वैज्ञानिक कंप्यूटिंग बनाम संख्यात्मक विश्लेषण


9

मैं कंप्यूटर विज्ञान और गणित में एक डबल प्रमुख हूँ। मुझे दोनों विषय पसंद हैं। मैं एक स्नातक कैरियर लेने के बारे में सोच रहा हूं, शायद वैज्ञानिक कंप्यूटिंग में। वैज्ञानिक कंप्यूटिंग और संख्यात्मक विश्लेषण के बीच वास्तविक अंतर क्या है? क्या वे करियर के रूप में अध्ययनरत हैं?

जवाबों:


18

विकिपीडिया एक अच्छी परिभाषा देता है

संख्यात्मक विश्लेषण एल्गोरिदम का अध्ययन है जो गणितीय विश्लेषण की समस्याओं (असतत गणित से प्रतिष्ठित) के रूप में संख्यात्मक सन्निकटन (सामान्य प्रतीकात्मक जोड़तोड़ के विपरीत) का उपयोग करता है।

संख्यात्मक विश्लेषक आम तौर पर अपने एल्गोरिदम के बारे में गणितीय परिणामों को साबित करने में रुचि रखते हैं, जिसमें त्रुटि सीमाएं (अनुमान में बड़ी त्रुटि कैसे हो सकती है), पुनरावृत्ति योजनाओं का अभिसरण (अनुमानित सीमा सही सीमा तक पहुंचती है), अभिसरण की दर और कितनी तेजी से क्या एल्गोरिथ्म अभिसरण करता है), और कम्प्यूटेशनल जटिलता (एक एल्गोरिथ्म द्वारा आवश्यक संचालन की संख्या को सीमित करना।) इन क्षेत्रों में कभी कंप्यूटर का उपयोग किए बिना शोध करना संभव है, और कुछ महत्वपूर्ण परिणाम 1950 के दशक में डिजिटल कंप्यूटर के विकास से पहले भी हैं।

विकिपीडिया की एक परिभाषा "वैज्ञानिक कम्प्यूटिंग" भी है।

कम्प्यूटेशनल विज्ञान (वैज्ञानिक कंप्यूटिंग या वैज्ञानिक संगणना (SC)) एक तेजी से बढ़ता हुआ बहु-विषयक क्षेत्र है जो जटिल समस्याओं को समझने और हल करने के लिए उन्नत कंप्यूटिंग क्षमताओं का उपयोग करता है। कम्प्यूटेशनल विज्ञान तीन अलग-अलग तत्वों को फ़्यूज़ करता है: [1] एल्गोरिदम (संख्यात्मक और गैर-संख्यात्मक) और मॉडलिंग और सिमुलेशन सॉफ़्टवेयर को विज्ञान को हल करने के लिए विकसित किया गया (जैसे, जैविक, भौतिक और सामाजिक), इंजीनियरिंग, और मानविकी समस्याएं कंप्यूटर और सूचना का विकास करती हैं जो विकसित होती हैं और कम्प्यूटेशनल रूप से मांग की समस्याओं को हल करने के लिए आवश्यक उन्नत सिस्टम हार्डवेयर, सॉफ्टवेयर, नेटवर्किंग, और डेटा प्रबंधन घटकों का अनुकूलन करता है। कंप्यूटिंग बुनियादी ढाँचा जो विज्ञान और इंजीनियरिंग समस्या को सुलझाने और विकासात्मक कंप्यूटर और सूचना विज्ञान दोनों का समर्थन करता है।

कंप्यूटर से सटीक समाधान प्राप्त करने के व्यावहारिक पहलुओं के बारे में वैज्ञानिक कंप्यूटिंग बहुत अधिक है। यह स्पष्ट रूप से संख्यात्मक विश्लेषण के परिणामों पर बनाता है, लेकिन यह कंप्यूटर वास्तुकला और सॉफ्टवेयर इंजीनियरिंग पर भी भारी पड़ता है। यद्यपि वैज्ञानिक कंप्यूटिंग में अनुसंधान अक्सर अपने स्वयं के लिए किया जाता है और कई अनुप्रयोगों में उपयोग किए जाने वाले हार्डवेयर और सॉफ़्टवेयर को विकसित करने के लिए, कई वैज्ञानिक कंप्यूटिंग अनुसंधान भी होते हैं जो विशेष विज्ञान और इंजीनियरिंग समस्याओं को हल करने की आवश्यकता से प्रेरित होते हैं। उदाहरण के लिए, जलवायु परिवर्तन का अध्ययन करने के लिए वैश्विक जलवायु मॉडल के विकास ने वैज्ञानिक कंप्यूटिंग को भी आगे बढ़ाया है।

