Datavetenskap

Datavetenskap , studier av datorer och datorer, inklusive deras teoretiska och algoritmiska grunder, hårdvara och programvara , och deras användning för bearbetning av information. De disciplin datavetenskap inkluderar studier av algoritmer och datastrukturer, dator - och nätverksdesign, modellering av data och informationsprocesser, och artificiell intelligens . Datavetenskap drar några av sina grunder från matematik och teknik och innehåller därför tekniker från områden som köteori, sannolikhet och statistik, och elektronisk kretsdesign. Datavetenskap använder också tungt hypotes testning och experimentera under konceptualisering, design, mätning och förfining av nya algoritmer, informationsstrukturer och datorarkitekturer.

bärbar dator

bärbar dator En bärbar dator. Index öppet



Toppfrågor

Vad är datavetenskap?

Datavetenskap är studier av datorer och datorer samt deras teoretiska och praktiska tillämpningar. Datavetenskap tillämpar principerna för matematik, teknik och logik i en mängd funktioner inklusive algoritm formulering, programvara och hårdvaruutveckling, och artificiell intelligens .



Vilka är de mest kända datavetenskaparna?

De mest inflytelserika datavetenskaparna inkluderar Alan Turing, andra världskrigets kodbrytare som allmänt betraktas som fadern till modern databehandling; Tim Berners-Lee, uppfinnare av World Wide Web ; John McCarthy, uppfinnare av programmeringsspråket LISP och artificiell intelligens pionjär; och Grace Hopper US Navyofficer och en nyckelfigur i utvecklingen av tidiga datorer som UNIVAC I samt utvecklingen av dataspråket kompilator .

Vad kan du göra med datavetenskap?

Datavetenskap tillämpas på ett brett spektrum av discipliner som inkluderar modelleringssimuleringar som effekterna av klimatförändringar och Ebolaviruset, skapar konst och visualisering genom grafikåtergivning och simulerar ett mänskligt gränssnitt genom artificiell intelligens och maskininlärning.



Används datavetenskap i videospel?

TV-spel utveckling grundar sig på principerna för datavetenskap och programmering. Modern grafikåtergivning i videospel använder ofta avancerade tekniker som strålespårning för att ge realistiska effekter. Utvecklingen av förstärkt verklighet och virtuell verklighet har också utökat utbudet av möjligheter för utveckling av videospel.

Hur lär jag mig datavetenskap?

Många universitet över hela världen erbjuder examen som lär studenterna grunderna i datavetenskapsteori och tillämpningarna av datorprogrammering. Dessutom gör förekomsten av online-resurser och kurser det möjligt för många människor att själv lära sig de mer praktiska aspekterna av datavetenskap (som kodning, utveckling av videospel och appdesign).

Datavetenskap betraktas som en del av en familj med fem separata men inbördes relaterade discipliner: datateknik, datavetenskap, informationssystem , informationsteknik och programvaruteknik. Denna familj har kommit att kallas kollektivt som datordisciplin. Dessa fem discipliner är inbördes förbundna i den meningen att dator är deras studieobjekt, men de är separata eftersom var och en har sitt eget forskningsperspektiv och läroplanfokus. (Sedan 1991 har Association for Computing Machinery [ACM], IEEE Computer Society [IEEE-CS] och Association for Information Systems [AIS] samarbetat för att utveckla och uppdatera taxonomi av dessa fem inbördes relaterade discipliner och riktlinjerna som utbildningsinstitutioner världen över använder för sina grundutbildningar, doktorander och forskningsprogram.)



hur började bojkottet

De viktigaste delfälten inom datavetenskap inkluderar den traditionella studien av datorarkitektur, programmeringsspråk och programutveckling. De inkluderar dock också beräkningsvetenskap (användningen av algoritmiska tekniker för modellering av vetenskapliga data), grafik och visualisering, interaktion mellan människa och dator, databaser och informationssystem, nätverk och sociala och professionella frågor som är unika för datavetenskap. Som kan vara uppenbart överlappar vissa av dessa underfält i sin verksamhet med andra moderna områden, såsom bioinformatik och kemi . Dessa överlappningar är en följd av en tendens bland datavetenskapare att känna igen och agera på deras fältets många tvärvetenskapliga kopplingar.

