Matematika selalu menjadi hal saya karena saya selalu menemukan subjeknya mudah. Ilmu Komputer adalah cinta kedua saya. Diberi pilihan, saya lebih suka jurusan Matematika. Karena satu-satunya karier yang biasanya diikuti seseorang dengan gelar sarjana dalam bidang matematika tidak menarik sama sekali, saya akan sangat puas menghabiskan hari-hari saya sebagai pengembang perangkat lunak.
Pertanyaan saya adalah ini: Dari disiplin ilmu matematika mana seorang programmer masa depan akan mendapat lebih banyak manfaat? Matematika terapan atau matematika murni?
Saya menikmati mengajar diri saya sendiri dan saya yakin bahwa saya dapat belajar sendiri bagaimana menjadi seorang programmer yang hebat, tetapi saya masih berencana untuk mendapatkan minor di CS!
sumber
Jawaban:
Itu semua tergantung pada apa yang ingin Anda lakukan sebagai pengembang perangkat lunak.
Jika Anda ingin masuk ke grafik, Anda perlu latar belakang yang kuat dalam geometri, algerbra linier, tranformasi matriks, (fisika juga tidak akan mengerikan) dll.
Jika Anda ingin masuk ke SQL atau jenis lain dari pemrograman basis data, logika (bukti, hukum inferensia, dll) dan Matematika Terpisah (bahkan mungkin kalkulus lambda) semuanya diperlukan.
Namun secara umum, semakin banyak matematika terapan Anda tahu semakin baik.
Matematika murni akan lebih baik dalam hal-hal seperti pengembangan Algorithum dan pemrograman teoretis. Mungkin bahkan memetakan pemrograman redux atau sejenisnya.
Pada dasarnya, Anda juga tidak bisa salah.
sumber
Saya dapat menghitung dengan satu jari berapa kali saya harus menggunakan matematika apa pun yang lebih rumit daripada aljabar dasar dalam proyek apa pun yang saya kerjakan.
Itu benar-benar tergantung pada bidang yang Anda masuki.
sumber
Pemrograman matematika terapan. Yang mengatakan, saya tidak percaya itu membuat banyak perbedaan. Matematika terapan yang saya ambil untuk gelar saya (dalam matematika) terutama berorientasi pada fisika yang tidak akan banyak membantu untuk logika yang diperlukan untuk pemrograman tetapi bekerja dengan baik untuk menentukan algoritma.
sumber
Saya kira saya akan merekomendasikan semacam keseimbangan.
Ini tentu berguna untuk mengetahui teori automata dasar, bahasa formal, teori informasi, dan matematika diskrit dasar.
Ini juga sangat berguna bagi banyak area aplikasi matematika untuk mengetahui kalkulus, aljabar linier, probabilitas & statistik.
Ini juga sangat penting untuk mendapatkan rekayasa perangkat lunak tanpa basa-basi, sehingga Anda tahu bagaimana menganalisis bidang masalah dan mengusulkan berbagai pendekatan untuk itu, dengan pro dan kontra. Kemudian bisa membawanya melalui tim. Memahami pentingnya kontrol kode sumber, pemeliharaan, pengujian yang tepat dan kontrol kualitas, dan manajemen siklus hidup perangkat lunak.
Saya telah melihat orang-orang yang sangat pintar yang malu pada satu atau lebih area ini, dan itu pasti menahan mereka. Dan jika mereka adalah guru, itu menahan siswa mereka.
sumber
Saya menyelesaikan gelar dalam matematika murni saat ini, tetapi saya juga menghabiskan banyak waktu bekerja di proyek penelitian matematika terapan. Meskipun setiap disiplin menggambar batas budayanya sendiri, perbedaan antara matematika murni dan terapan seringkali lebih sulit dipahami daripada yang ingin kita akui. Hingga relatif baru dalam sejarah matematika, hampir semua matematika adalah apa yang sekarang kita sebut "matematika terapan". (Berikan pengecualian untuk teori bilangan jika Anda suka.) Kadang-kadang batas bergeser juga. Salah satu minat penelitian saya dimotivasi oleh masalah "terapan" yang sangat sesuai dengan sistem fisik yang sebenarnya, tetapi tumbuh untuk mencakup teknik-teknik sentral dari semigroup dan teori bahasa formal, topik yang relatif "murni". Ingatlah bahwa bahkan Gauss, pangeran murni, menghabiskan waktu berjam-jam menghitung orbit Ceres dengan tangan.