संख्यात्मक विश्लेषण सबसे अधिक गणित और अनुप्रयुक्त गणित विभागों में पाया जाता है, जबकि वैज्ञानिक कंप्यूटिंग एक अंतःविषय क्षेत्र है जो कंप्यूटर विज्ञान विभागों, गणित विभागों और विभिन्न इंजीनियरिंग और विज्ञान विषयों में पाया जा सकता है।


1
अच्छे पुराने दिनों में, कुछ कंप्यूटर विज्ञान विभागों में बहुत सारे संख्यात्मक विश्लेषण (संकाय, छात्र, कक्षाएं, अनुसंधान) चल रहे थे। इस काम का अधिकांश भाग एल्गोरिदम और सॉफ्टवेयर के विकास के लिए समर्पित था, जिसने विज्ञान, इंजीनियरिंग, सांख्यिकी (सांख्यिकीय कंप्यूटिंग), प्रबंधन / संचालन अनुसंधान आदि में वास्तविक समस्याओं को हल करने के लिए अच्छी तरह से काम किया। यह सब अपने स्वयं के लिए प्रमेय साबित करने के बारे में नहीं था।
मार्क एल। स्टोन

लागू गणित उन दोनों के लिए एक अच्छा प्रारंभिक बिंदु होगा?
ब्लेड

1
हां, लागू गणित में एक पृष्ठभूमि या तो दिशा में सहायक होगी। असली सवाल वही है जो आप जोड़ना चाहते हैं जो आपके पास पहले से है। चौड़ाई (कंप्यूटर विज्ञान और कुछ विज्ञान या इंजीनियरिंग क्षेत्र जिसमें कम्प्यूटेशनल विज्ञान का उपयोग किया जाता है) कम्प्यूटेशनल विज्ञान जैसे अंतःविषय क्षेत्र में बहुत सहायक है।
ब्रायन Borchers

6

जिस तरह से मैं ग्रैड स्कूल के दौरान इंजीनियरिंग से लेकर साइंटिफिक कंप्यूटिंग में काम कर रहा था, उस तरह के काम की एक आकस्मिक जरूरत के रूप में मैं यहाँ कर रहा था, मेरे दो बच्चे हैं:

