ทักษะหลักใดที่นักวิทยาศาสตร์การคำนวณควรมี [ปิด]

นักวิทยาศาสตร์ทุกคนจำเป็นต้องรู้เกี่ยวกับสถิติเล็กน้อย: ความหมายถึงความสัมพันธ์กันคืออะไรช่วงความมั่นใจคืออะไร ในทำนองเดียวกันนักวิทยาศาสตร์ทุกคนควรรู้เล็กน้อยเกี่ยวกับการคำนวณ: คำถามคืออะไร มีเหตุผลอะไรที่จะคาดหวังให้นักวิทยาศาสตร์ที่ทำงานทุกคนรู้เกี่ยวกับการสร้างและการใช้ซอฟต์แวร์ รายการทักษะหลักของเรา --- สิ่งที่ผู้คนควรรู้ก่อนที่พวกเขาจะแก้ไขปัญหาอะไรกับ "คลาวด์" หรือ "พีต้า" ในชื่อ --- คือ:

• การเขียนโปรแกรมพื้นฐาน (ลูป, เงื่อนไข, รายการ, ฟังก์ชั่นและไฟล์ I / O)
• สคริปต์เชลล์ / พื้นฐานเชลล์
• การควบคุมเวอร์ชัน
• ทดสอบโปรแกรมมากแค่ไหน
• SQL พื้นฐาน

มีจำนวนมากที่ไม่ได้อยู่ในรายการนี้: การเขียนโปรแกรมเมทริกซ์ (MATLAB, NumPy, และอื่น ๆ ), สเปรดชีตเมื่อใช้งานได้ดีพวกเขามีประสิทธิภาพเทียบเท่ากับภาษาโปรแกรมส่วนใหญ่) เครื่องมืออัตโนมัติสำหรับงานเช่น Make และอื่น ๆ

ดังนั้น: มีอะไรอยู่ในรายการของคุณ ? คุณคิดว่ามันยุติธรรมที่จะคาดหวังว่านักวิทยาศาสตร์ทุกคนรู้วันนี้? และสิ่งที่คุณจะนำออกจากรายการข้างต้นเพื่อให้มีที่ว่างสำหรับมัน ไม่มีใครมีเวลาพอที่จะเรียนรู้ทุกอย่าง

"นักวิทยาศาสตร์การคำนวณ" ค่อนข้างกว้างเพราะมันรวมถึงผู้ที่ทำการวิเคราะห์เชิงตัวเลขด้วยกระดาษ / LaTeX และการนำไปใช้งานในการพิสูจน์แนวคิดผู้เขียนห้องสมุดวัตถุประสงค์ทั่วไปและผู้พัฒนาแอพพลิเคชั่นที่แก้ปัญหาบางประเภทและผู้ใช้ปลายทาง การใช้งาน ทักษะที่จำเป็นสำหรับกลุ่มเหล่านี้แตกต่างกันไป แต่มีข้อได้เปรียบอย่างมากในการมีความคุ้นเคยกับ "กองซ้อนเต็ม" ฉันจะอธิบายสิ่งที่ฉันคิดว่าเป็นส่วนสำคัญของสแต็กนี้ผู้ที่ทำงานในระดับนั้นควรมีความรู้ที่ลึกซึ้งกว่า

ความรู้เกี่ยวกับโดเมน (เช่นพื้นหลังด้านฟิสิกส์และวิศวกรรม)

ทุกคนควรรู้พื้นฐานของชั้นเรียนของปัญหาที่พวกเขากำลังแก้ไข หากคุณทำงานกับ PDE นี่หมายถึงความคุ้นเคยทั่วไปกับ PDE บางคลาส (เช่นปัวซองความยืดหยุ่นและการบีบอัดและการบีบอัด Navier-Stokes) โดยเฉพาะคุณสมบัติที่สำคัญในการจับ "แน่นอน" และสิ่งที่สามารถแยกออกได้ ข้อผิดพลาด (นี่เป็นการแจ้งวิธีการเลือกเกี่ยวกับการอนุรักษ์ในท้องถิ่นและผู้รวบรวม symplectic) คุณควรรู้เกี่ยวกับฟังก์ชั่นและประเภทการวิเคราะห์ที่น่าสนใจสำหรับแอพพลิเคชั่น (การเพิ่มประสิทธิภาพของการยกและลาก, การทำนายความล้มเหลว, การผกผันของพารามิเตอร์, ฯลฯ )

