10 Algoritmer som endrer verden - dummier - Personlig finansiering 2024

Algoritmer vises i dag overalt, og du kan ikke engang innse hvor mye effekt de har på livet ditt. De fleste innser at nettbutikker og andre salgssteder er avhengige av algoritmer for å avgjøre hvilke tilleggsprodukter som skal foreslås basert på tidligere kjøp. Imidlertid er de fleste uvitende om bruken av algoritmer i medisin, hvorav mange hjelper en lege å bestemme hvilken diagnose som skal tilveiebringes.

Bruke sorteringsrutiner

Uten bestillte data, ville det meste av verden komme til slutt. For å bruke data må du kunne finne det. Du kan finne hundrevis av sorteringsalgoritmer online.

De tre vanligste sorteringsrutinene er imidlertid Mergesort, Quicksort og Heapsort på grunn av den overlegne hastigheten de gir. Den sorteringsrutinen som passer best for din søknad, er avhengig av følgende:

Hva du forventer at programmet skal gjøre < Den typen data du jobber med
Beregningsressursene du har tilgjengelig

Poenget er at muligheten til å sortere data i det som et program trenger for å utføre en oppgave, gjør verden til å løpe, og denne evnen endrer hvordan verden fungerer.

Leter du etter ting med søkerutiner

Som med sorteringsrutiner, vises søkerutiner i nesten alle applikasjoner av en hvilken som helst størrelse i dag. Applikasjonene vises overalt, selv på steder som du kanskje ikke tenker for mye om, for eksempel bilen din. Å finne informasjon raskt er en viktig del av det daglige livet. Som med sorteringsrutiner, finner søk rutiner i alle former og størrelser. Faktisk, hvis noe, er det flere søkerutiner enn sorteringsrutiner fordi søkekravene ofte er mer anstrengende og komplekse.

Shaking ting opp med tilfeldige tall

Alle slags ting ville være mye mindre morsomt uten tilfeldighet. For eksempel, tenk å starte Solitaire og se akkurat det samme spillet hver gang du starter det. Ingen ville spille et slikt spill. Derfor er tilfeldig talgenerering en viktig del av spillopplevelsen. Faktisk krever noen algoritmer faktisk noe nivå av tilfeldighet for å fungere skikkelig. Du finner også at testing fungerer bedre når du bruker tilfeldige verdier i noen tilfeller.

Tallene du får fra en algoritme er faktisk pseudo-tilfeldig, noe som betyr at du potensielt kan forutse neste nummer i en serie ved å vite algoritmen og frøverdien som brukes til å generere nummeret. Derfor er denne informasjonen så nøye bevart.

Utføre datakomprimering

Datakomprimering påvirker alle aspekter av databehandling i dag.For eksempel er de fleste grafikk-, video- og lydfiler avhengig av datakomprimering. Uten datakomprimering kan du ikke muligens oppnå det nødvendige nivået for gjennomstrømning for å gjøre oppgaver som arbeid med streamet film.

Datakomprimering finner imidlertid enda flere bruksområder enn du kanskje forventer. Omtrent hvert databasebehandlingssystem (DBMS) er avhengig av datakomprimering for å gjøre dataene passende i en rimelig mengde plass på disken. Cloud computing ville ikke fungere uten datakomprimering fordi det ville ta for lang tid å laste ned elementer fra skyen til lokale maskiner. Selv websider stoler ofte på datakomprimering for å få informasjon fra ett sted til et annet.

Holde data hemmelig

Konseptet med å holde data hemmelig er ikke nytt. Faktisk er det en av de eldste grunnene til å bruke en algoritme av noe slag. Ordet kryptografi kommer faktisk fra to greske ord:

kryptós (skjult eller hemmelig) og graphein (skriving). Faktisk var grekerne trolig de første krypteringsbrukere, og gamle tekster rapporterer at Julius Caesar brukte krypterte missiver til å kommunisere med sine generaler. Poenget er at å holde data hemmelig er en av de lengste løpene i historien. Når et parti finner en måte å holde en hemmelighet, finner noen andre en måte å gjøre den hemmelige offentligheten ved å bryte kryptografi. Generelle bruksområder for datastyrt kryptografi i dag inkluderer: Fortrolighet:

Sikre at ingen kan se informasjon utvekslet mellom to parter. Dataintegritet:
Redusere sannsynligheten for at noen eller noe kan endre innholdet av data som passerer mellom to parter. Godkjenning:
Bestemme identiteten til en eller flere parter. Nonrepudiation:
Reduserer partiets evne til å si at han eller hun ikke begikk en bestemt handling. Endring av data domene

Fourier Transform og Fast Fourier Transform (FFT) gjør en stor forskjell i hvordan applikasjoner oppfatter data. Disse to algoritmene forvandler data fra frekvensdomenet (hvor raskt et signal oscillerer) til tidsdomene (tidsforskjellen mellom signalendringer). Faktisk er det umulig å få noen form for maskinvaregrad uten å ha brukt tid på å jobbe med disse to algoritmene i stor utstrekning. Timing er alt.

