Strukturere data for å få en løsning - dummies

Mennesker tenker på data på uspecifikke måter og bruker ulike regler til samme data for å forstå det på måter som datamaskiner aldri kan. Datamaskinens visning av data er strukturert, enkel, kompromissløs og absolutt ikke kreativ. Når mennesker forbereder data for en datamaskin som skal brukes, samhandler dataene ofte med algoritmen på uventede måter og produserer uønsket utgang.

Problemet er et menneske som ikke forstår den begrensede visningen av data som en datamaskin har.

A

er ganske enkelt nummer 65 til datamaskinen. Faktisk er det egentlig ikke engang nummer 65. Datamaskinen ser en serie elektriske impulser som tilsvarer en binær verdi på 0100 0001.

Datamaskiner forstår heller ikke hele konseptet med store og små bokstaver. For et menneske er den små bokstaver

a ganske enkelt en annen form av stor bokstaver A,, men til en datamaskin er de to forskjellige bokstaver. En liten bokstav a vises som nummer 97 til datamaskinen (en binær verdi på 0110 0001). Hvis disse enkle typer enkoboks sammenligninger kan forårsake slike problemer mellom mennesker og datamaskiner, er det ikke vanskelig å forestille seg hva som skjer når mennesker begynner å forta seg for mye om andre typer data. For eksempel kan en datamaskin ikke høre eller sette pris på musikk. Likevel kommer musikk ut av datamaskinens høyttalere. Det samme gjelder for grafikk. En datamaskin ser en serie på 0s og 1s, ikke en grafikk som inneholder en pen scene på landsbygda.

Det er viktig å vurdere data fra datamaskinens perspektiv når du bruker algoritmer. Datamaskinen ser bare 0s og 1s, ingenting annet. Derfor, når du begynner å arbeide gjennom algoritmenes behov, må du se dataene på den måten. Du kan faktisk finne det fordelaktig å vite at datamaskinens visning av data gjør det enklere å finne noen løsninger, ikke vanskeligere.

Arrangering av data gjør forskjellen

Datamaskiner har også en streng ide om form og struktur av data. Når du begynner å jobbe med algoritmer, finner du at en stor del av jobben innebærer at dataene vises i et skjema som datamaskinen kan bruke når du bruker algoritmen for å finne en løsning på et problem.

Selv om et menneske mentalt ser mønstre i data som ikke er ordnet nøyaktig riktig, trenger datamaskiner virkelig nøyaktigheten for å finne det samme mønsteret. Fordelen med denne presisjonen er at datamaskiner ofte kan gjøre nye mønstre synlige. Faktisk er det en av hovedgrunnene til å bruke algoritmer med datamaskiner - for å finne nye mønstre og deretter bruke disse mønstrene til å utføre andre oppgaver. For eksempel kan en datamaskin gjenkjenne kundens utgiftsmønster, slik at du kan bruke informasjonen til å generere mer salg automatisk.