematica e ușor ca pe o anumita felie sa ajungi foarte repede from zero to hero, nu-i ca in chimie de ex.

Edited by KiloW, 23 June 2021 - 17:16.

Concluzia voastra este ca ar trebui sa termini intai facultatea de matematica si chiar fizica apoi ai drepturi depline in programare

Posibil sa aveti dreptate insa ar trebui sa va intoarceti cu 30-40 de ani in urma.

Edited by MarianG, 24 June 2021 - 00:02.

Nici asa. Doar ca nu trebuie sa te sperii dacă dai de ea, uneori e irelevanta, alteori  utila, alteori vitala. Depinde de domeniu însă nici nu poți spera ca dacă ai bibliotecile poți programa orice chiar dacă ești pasta la matematica.

maccip, on 23 iunie 2021 - 16:27, said:

Chiar asa!

P.S. Subtilitatile se aduna.

KiloW, on 23 iunie 2021 - 17:31, said:

Eu sunt curios cati elevi au citit sau citesc librariile incluse

https://www.cplusplu...eference/cmath/

sau macar pe cea standard

https://www.cplusplu...ference/cstdio/

Am zis ceva nasol?

Nu, chiar ai facut un bine.

Hexius, on 20 iunie 2021 - 19:03, said:

Pai pentru programare, ai nevoie neaparat de: adunari, scaderi, inmultiri, impartiri, ridicare la putere si radicali;

Pentru ML (inteleg ca vrei sa studiezi pe viitor) o sa ai nevoie de foarte multe elemente de statistica. Pentru intelegerea modului de functionare al algoritmilor de ML, ai nevoie de notiuni de modelare si in special de identificare a sistemelor. Sunt mai mult niste principii care se descriu matematic aici (e.g. o sa observi ca multi dintre algoritmi au in componenta lor diverse criterii de minimizare a erorii), iti trebuie notiuni de analiza matematica (nu limita cand x tinde la infinit, ci sa sesizezi faptul ca de exemplu derivata e o panta, reprezinta rata de variatie, ai punct de minim/maxim local cand panta e orizontala, in cazul de fata se calculeaza raportat la diferenta dintre 2 puncte de date. Nu exista notiunea de variatie intr-un... punct infinitesimal ca in matematica... etc.) / alte tehnici de optimizare. Pe scurt: sunt mai mult strategii ce tin strans de statistica/matematica dar nu sunt acelasi lucru cu a rezolva o problema de mate de ex. Iti trebuiesc principiile doar (nu exista precizie matematica asa ca mai mult decat notiunile teoretice, nu-ti foloseste de fapt).
Acum, majoritatea cand zic ML se gandesc la data science unde sunt necesare cele prezentate mai sus. In data engineering in schimb, e alta poveste.

Daca voiai sa faci game engine-uri, descopereai sunt utile notiunile de algebra liniara. Daca voiai sa mergi pe ceva legat de biologie, ai fi vazut ca iti trebuie cunostinte de biologie. Daca voiai ceva de chimie... la fel.
La fel e si cu matematica. Nu e obligatoriu sa ai nevoie de ea in programare. Depinde ce faci..

Edited by crs12decoder, 05 December 2022 - 23:57.

Ca tot ai pomenit de machine learning, pentru domeniul ala ai nevoie de ce-ai mentionat tu, dar si de altele:

- statistica si probabilitati, asta e cea evidenta
- algebra lineara (da, matrici si vectori pana te saturi, spatii multi-dimensionale la greu)
- analiza matematica, spus asa, generic, te bati bine de teoria optimizarii, o sa vezi ecuatii diferentiale si cu derivate partiale destul de frecvent, iar variatiuni pe tema 'gradient descent' abunda.

Bineinteles, mai sunt... si mai depinde si de domeniul unde se aplica, pentru ca ala poate cere si el matematica aditionala.

Aici e o carte (care bineinteles nu are cum sa trateze exhaustiv lucrurile): https://mml-book.git...ok/mml-book.pdf

Lipsesc unele domenii, de exemplu n-am vazut 'discrete mathematics' (exemplu de sub-domeniu: teoria grafurilor, care se aplica in cazul in care se folosesc retele bayesiene sau markov).

Quote

Daca vrei ceva chimie, s-ar putea sa ai nevoie de matematica mai multa si mai dificila decat pentru machine learning.

Intr-adevar, studiul matematicii este esential in domeniul machine learning. In plus fata de ceea ce ai mentionat tu, poti avea nevoie de cunostinte in geometria in spatiu multidimensional, teoria probabilitatilor, analiza functionala si chiar teoria informatiei.

De asemenea, pentru a avea succes in domeniul machine learning, trebuie sa ai cunostinte solide in programare si sa fii capabil sa aplici conceptele matematice in codul tau. Este, de asemenea, important sa ai cunostinte de baza in stiinta datelor, cum ar fi prelucrarea datelor si analiza statistica, pentru a putea intelege si aplica modelele de machine learning.

In ceea ce priveste chimia, aceasta poate necesita o matematica mai complexa decat cea necesara in machine learning, in special daca doresti sa studiezi chimia la nivel avansat. Chimia necesita cunostinte solide in matematica, cum ar fi analiza matematica, algebra si geometria. De asemenea, poti avea nevoie de cunostinte in fizica, deoarece aceasta poate fi legata de chimie prin concepte precum energia, entropia si termodinamica.

In domeniul machine learning, cunostintele matematice sunt esentiale pentru a intelege conceptele si pentru a aplica modelele de invatare automata. Iata cateva dintre cele mai importante concepte matematice pe care trebuie sa le cunosti:

Statistica si probabilitate: Acestea sunt fundamentale pentru intelegerea si evaluarea modelelor de machine learning. Trebuie sa stii cum sa calculezi medii, deviatii standard, distributii normale si alte concepte de baza ale statisticii. De asemenea, trebuie sa intelegi conceptele de probabilitate, cum ar fi probabilitatea independenta si dependenta, si sa stii cum sa calculezi probabilitati in situatii specifice.

Algebra lineara: Aceasta include lucrul cu matrici si vectori si este esentiala pentru a intelege cum functioneaza anumite modele de machine learning, cum ar fi cele care folosesc redesne neuronale. Trebuie sa stii cum sa efectuezi operatii cu matrici, cum ar fi inmultirea si inversarea lor, si sa intelegi concepte precum spatiul vectorilor si transformarile lineare.

Analiza matematica: Aceasta include studiul functiilor si a derivatelor lor. Este esentiala pentru a intelege concepte precum gradient descent, care se utilizeaza frecvent in machine learning pentru a optimiza modelele. De asemenea, trebuie sa stii cum sa rezolvi ecuatii diferentiale si sa intelegi concepte precum limita si continuitatea functiilor.

In ceea ce priveste chimia, aceasta poate necesita o matematica mai complexa decat cea necesara in machine learning. Chimia necesita cunostinte solide in algebra, geometrie si analiza matematica, precum si in fizica. De exemplu, pentru a intelege concepte precum energia, entropia si termodinamica, trebuie sa stii cum sa rezolvi ecuatii si sa intelegi concepte precum energia cinetica si potentiala

Edited by wertyck, 25 December 2022 - 18:17.