Utveckling av datavetenskap

Datavetenskap framträdde som en självständig disciplin i början av 1960-talet, även om den elektroniska digitala datorn som är föremål för sin studie uppfanns ungefär två decennier tidigare. Datavetenskapens rötter ligger främst inom de relaterade områdena matematik, elektroteknik, fysik och ledningssystem.

Matematik är källan till två nyckelbegrepp i datorns utveckling - idén att all information kan representeras som sekvenser av nollor och enor och den abstrakta uppfattningen om ett lagrat program. I det binära nummersystemet representeras tal av en sekvens av de binära siffrorna 0 och 1 på samma sätt som siffrorna i det välkända decimalsystemet representeras med hjälp av siffrorna 0 till 9. Den relativa lätthet med vilken två tillstånd (t.ex. höga och lågspänning) kan realiseras i elektriska och elektronisk enheter ledde naturligt till den binära siffran, eller biten, och blev den grundläggande enheten för datalagring och överföring i ett datorsystem.



Ellära ger grunderna för kretsdesign - nämligen tanken att elektriska impulser som matas in till en krets kan kombineras med hjälp av boolesk algebra för att producera godtyckliga utgångar. (Den booleska algebra som utvecklades på 1800-talet gav en formalism för att utforma en krets med binära ingångsvärden på nollor och enor [falska respektive sanna, i logikterminologin] för att ge önskad kombination av nollor och enar som utdata.) Uppfinningen av transistor och miniatyrisering av kretsar, tillsammans med uppfinningen av elektroniska, magnetiska och optiska media för lagring och överföring av information, berodde på framsteg inom elektroteknik och fysik.

Managementinformationssystem, som ursprungligen kallades databehandlingssystem, gav tidiga idéer från vilka olika datavetenskapliga begrepp som sortering, sökning, databaser , informationshämtning och grafiska användargränssnitt utvecklades. Stora företag rymde datorer som lagrade information som var central för verksamheten för att driva ett företag - löner, redovisning, lagerhantering, produktionskontroll, frakt och mottagning.



Teoretiskt arbete med beräkningsbarhet, som började på 1930-talet, gav den nödvändiga utvidgningen av dessa framsteg till design av hela maskiner; en milstolpe var 1936-specifikationen av Turing-maskinen (en teoretisk beräkningsmodell som utför instruktioner som representeras som en serie nollor och enor) av den brittiska matematikern Alan Turing och hans bevis på modellens beräkningskraft. Ett annat genombrott var konceptet med den lagrade programdatorn, som vanligtvis krediteras den ungerska amerikanska matematikern John von Neumann. Detta är ursprunget till datavetenskapsområdet som senare blev känt som arkitektur och organisation.

Alan M. Turing, 1951.

Alan M. Turing, 1951. Science History Images / Alamy



På 1950-talet arbetade de flesta datoranvändare antingen i vetenskapliga forskningslaboratorier eller i stora företag. Den tidigare gruppen använde datorer för att hjälpa dem att göra komplexa matematiska beräkningar (t.ex. missilbanor), medan den senare använde datorer för att hantera stora mängder företagsdata (t.ex. löner och inventeringar). Båda grupperna lärde sig snabbt att det inte var praktiskt eller pålitligt att skriva program på noll och maskinspråk. Denna upptäckt ledde till utvecklingen av monteringsspråk i början av 1950-talet, vilket gör det möjligt för programmerare att använda symboler för instruktioner (t.ex. ADD för tillägg) och variabler (t.ex. X ). Ett annat program, känt som en samlare, översatte dessa symboliska program till ett motsvarande binärt program vars steg datorn kunde genomföra eller utföra.

Andra systemprogramvarulement, så kallade länkande lastare, utvecklades för att kombinera delar av monterad kod och ladda dem i datorns minne, där de kunde köras. Konceptet att länka separata bitar av kod var viktigt, eftersom det gjorde det möjligt att återanvända bibliotek med program för att utföra gemensamma uppgifter. Detta var ett första steg i utvecklingen av datavetenskapsområdet som kallades programvara teknik.