คณิตศาสตร์

ทุกคนควรมีความคุ้นเคยทั่วไปกับคลาสของวิธีการที่เกี่ยวข้องกับโดเมนปัญหาของพวกเขา ซึ่งรวมถึงลักษณะพื้นฐานของพีชคณิตเชิงเส้นแบบเบาบางและหนาแน่นการมีอยู่ของ "วิธีการเร็ว", คุณสมบัติของเทคนิคการแยกเชิงพื้นที่และเชิงเวลาและวิธีการประเมินคุณสมบัติของปัญหาทางกายภาพที่จำเป็นสำหรับเทคนิคการแยกส่วนที่เหมาะสม หากคุณเป็นผู้ใช้ส่วนใหญ่ความรู้นี้อาจอยู่ในระดับสูงมาก

วิศวกรรมซอฟต์แวร์และห้องสมุด

ความคุ้นเคยกับเทคนิคนามธรรมและการออกแบบห้องสมุดมีประโยชน์สำหรับเกือบทุกคนในสาขาวิทยาศาสตร์การคำนวณ หากคุณทำงานเกี่ยวกับวิธีการพิสูจน์แนวคิดจะช่วยปรับปรุงการจัดระเบียบโค้ดของคุณ หากคุณทำงานกับแอปพลิเคชันทางวิทยาศาสตร์สิ่งนี้จะทำให้ซอฟต์แวร์ของคุณสามารถขยายได้มากขึ้นและทำให้ง่ายต่อการเชื่อมต่อกับไลบรารี จงป้องกันเมื่อพัฒนาโค้ดเช่นว่ามีการตรวจพบข้อผิดพลาดโดยเร็วที่สุดและข้อความแสดงข้อผิดพลาดจะให้ข้อมูลเท่าที่จะเป็นไปได้

เครื่องมือ

การทำงานกับซอฟต์แวร์เป็นส่วนสำคัญของวิทยาศาสตร์การคำนวณ ความชำนาญด้านภาษาที่คุณเลือกการสนับสนุนโปรแกรมแก้ไข (เช่นแท็กการวิเคราะห์แบบคงที่) และเครื่องมือการดีบัก (ดีบักเกอร์ valgrind) ช่วยปรับปรุงประสิทธิภาพการพัฒนาของคุณได้อย่างมาก หากคุณทำงานในสภาพแวดล้อมแบบแบตช์คุณควรทราบวิธีการส่งงานและรับเซสชันแบบโต้ตอบ หากคุณทำงานกับรหัสที่คอมไพล์แล้วความรู้ในการทำงานของคอมไพเลอร์ลิงค์และเครื่องมือสร้างเช่น Make จะช่วยประหยัดเวลาได้มาก การควบคุมเวอร์ชันเป็นสิ่งจำเป็นสำหรับทุกคนแม้ว่าคุณจะทำงานคนเดียว เรียนรู้ Git หรือ Mercurial และใช้มันสำหรับทุกโครงการ หากคุณพัฒนาไลบรารีคุณควรรู้มาตรฐานภาษาอย่างสมบูรณ์เพื่อให้คุณเขียนโค้ดพกพาได้เกือบทุกครั้งในครั้งแรกไม่เช่นนั้นคุณจะถูกฝังในคำขอการสนับสนุนผู้ใช้เมื่อรหัสของคุณไม่ได้สร้างในสภาพแวดล้อมที่ขี้ขลาด

น้ำยาง

LaTeX เป็นมาตรฐานจริงสำหรับสิ่งพิมพ์ทางวิทยาศาสตร์และการทำงานร่วมกัน ความชำนาญกับ LaTeX เป็นสิ่งสำคัญที่จะสามารถสื่อสารผลลัพธ์ของคุณทำงานร่วมกันในข้อเสนอ ฯลฯ การเขียนสคริปต์การสร้างตัวเลขก็เป็นสิ่งสำคัญสำหรับการทำซ้ำและการให้ข้อมูล