  • संख्यात्मक विश्लेषण चीजों के गणित और एल्गोरिदम पक्ष पर ध्यान केंद्रित करेगा। एक विशेष गणितीय समस्या को हल करने के लिए किन तकनीकों का उपयोग करना है, इसका पता लगाना एक विश्लेषणात्मक समाधान नहीं है जैसे ODE का PDE का मैट्रिक्स हेरफेर अनुकूलन आदि।
  • न्यूमेरिकल एनालिसिस में इन दिनों अक्सर महत्वपूर्ण मात्रा में प्रोग्रामिंग शामिल होती है, लेकिन फिर भी यह एक कुशल एल्गोरिथम के गणितीय विचारों को कंप्यूटर कोड में अनुवाद करने के लिए बहुत अधिक है।
  • परंपरागत रूप से फोरट्रान मुख्य आधार था। लेकिन आप C / C ++ और इन दिनों Python के साथ काम करने की उम्मीद भी कर सकते हैं। कुछ सामान में गणितज्ञ या MATLAB जैसे पैकेज भी शामिल हो सकते हैं
  • वैज्ञानिक कम्प्यूटिंग के लिए आ रहा है कि एक अधिक लागू क्षेत्र है जहां कोई कंप्यूटिंग संसाधनों का उपयोग करने के लिए कुछ वैज्ञानिक समस्या को हल करने की कोशिश करता है। इसमें बहुत सारे नट n बोल्ट काम कर सकते हैं। जैसे कोड्स को संकलित करना, ऑपरेटिंग सिस्टम और लाइब्रेरी स्थापित करना, वैज्ञानिक कोड काम करने के लिए विकल्प स्थापित करना आदि।
  • चूंकि इन दिनों वैज्ञानिक कंप्यूटिंग के एक निष्पक्ष बिट में समानांतर संगणना शामिल है, इसलिए आपको कंप्यूटिंग क्लस्टर, सुपर कंप्यूटर, क्लाउड सिस्टम आदि के लिए कुछ जोखिम होगा।
  • वैज्ञानिक कंप्यूटिंग में जब आप प्रोग्रामिंग भाषाओं के साथ काम कर सकते हैं जैसे C / FORTRAN आदि "ग्लूइंग" / स्क्रिप्टिंग भाषाओं जैसे बैश / पर्ल आदि के साथ बहुत काम करने की उम्मीद करते हैं।
  • आप शायद लिनक्स-आई सिस्टम के साथ बहुत काम करेंगे और कमांड लाइन पर काम करने में काफी कुशल हैं और sed / awk आदि जैसे टूल के साथ। कुछ लोग अंत में साइज़ एडमिन बनते हैं।
  • वैज्ञानिक कंप्यूटिंग के लॉट में विज़ुअलाइज़ेशन और डेटा स्टोरेज / डेटा रिट्रीवल शामिल है। बहुत से लोग बिग डेटा / हडोप / मैप रिड्यूस आदि के विशेषज्ञ बन जाते हैं।
  • न्यूमेरिकल एनालिसिस अनिवार्य रूप से एक विशेषज्ञ का काम है। आप गणित और कोडिंग में अच्छे हैं और एक विशेष समस्या को बहुत कुशलता से हल करते हैं। कभी-कभी एक एल्गोरिथ्म का आविष्कार करना या रास्ते में दो। वैज्ञानिक कम्प्यूटिंग, कुछ अर्थों में, एक सामान्यवादी काम है। सापेक्षिक रूप से बोल रहे। एक विशिष्ट लागू समस्या को हल करने के लिए आप अक्सर विविध उपकरणों का उपयोग कर रहे हैं।
  • बहुत सारे वैज्ञानिक कंप्यूटिंग में इंटरफेस पर काम करना शामिल हो सकता है। जैसे दो कार्यक्रमों के बीच में अंतर। जहाँ आप प्रोसेसिंग के लिए एक टूल से दूसरे टूल पर डेटा पाइप करते हैं। रास्ते में कुछ प्रारूप हेरफेर के साथ। यानी आप एक-दूसरे से बात करने के लिए विविध उपकरण प्राप्त करने की कोशिश कर रहे हैं जहां उपकरण वास्तव में एक-दूसरे से बात करने के लिए डिज़ाइन नहीं किए गए थे।
  • एक वैज्ञानिक कंप्यूटिंग आदमी को अक्सर विभिन्न डेटा स्वरूपों में महारत हासिल करनी होगी। कई उपकरणों के अपने स्वामित्व प्रारूप होंगे और किसी को डेटा को एक प्रारूप में डिकोड करना होगा जिसे संख्यात्मक एल्गोरिदम पसंद करते हैं।
  • कुछ वैज्ञानिक कम्प्यूटिंग लोग एक बहुत ही विशिष्ट प्रकृति (अच्छी तरह से भुगतान करने वाले) के "हेल्पडेक्स" को समाप्त करते हैं, जहां एक अनिवार्य रूप से एक जेनेरिक शोधकर्ता / छात्र / प्रोफेसर को मदद मिलती है। जो भी समस्या उत्पन्न हो सकती है उसे हल करने के लिए एक संस्थान में कंप्यूटिंग संसाधनों का उपयोग करें। यानी वैज्ञानिक कंप्यूटिंग आदमी विभिन्न प्रकार के कोड और पैकेजों से परिचित है और किसी उपयोगकर्ता को सलाह देता है कि वह समस्या को हल करने के लिए किस उपकरण का उपयोग कर सकता है।
  • आप अन्य हार्डवेयर में पोर्टिंग कोड को समाप्त कर सकते हैं। या विरासत कोड्स को समानांतर करना जो सीरियल मोड में लिखे गए थे। या तेजी से चलाने के लिए कोड का अनुकूलन। कुछ लोग GPU / CUDA इत्यादि में चलाने के लिए कोड को परिवर्तित करेंगे ताकि उन्हें तेज़ी से चलाया जा सके।
  • वैज्ञानिक कंप्यूटिंग के एक निष्पक्ष बिट में समस्या निवारण शामिल है। अक्सर कोड जो अन्य लोगों ने लिखे हैं। यह पता लगाने के लिए कि वे कुछ हार्डवेयर आदि पर क्रैश क्यों करते हैं।
  • अक्सर आप विशेषज्ञों के बीच बिचौलिया होते हैं। जैसे मुझे हार्डकोर प्रोग्रामर, बायोलॉजिस्ट के साथ टीमों पर काम करना पड़ता है, जिन्हें संगणना की जरूरत होती है, लेकिन वे खुद को, एसईएस एडिंस, नेटवर्क गुरु, टेक्नीशियन मैनिंग डेटा सेंटर आदि को कोड नहीं कर सकते।
  • वैज्ञानिक कम्प्यूटिंग लोगों को महत्वपूर्ण इनपुट देने के लिए कहा जा सकता है जब नया हार्डवेयर खरीदा जाता है या कंप्यूटिंग सिस्टम की वास्तुकला का फैसला किया जाता है। उन असाइनमेंट पर आप डेल / क्रे / आईबीएम / इनफिनिबेंड / सीईआरटी आदि से बिक्री इंजीनियरों और प्रौद्योगिकीविदों के साथ मिलकर काम कर रहे हैं।

आशा है कि यह आपको खेतों के बारे में कुछ विचार देगा!

