科学与技术
知识架构
大学阶段如何学习
1st
基础、术语、知识【思维】
数理思维
【思维与系统】
计算思维
→高度决定视野
(设计,机械产品中的自动控制系统,改变生活)
(程序设计,计算思维。理解程序变成机器,程序执行程序环境,求解的计算思维)「机器」
→角度改变观念
(沉迷于事业不能自拔)
(思维有用还是技术有用,软件体现的计算思维)
→尺度把握人生
(不断学习,训练,提高。量变到质变)
为什么学,怎样学,学什么
为什么学
?
STEM job
supply versus demand
jobs vs grads
computing,enginering,life sciences,mathematics,physics sciences
计算机系统system
计算机理论theory
人工智能ai
(
安全security→设计design,网络networking,分布系统attributed system,硬件hardware→电子工程electrical engineering,服务计算service computing→sociology&serviceology
几何计算geometric comp,算法algorithms,图形学graphics→艺术,人机交互hci:human comouter interaction→心理学
数据仓库数据挖掘database&data mining→统计学statistics,机器人robotics,机器学习machine learning,自然语言理解natural language→语言学linguistics,计算生物学comp.bio→生物学,计算经济学comp economics→经济学economics
)
重要:
学习「计算思维」(计算学科为代表:计算手段来主动支撑理论思维 实验思维)
理论思维(数学学科为代表定义,性质,定理,公理及其证明)
实验思维(化学:观察,实验,发生现象,对现象归纳总结研究)
ACM主席the great principle of computing计算的伟大原理
☆复合性思维(计算机学科+其他学科思维体系)→创造性思维
学什么之「计算学科」
①社会/自然问题→②计算手段→③自然/社会问题求解
②计算手段:
-人计算(数学→计算方法获得结果)
-机器自动计算(计算机科学→
程序vs系统,程序被机器自动执行
语言vs编译,编写机器可以执行的程序
问题?算法?程序,构造求解问题的算法。理解计算系统如何构造)
-机器难于计算(计算机科学→
可求解vs难求解,哪些难求解的问题
计算vs算法,构造算法降低计算量
怎样研究算法,借鉴自然界生物规律、计算系统)
①→③:计算和社会自然的融合,用计算手段研究社会/自然问题
总结.学什么:
程序vs系统
语言vs编译
问题?算法?程序
可求解vs难求解
计算vs算法
怎样研究算法
用计算手段研究社会/自然问题
学什么之计算思维
奠基性思维:0和1,程序,递归
计算环境衍化:冯诺依曼机→个人计算环境→并行分布环境→云计算环境
算法(数学建模)/系统(非数学建模)
分支学科:(计算机与社会/自然融合)
计算经济学、计算统计学、计算金融学
.......