Senare på 1950-talet visade sig monteringsspråket vara så besvärligt att utvecklingen av högnivåspråk (närmare naturliga språk) började stödja enklare, snabbare programmering. FORTRAN framträdde som det huvudsakliga högnivåspråket för vetenskaplig programmering, medan COBOL blev huvudspråket för affärsprogrammering. Dessa språk medförde behovet av olika program, så kallade kompilatorer , som översätter språk på hög nivå till maskinkod. När programmeringsspråken blev mer kraftfulla och abstrakta byggde kompilatorer som skapar högkvalitativ maskinkod och som är effektiva när det gäller körhastighet och lagring konsumtion blev ett utmanande datavetenskapligt problem. Utformningen och implementeringen av språk på hög nivå är kärnan i datavetenskapliga fält som kallas programmeringsspråk.

Ökad användning av datorer i början av 1960 - talet gav kraft för utvecklingen av den första operativsystem , som bestod av systembaserad programvara som automatiskt hanterade in- och utdata och körning av program som kallades jobb. Kravet på bättre beräkningstekniker ledde till ett intresse för numeriska metoder och deras analys, en aktivitet som expanderade så brett att den blev känd som beräkningsvetenskap.

På 1970- och 80-talet framkom kraftfulla datorgrafikapparater, både för vetenskaplig modellering och andra visuella aktiviteter. (Datoriserade grafiska enheter introducerades i början av 1950-talet med visning av råbilder på pappersdiagram och katodstrålerörs [CRT] -skärmar.) Dyrt hårdvara och den begränsade tillgängligheten av programvara hindrade fältet från att växa fram till början av 1980-talet, då datorminne krävs för bitmappsgrafik (där en bild består av små rektangulära pixlar) blev billigare. Bitmap-teknik, tillsammans med högupplösta skärmar och utvecklingen av grafikstandarder som gör programvaran mindre maskinberoende, har lett till en explosiv tillväxt i fältet. Stöd för alla dessa aktiviteter utvecklades till datavetenskap, grafik och visual computing.

Nära relaterat till detta område är design och analys av system som interagerar direkt med användare som utför olika beräkningsuppgifter. Dessa system användes i stor utsträckning under 1980- och 90-talet, när linje-redigerade interaktioner med användare ersattes av grafiska användargränssnitt (GUI). GUI-design, som var banbrytande av Xerox och senare plockades upp av Apple (Macintosh) och slutligen av Microsoft ( Windows ), är viktigt eftersom det utgör vad människor ser och gör när de interagerar med en datoranordning. Utformningen av lämpliga användargränssnitt för alla typer av användare har utvecklats till datavetenskapsområdet som kallas HCI.

grafiskt användargränssnitt

grafiskt användargränssnitt Xerox Alto var den första datorn som använde grafiska ikoner och en mus för att styra systemet - det första grafiska användargränssnittet (GUI). Med tillstånd av Xerox

Området datorarkitektur och organisation har också utvecklats dramatiskt sedan de första datorerna med lagrade program utvecklades på 1950-talet. Så kallade tidsdelningssystem uppstod på 1960-talet för att göra det möjligt för flera användare att köra program samtidigt från olika terminaler som var fastkopplade till datorn. På 1970-talet utvecklades det första vidområdet dator nätverk (WAN) och protokoll för överföring av information i höga hastigheter mellan datorer åtskilda av stora avstånd. När dessa aktiviteter utvecklades sammanföll de till det datavetenskapliga området som kallas nätverk och kommunikation. En viktig prestation inom detta område var utvecklingen av Internet.

Tanken att instruktioner såväl som data kan lagras i en dators minne var kritisk för grundläggande upptäckter om det teoretiska beteendet hos algoritmer . Det vill säga frågor som, Vad kan / kan inte beräknas? har formellt tagits upp med hjälp av dessa abstrakta idéer. Dessa upptäckter var ursprunget till datavetenskapsområdet som kallas algoritmer och komplexitet. En viktig del av detta område är studier och tillämpning av datastrukturer som är lämpliga för olika applikationer. Datastrukturer, tillsammans med utvecklingen av optimala algoritmer för att infoga, radera och lokalisera data i sådana strukturer, är ett stort problem för datavetare eftersom de används så mycket i datorprogramvara, särskilt i kompilatorer, operativsystem, filsystem, och sökmotorer .