พื้นฐานของฉันอยู่ในสาขาวิทยาศาสตร์คอมพิวเตอร์ที่เหมาะสมดังนั้นความคิดเห็นของฉันอาจจะลำเอียงเล็กน้อย ต้องบอกว่าฉันจะเพิ่ม "อัลกอริทึมพื้นฐานและโครงสร้างข้อมูล" ในรายการ สิ่งที่ฉันหมายถึงด้วยพื้นฐานคือการค้นหาและการเรียงลำดับเชิงเส้นและโครงสร้างข้อมูลเช่นต้นไม้ที่สมดุลฮีปและหรือตารางแฮช

ทำไม? ในอัลกอริธึมการคำนวณส่วนใหญ่คุณจะต้องเสียเวลาและความพยายามอย่างมากในการเปลี่ยนข้อมูลโดยไม่ต้องคำนวณอะไรเลย เคยใช้รหัสไฟไนต์ - อิลิเมนต์หรือไม่ นั่นคือการจัดเก็บข้อมูลประมาณ 90% ความแตกต่างระหว่างการทำสิ่งนี้ให้สำเร็จและสามารถทำได้เป็นลำดับความสำคัญในประสิทธิภาพการคำนวณ

จุดหนึ่งที่เกี่ยวข้องกับวิทยาศาสตร์คอมพิวเตอร์เล็กน้อยที่ผมอยากจะเพิ่มเติมก็คือการแนะนำสั้น ๆ เกี่ยวกับการทำงานของโปรเซสเซอร์และสิ่งที่ดีและสิ่งที่ไม่ดี ตัวอย่างเช่น:

• การเพิ่มและการคูณนั้นรวดเร็วฟังก์ชั่นการหารหรือยอดเยี่ยมไม่ใช่ ฉันเคยเห็นผู้ชายที่โตแล้วมาแทนที่การดำเนินการรากที่สองด้วยสิ่งที่ต้องใช้สามแผนกและคิดว่าพวกเขาทำสิ่งที่ยอดเยี่ยม (การหารและรากที่สองมีราคาแพง)
• แคชระดับ 3 เริ่มใหญ่ขึ้นทุกปีใช่ แต่แคชระดับ 0 คือแคชที่เร็วจริง ๆ ยังคงมีเพียงไม่กี่กิโลไบต์
• คอมไพเลอร์ไม่ใช่เวทมนตร์ พวกเขาอาจคลี่ลูปขนาดเล็กหรือ vectorize การดำเนินการตรงไปข้างหน้ามาก แต่พวกเขาจะไม่เปลี่ยน bubbleort ที่เป็น quicksort
• วิธีการเรียกใช้บนวัตถุ polymorphic ที่มีการสืบทอดหลายครั้งในลูปด้านในสุดของคุณอาจจะเป็นแนวคิดที่หวาน แต่มันจะทำให้ซีพียูของคุณต้องการฆ่าตัวตาย

นี่เป็นสิ่งที่น่าเบื่อ แต่ก็ใช้เวลาเพียงไม่กี่นาทีในการอธิบายและการคำนึงถึงมันจะช่วยให้คุณสามารถเขียนโค้ดที่ดีจากการเริ่มต้นหรือการออกแบบอัลกอริทึมที่ไม่ต้องอาศัยคุณสมบัติของฮาร์ดแวร์ที่ไม่มีอยู่

สำหรับสิ่งที่จะลบออกจากรายการฉันคิดว่า SQL นั้นมีประโยชน์มากสำหรับนักคำนวณ นอกจากนี้การทดสอบซอฟต์แวร์มีความสำคัญ แต่เป็นวิทยาศาสตร์ในตัวเอง การทดสอบหน่วยและชนิดข้อมูลนามธรรมที่ถูกต้องเป็นสิ่งที่ควรสอนด้วยการเขียนโปรแกรมพื้นฐานและไม่ต้องการโปรแกรมปริญญาโทสองปี