सलाह की एक अंतिम बिट (इसे नमक की एक विशाल चुटकी के साथ लें!): यदि आप गणित के साथ अच्छे हैं, जैसे सटीक और विवरण और कागजात पढ़ना और महत्वपूर्ण, केंद्रित प्रयास के बाद विवरण निकालना जहां व्यक्तिगत बुद्धि मायने रखती है और इसमें लंबे समय तक निरंतरता शामिल है। प्रयास तो न्यूमेरिकल विश्लेषण के लिए जाना।

दूसरी ओर, यदि आप एक सामान्यवादी होना चाहते हैं, तो क्षेत्रों को स्विच करें, कड़ी मेहनत के साथ प्रतिभा की भरपाई करें, सभी ट्रेडों के जैक बनें, फ़र्ज़ी और अस्पष्ट के साथ काम करने के लिए तैयार रहें, जो अक्सर परस्पर विरोधी सिफारिशें करते हैं, जैसे कि टीमों के साथ काम करना और संघर्ष से निपटना। , तंग समय सीमा, एमबीए के साथ सौदा आदि तो एक वैज्ञानिक कम्प्यूटिंग आदमी बन जाते हैं।

फिर से नमक की एक बड़ी चुटकी के साथ यह ले लो। हर व्यक्ति की परिस्थिति विशेष होती है। और हम में से अधिकांश उतरा जहां हम सरासर संयोग से बाहर थे और इसलिए नहीं कि हमने इस तरह से योजना बनाई थी। :)


0

आप एक लागू गणितज्ञ बनना चाहते हैं। यह उनके इंजीनियरिंग स्कूल में पीएचडी के रूप में कई विश्वविद्यालयों में उपलब्ध एक प्रमुख है। हालांकि मेरे अनुभव में, गणित अधिक महत्वपूर्ण कौशल है, औपचारिक कंप्यूटर विज्ञान में कुछ तकनीकी पृष्ठभूमि सहायक हो सकती है और आपको कहीं और नहीं मिल सकती है। बस सावधान रहें कि सीएस खरगोश छेद से दूर न जाएं या आप सीएस अनुसंधान कर सकते हैं जो आपको व्यावहारिक अनुप्रयोगों से दूर करने के लिए प्रेरित करता है।

आपके विशिष्ट प्रश्न का उत्तर देने के लिए, एक लागू गणितज्ञ संख्यात्मक तरीकों से अनुसंधान करेगा और कई क्षेत्रों में वैज्ञानिक कंप्यूटिंग करने के लिए वैज्ञानिक शोधकर्ताओं के साथ संभावित साझेदार और विश्लेषण करेगा। यदि आप विशेष रूप से वैज्ञानिक कंप्यूटिंग का पीछा करना चाहते हैं, तो आप एक वैज्ञानिक अनुसंधान अनुशासन जैसे कम्प्यूटेशनल रसायन विज्ञान, बायोफिज़िक्स, जलवायु, जैव सूचना विज्ञान, आदि में प्रवेश करना चाह सकते हैं।


यदि आप मेरे प्रश्न को पढ़ते हैं तो आप देखेंगे कि मैं एक डबल प्रमुख हूँ। मैं वास्तव में अपने सीएस प्रमुख की तुलना में अपने गणित प्रमुख के लिए अधिक समय समर्पित करता हूं। मैं सभी के बारे में सीएस में गहरे जाने के बारे में चिंतित नहीं हूं
ब्लेड

मैंने आपका प्रश्न पढ़ा कि मैंने क्यों कहा "और एक पीएचडी के रूप में"। उत्तर का उद्देश्य दूसरों के लिए सहायक होना है और साथ ही उन्होंने एक प्रमुख को नहीं चुना होगा। तुम्हारी खोज के लिए बधाई। पीएचडी बहुत लचीली होती है इसलिए एक ऐसा समूह खोजें जो आपको पसंद हो और एक क्षेत्र में बंद होने के बारे में बहुत अधिक चिंता न करें।
user21387
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.