Ved å vite hvor ofte noe endres, kan du finne ut tidsintervallet mellom endringer og derfor vet hvor lenge du må utføre en oppgave før en endring i tilstand krever at du gjør noe annet. Disse algoritmene ser vanligvis bruk i filtre av alle slags. Uten filtreringseffekter av disse algoritmene ville det være umulig å reprodusere video og lyd trofast gjennom en strømforbindelse.

Analysere lenker

Evnen til å analysere relasjoner er noe som har gjort moderne databehandling unik. Faktisk er evnen til først å lage en representasjon av disse relasjonene, og deretter analysere dem, gjenstand for del III av denne boken. Hele ideen med nettet er faktisk å skape tilkoblinger, og tilkobling var en vurdering i begynnelsen av det som har blitt et verdensomspennende fenomen.Uten muligheten til å analysere og bruke lenker, vil programmer som databaser og e-post ikke fungere. Du kunne ikke kommunisere godt med venner på Facebook.

Siden nettet har blitt modnet og folk har blitt mer i tråd med enheter som gjør tilkobling både enklere og allestedsnærværende, har applikasjoner som Facebook og salgssider som Amazon gjort større bruk av linkanalyse for å gjøre ting som å selge deg flere produkter.

Spotting data patterns

Data eksisterer ikke i vakuum. Alle slags faktorer påvirker data, inkludert biaser som farge hvordan mennesker oppfatter data.

Mønsteranalyse er i forkant med noen av de mer fantastiske bruken av datamaskiner i dag. For eksempel gjør Viola-Jones objektdeteksjon rammeverket sanntids ansiktsgjenkjenning mulig. Denne algoritmen kan gjøre det mulig for folk å skape bedre sikkerhet på steder som flyplasser hvor ufarlige personer i dag driver sin handel. Lignende algoritmer kan hjelpe legen din til å oppdage kreft av forskjellige slag lenge før kreften faktisk er synlig for det menneskelige øye. Tidligere gjenkjenning gir en fullstendig utvinning en høyere sannsynlighet. Det samme gjelder for alle slags andre medisinske problemer (for eksempel å finne beinfrakturer som for øyeblikket er for små til å se, men forårsaker smerte likevel).

Du finner også mønstergenkjenning som brukes til mer verdslige formål. For eksempel lar mønsteranalyse folk oppdage potensielle trafikkproblemer før de oppstår. Det er også mulig å bruke mønsteranalyse for å hjelpe bønder til å dyrke mer mat til en lavere pris ved å bruke vann og gjødsel bare når det er nødvendig. Bruken av mønstergenkjenning kan også bidra til å flytte droner rundt feltene slik at bonden blir mer tidseffektiv og kan jobbe mer land til en lavere pris. Uten algoritmer kan slike mønstre, som har så stor innvirkning på det daglige livet, ikke bli gjenkjent.

Håndtering av automatisering og automatiske svar

Den proporsjonale integrerte derivat algoritmen er ganske munnfull. Bare prøv å si det tre ganger fort! Det er imidlertid en av de viktigste hemmelige algoritmer du aldri har hørt om, men stole på hver dag. Denne spesielle algoritmen er avhengig av en tilbakeslagsmekanisme for kontrollsløyfe for å minimere feilen mellom det ønskede utgangssignal og det reelle utgangssignalet. Du ser det brukt overalt for å kontrollere automatisering og automatiske svar. For eksempel, når bilen din går i glid fordi du knuser for hardt, hjelper denne algoritmen til at det automatiske brytesystemet (ABS) egentlig virker som ønsket. Ellers kan ABS overkompensere og gjøre saken verre.

Omtrent alle former for maskiner bruker i dag den proporsjonale integrerte derivat algoritmen. Faktisk ville robotikken ikke være mulig uten den. Tenk deg hva som ville skje med en fabrikk dersom alle roboter stadig overkompenseres for hver aktivitet de involverte. Det resulterende kaoset ville raskt overbevise eierne om å slutte å bruke maskiner til noe som helst formål.

Opprette unike identifikatorer