På 1960-talet gav uppfinningen av magnetisk lagring snabb åtkomst till data som finns på en godtycklig plats på disken. Denna uppfinning ledde inte bara till mer smart utformade filsystem utan också till utvecklingen av databas och informationshämtningssystem, som senare blev väsentliga för att lagra, hämta och överföra stora mängder och stora sorter av data över Internet. Detta fält av datavetenskap är känt som informationshantering.

Ett annat långsiktigt mål med datavetenskaplig forskning är att skapa datormaskiner och robotapparater som kan utföra uppgifter som vanligtvis anses kräva mänsklig intelligens . Sådana uppgifter inkluderar att flytta, se, höra, tala, förstå naturligt språk, tänka och till och med ställa ut mänsklig känslor. Datavetenskapliga området intelligenta system, ursprungligen känt som artificiell intelligens (AI), föregår faktiskt den första elektronisk datorer på 1940-talet, även om termen artificiell intelligens myntades först 1956.

Tre utvecklingar inom datorer i början av 2000-talet - mobil datorer, klient-server databehandling och datahacking - bidragit till framväxten av tre nya områden inom datavetenskap: plattformsbaserad utveckling, parallell och distribuerad databehandling samt säkerhet och information försäkring . Plattformsbaserad utveckling är studien av de särskilda behoven hos mobila enheter, deras operativsystem och deras applikationer. Parallell och distribuerad beräkning avser utveckling av arkitekturer och programmeringsspråk som stöder utvecklingen av algoritmer vars komponenter kan köras samtidigt och asynkront (snarare än i följd) för att bättre utnyttja tid och rum. Säkerhet och informationssäkerhet handlar om utformningen av datorsystem och programvara som skyddar integritet och datasäkerhet, samt privatliv för individer som kännetecknas av dessa uppgifter.

Slutligen är ett särskilt intresse för datavetenskap genom dess historia den unika samhällseffekten som åtföljer datavetenskaplig forskning och tekniska framsteg. Med uppkomsten av Internet på 1980-talet behövde programutvecklare till exempel ta itu med viktiga frågor relaterade till informationssäkerhet, personlig integritet och systemtillförlitlighet. Dessutom frågan om datorprogramvara utgör intellektuell egendom och tillhörande fråga Vem äger den? gav upphov till ett helt nytt juridiskt område med licens- och licensstandarder som gällde programvara och relaterat artefakter . Dessa problem och andra utgör grunden för datavetenskapens sociala och professionella frågor, och de förekommer i nästan alla andra områden som identifierats ovan.

Så, för att sammanfatta, har datavetenskapens disciplin utvecklats till följande 15 olika områden:

hjärnstrukturen involverad i talförståelse är
  • Algoritmer och komplexitet
  • Arkitektur och organisation
  • Beräkningsvetenskap
  • Grafik och visuell beräkning
  • Människa-datorinteraktion
  • Informationshantering
  • Intelligenta system
  • Nätverk och kommunikation
  • Operativsystem
  • Parallell och distribuerad databehandling
  • Plattformsbaserad utveckling
  • Programmeringsspråk
  • Säkerhet och informationssäkerhet
  • Mjukvaruutveckling
  • Sociala och professionella frågor

Datavetenskap har fortsatt starka matematiska och tekniska rötter. Datavetenskap kandidatexamen, magister- och doktorsexamen erbjuds rutinmässigt av akademiska institutioner på post-sekundär nivå, och dessa program kräver att studenterna genomför lämpliga matematik- och ingenjörskurser, beroende på deras fokusområde. Till exempel måste alla grundläggande datavetenskapliga huvudämnen studera diskret matematik (logik, kombinatorik och elementär grafteori). Många program kräver också att studenterna genomgår kurser i kalkyl , statistik , numerisk analys, fysik och tekniska principer tidigt i sina studier.