ฉันอาจจะเพิ่มสิ่งนี้ในภายหลัง แต่สำหรับผู้เริ่มฉันจะลบ "shell scripting" และแทนที่ด้วย "Python scripting" โดยเฉพาะ Python สามารถพกพาได้ง่ายกว่าการเขียนสคริปต์เชลล์และสามารถอ่านได้มากกว่าภาษาเชลล์และสคริปต์อื่น ๆ ห้องสมุดมาตรฐานขนาดใหญ่และความนิยมในด้านวิทยาศาสตร์ (ด้วยข้อยกเว้นที่เป็นไปได้ทางชีววิทยาซึ่งใช้ Perl) ทำให้มันเป็นภาษากลางที่ใช้คอมพิวเตอร์ได้ดีไม่ต้องพูดถึงภาษาแรกที่ดีสำหรับการเรียนรู้การเขียนโปรแกรม ตอนนี้เป็นภาษาแรกที่สอนให้กับวิชาเอก EECS ที่ MIT และเป็นที่นิยมในตลาดงานโดยเฉพาะอย่างยิ่งในการคำนวณทางวิทยาศาสตร์ เอกสารออนไลน์ของมันมีอยู่มากมายและยังมีข้อความการเขียนโปรแกรมจำนวนหนึ่งซึ่งอิงจาก Python ที่มีอยู่ออนไลน์

การใช้ Python คุณสามารถสอนโครงสร้างการเขียนโปรแกรมพื้นฐานรวมถึงการเขียนสคริปต์ นอกจากนี้ Python ยังมีการสนับสนุนการทดสอบหน่วยที่ยอดเยี่ยมดังนั้น Python จึงสามารถใช้ในการสอนการทดสอบหน่วยได้เช่นกัน Python ยังมี API ฐานข้อมูลที่กว้างขวาง (ซึ่งสามารถแทนที่หรือเพิ่มเติมได้ที่ต้องเรียนรู้ SQL) และยูทิลิตีบิลด์คู่ที่มีฟังก์ชั่น Make-like ฉันชอบ SCons มากกว่า Make เพราะฉันพบว่า Python ง่ายต่อการจัดทำเอกสารและทดสอบมากกว่าเชลล์สคริปต์

ท้ายที่สุดหลักการสร้างแรงบันดาลใจที่อยู่เบื้องหลังการชิลลิงที่มีชื่อเสียงของฉันสำหรับ Python ก็คือประสิทธิภาพ มันง่ายกว่ามากในการปรับปรุงกระบวนการทำงานของคุณถ้าคุณสามารถทำงานส่วนใหญ่ในภาษาเดียวหรือเครื่องมือเดียวโดยเฉพาะอย่างยิ่งเมื่อเครื่องมือนั้นเป็นภาษาสคริปต์ที่แสดงออก แน่นอนว่าฉันสามารถทำทุกอย่างใน C แต่โปรแกรมของฉันจะยาว 5 เท่าและมีโอกาสฉันไม่ต้องการความเร็ว แต่ฉันสามารถใช้ Python เพื่อนำเข้าข้อมูลจากไฟล์ข้อความพล็อตมันรูทีนการเพิ่มประสิทธิภาพการโทรสร้างตัวแปรแบบสุ่มพล็อตผลลัพธ์ของฉันเขียนผลลัพธ์ไปยังไฟล์ข้อความและหน่วยทดสอบโค้ดของฉัน ถ้า Python ช้าเกินไปอาจเป็นไปได้ที่จะห่อ Python รอบรหัส C, C ++ หรือ Fortran ที่ดูแลงานที่ต้องคำนวณอย่างเข้มข้น Python คือร้านค้าแบบครบวงจรสำหรับความต้องการด้านการคำนวณทางวิทยาศาสตร์ของฉัน

Python ยังไม่ตรงกับ MATLAB SciPy และ NumPy ยังมีอีกหลายวิธีในการใช้งาน แต่สำหรับยูทิลิตี้ทั่วไปฉันใช้ Python สำหรับงานที่หลากหลายกว่า MATLAB

คณิตศาสตร์จุดลอย ข้อตกลงทางวิทยาศาสตร์ส่วนใหญ่ที่มีค่าในโลกแห่งความเป็นจริงและค่าของโลกแห่งความเป็นจริงมักจะแสดงเป็นจุดลอยตัวในโลกคอมพิวเตอร์ มี gotchas ที่อาจเกิดขึ้นมากมายกับลอยที่สามารถสร้างความเสียหายต่อความหมายของผลลัพธ์

การอ้างอิงที่ชื่นชอบสำหรับหัวข้อนี้น่าจะเป็น "สิ่งที่นักวิทยาศาสตร์คอมพิวเตอร์ทุกคนควรรู้เกี่ยวกับเลขทศนิยม (2534)" โดย David Goldberg http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.22.6768