Sangat sulit untuk mengatakan lebih banyak tentang situasi Anda tanpa rincian spesifik tentang kursus dan peluang penelitian, tetapi akan adil untuk mengatakan bahwa matematika terapan akan memberi Anda lebih banyak pengalaman dalam pemrograman. Ini bukan untuk mengatakan bahwa tidak ada masalah komputasi dalam "matematika murni", (ada!), Tetapi ini tidak akan ditekankan, dan Anda harus menggali untuk mereka sendiri. Di sisi lain, tampaknya kebanyakan orang memiliki waktu yang lebih mudah beralih dari murni menjadi diterapkan sebaliknya. Ada banyak peluang untuk variabel perancu di sini, tetapi itu mungkin memberi Anda jeda.
Pada akhirnya, salah satu keterampilan paling berguna yang dapat Anda kembangkan sebagai sarjana adalah kemampuan untuk menentukan jawaban atas hal-hal berikut: "apa yang saya butuhkan senjata di kepala saya untuk belajar?" Jika Anda memiliki minat yang menjangkau berbagai bidang dan mencegah Anda dari melelahkan penawaran kursus di masing-masing, pertanyaan itu harus memotivasi banyak kursus. Sebagai contoh, saya sangat menyukai teori automata tetapi saya tidak pernah mengambil kursus dalam teori perhitungan karena saya hanya bisa membaca buku teks untuk kesenangan. (Nota bene: ini hanya berfungsi jika Anda benar-benar membaca buku teks ). Dalam geometri diferensial, saya tahu bahwa saya tidak akan pernah benar-benar tertarik untuk berurusan dengan simbol-simbol Christoffel dan sejenisnya kecuali saya memiliki senjata di kepala saya dalam bentuk kuis mingguan.
Anda harus belajar mengenali kecenderungan dan kecenderungan Anda sendiri, dan mengubah rute di sekitar mereka.
sumber
Matematika murni, pasti. Secara khusus, matematika diskrit dan logika matematika.
Departemen Matematika University of Illinois memiliki program MS yang menarik yang disebut Matematika Terapan (Teori Komputasi). Ini adalah program bersama antara Departemen Matematika dan Departemen CS. Itu mungkin hal yang Anda inginkan, tetapi ini adalah program pascasarjana.
sumber
Saya berhasil memiliki gelar rekayasa perangkat lunak yang sangat bagus dengan gelar dalam Matematika Komputasi. Saya beruntung, sekolah saya punya program khusus untuk ini, dan itu adalah perpaduan antara CS dan matematika dengan fokus pada matematika yang mendukung CS (Diskrit, Aljabar Abstrak, Grafik Teori & Jaringan) dan matematika yang memerlukan bantuan komputer (numerik analisis, aljabar linier).
Saya kira itu "murni" matematika, tetapi saya tidak pernah benar-benar berpikir seperti itu - itu sangat fokus pada komputer, bahwa matematika komputasi adalah deskripsi yang sangat bagus.
sumber
Jika Anda berpikir tentang karier keuangan: statistik, analisis, PDE, simulasi Monte Carlo (dan berbagai macam "matematika acak (pseudo)"), aljabar.
sumber
Saya pikir itu tergantung pada apa yang ingin Anda lakukan. Saya selalu terlibat dengan perhitungan, sebagaimana diterapkan pada sains dan teknik, sehingga matematika terapan adalah bagian yang lebih besar dari rangkaian keterampilan. Banyak comp sci, menganggap saya sebagai matematika yang lebih murni, khawatir tentang apakah ada algoritma yang lengkap NP dan semua itu, tidak pernah menurut saya sangat menarik atau praktis. Tapi aproksimasi fungsional, PDE, aljabar linier dll. Selalu cukup mendasar. Tetapi jika Anda merencanakan karier dalam pemrograman umum, saya kira hal ini tidak akan banyak membantu Anda selain mengembangkan keterampilan berpikir.
sumber