นักวิทยาศาสตร์การคำนวณจะต้องมีความคุ้นเคยเพียงพอในด้านวิทยาศาสตร์คอมพิวเตอร์คณิตศาสตร์และสาขาการสมัครในสาขาวิทยาศาสตร์ / วิศวกรรม ฉันจะรวมทักษะในแต่ละด้านต่อไปนี้:

คณิตศาสตร์:

1. การวิเคราะห์เชิงตัวเลข
2. พีชคณิตเชิงเส้น
3. สมการเชิงอนุพันธ์สามัญ, บางส่วนและ / หรือสุ่ม
4. การเพิ่มประสิทธิภาพ
5. สถิติและ / หรือความน่าจะเป็น
6. ทฤษฎีผกผัน

วิทยาศาสตร์คอมพิวเตอร์:

1. อัลกอริทึม
2. โครงสร้างข้อมูล
3. การเขียนโปรแกรมแบบขนาน (MPI, OpenMP, CUDA ฯลฯ )
4. การสร้างภาพทางวิทยาศาสตร์
5. สถาปัตยกรรมคอมพิวเตอร์
6. ใช้สภาพแวดล้อม Linux

วิทยาศาสตร์ / วิศวกรรม - ขึ้นอยู่กับแอปพลิเคชันที่คุณต้องการให้เชี่ยวชาญในกรณีเฉพาะของฉัน (วิศวกรรมศาสตร์) ฉันจะเพิ่มสิ่งต่าง ๆ เช่นกลศาสตร์ต่อเนื่องการถ่ายเทความร้อนพลศาสตร์ของไหลวิธีการไฟไนต์เอลิเมนต์ ฯลฯ ฉันจะบอกว่า คุณมีสาขาวิชาวิทยาศาสตร์หลายแขนงยิ่งคุณมีความสามารถหลากหลายมากขึ้นในฐานะนักวิทยาศาสตร์การคำนวณ

คำถามที่ยอดเยี่ยมตามด้วยคำตอบที่น่าสนใจ! ฉันต้องการจะชนด้วยนอกจากนี้เพียงเล็กน้อย เท่าที่ฉันเคยมีประสบการณ์ (ตัวฉันเองและตัวแทน) เครื่องมือ All-in-One มักจะรู้ดีจริงๆ เครื่องมือดังกล่าวอาจเป็น MATLAB, Octave หรือ Python (กับไลบรารี่) เมื่อใดก็ตามที่คุณมีปัญหาใน "เขตสบาย" ความคิดที่ดี (เท่าที่ฉันรู้และคิด) จะลองใช้เครื่องมือ All-in-One คุณสามารถลองเขียนรหัสของคุณเองในภายหลัง ความสวยงามของแพ็คเกจดังกล่าวคือการเขียนโปรแกรมไม่รบกวนความเข้าใจในสิ่งที่คุณกำลังทำ

ยกตัวอย่างคอมพิวเตอร์กราฟิกส์ การเขียนโค้ดสำหรับการแปลการหมุนหรือการปรับสเกลของตัวเลขคือโค้ด 10 บรรทัดใน MATLAB (ท็อปส์ซู) แต่มันสามารถเรียกใช้สำหรับหน้าเว็บใน C ฉันไม่ได้บอกว่า C ไม่ดี ทั้งหมดที่ฉันพูดคือถ้าคุณไม่มีเหตุผลที่ดีในการเขียนโค้ดใน C MATLAB จะเป็นวิธีที่ง่ายกว่าดีกว่าและง่ายกว่า

บางคนอาจไม่เห็นด้วยและระบุว่าการเขียนโปรแกรมแบบ C เป็นวิธีที่ดีในการสร้างสัญชาตญาณ อาจจะเป็น แต่เมื่อคุณไม่ต้องจัดการกับปัญหามานานกว่าสองสามครั้งมันแทบจะไม่รับประกันว่าจะนั่งและเขียนรหัสของคุณในภาษาเช่น C

สามัญสำนึกและอุทรความรู้สึก ... หลังมีเพียงเวลาและหลังจากที่ "รอดชีวิต" สองประสบการณ์น่าอับอายในโลกที่เลวร้าย