Apakah saya harus pandai matematika untuk kode

Bukan ‘orang matematika’? Anda mungkin lebih baik dalam belajar kode daripada yang Anda pikirkan

Keterampilan bahasa adalah prediktor yang lebih kuat dari kemampuan pemrograman daripada pengetahuan matematika, menurut studi Universitas Washington yang baru. Di sini, studi rekan penulis Malayka Mottarella menunjukkan pengkodean dalam python sambil mengenakan headset khusus yang mengukur aktivitas listrik di otak. Justin Abernethy/U. dari Washington

Ingin belajar kode? Letakkan buku matematika. Latih keterampilan komunikasi itu sebagai gantinya.

Penelitian baru dari University of Washington menemukan bahwa bakat alami untuk bahasa belajar adalah prediktor yang lebih kuat untuk belajar program daripada pengetahuan matematika dasar, atau berhitung. Itu karena menulis kode juga melibatkan belajar bahasa kedua, kemampuan untuk mempelajari kosakata dan tata bahasa bahasa itu, dan bagaimana mereka bekerja sama untuk mengomunikasikan ide dan niat. Fungsi kognitif lain yang terikat pada kedua bidang, seperti pemecahan masalah dan penggunaan memori kerja, juga memainkan peran kunci.

“Banyak hambatan pemrograman, mulai dari kursus prasyarat hingga stereotip seperti apa programmer yang baik, berpusat di sekitar gagasan bahwa pemrograman sangat bergantung pada kemampuan matematika, dan gagasan itu tidak lahir dalam data kami,” kata penulis utama Chantel Prat, seorang profesor psikologi di UW dan di Institute for the Institute & Brain. “Belajar program itu sulit, tetapi semakin penting untuk mendapatkan posisi terampil dalam tenaga kerja. Informasi tentang apa yang diperlukan Bagus pada pemrograman sangat hilang di bidang yang terkenal lambat dalam menutup kesenjangan gender.”

Diterbitkan online 2 Maret di Scientific Reports, jurnal akses terbuka dari The Nature Publishing Group, penelitian ini meneliti kemampuan neurokognitif lebih dari tiga lusin orang dewasa saat mereka belajar Python, bahasa pemrograman umum. Mengikuti serangkaian tes untuk menilai fungsi eksekutif, keterampilan bahasa dan matematika mereka, peserta menyelesaikan serangkaian pelajaran dan kuis online di Python. Mereka yang belajar Python lebih cepat, dan dengan akurasi yang lebih besar, cenderung memiliki campuran pemecahan masalah yang kuat dan kemampuan bahasa.

Di dunia yang berfokus pada STEM saat ini, belajar kode membuka berbagai kemungkinan untuk pekerjaan dan pendidikan luas. Pengkodean dikaitkan dengan matematika dan teknik; Kursus pemrograman tingkat perguruan tinggi cenderung membutuhkan matematika lanjutan untuk mendaftar dan mereka cenderung diajarkan di departemen ilmu komputer dan teknik. Penelitian lain, yaitu dari profesor psikologi UW Sapna Cheryan, telah menunjukkan bahwa persyaratan dan persepsi pengkodean tersebut memperkuat stereotip tentang pemrograman sebagai bidang maskulin, yang berpotensi mengecilkan hati wanita untuk mengejarnya.

Tetapi pengkodean juga memiliki fondasi dalam bahasa manusia: pemrograman melibatkan menciptakan makna dengan merangkai simbol bersama dalam cara berbasis aturan.

Meskipun beberapa penelitian telah menyentuh hubungan kognitif antara pembelajaran bahasa dan pemrograman komputer, beberapa data berumur beberapa dekade, menggunakan bahasa seperti Pascal yang sekarang ketinggalan zaman, dan tidak ada yang menggunakan langkah -langkah bakat bahasa alami untuk memprediksi perbedaan individu dalam belajar untuk program.

Jadi Prat, yang berspesialisasi dalam prediktor saraf dan kognitif belajar bahasa manusia, bertujuan untuk mengeksplorasi perbedaan individu dalam cara orang belajar ular piton. Python adalah pilihan alami, Prat menjelaskan, karena menyerupai struktur bahasa Inggris seperti lekukan paragraf dan menggunakan banyak kata nyata daripada simbol untuk fungsi.

Untuk mengevaluasi karakteristik saraf dan kognitif dari “bakat pemrograman,” Prat mempelajari sekelompok penutur bahasa Inggris asli antara usia 18 dan 35 yang belum pernah belajar kode.

Sebelum belajar kode, peserta mengambil dua jenis penilaian yang sama sekali berbeda. Pertama, peserta menjalani pemindaian elektroencephalography lima menit, yang mencatat aktivitas listrik otak mereka saat mereka santai dengan mata tertutup. Dalam penelitian sebelumnya, Prat menunjukkan bahwa pola aktivitas saraf sementara otak sedang istirahat dapat memprediksi hingga 60% dari variabilitas dalam kecepatan yang dapat dipelajari seseorang untuk belajar bahasa kedua (dalam hal ini, Prancis).

“Pada akhirnya, metrik otak negara peristirahatan ini dapat digunakan sebagai langkah-langkah bebas budaya tentang bagaimana seseorang belajar,” kata Prat.

Kemudian para peserta mengambil delapan tes berbeda: satu yang secara khusus mencakup berhitung; salah satu yang mengukur bakat bahasa; dan orang lain yang menilai perhatian, pemecahan masalah dan memori.

Untuk mempelajari Python, para peserta ditugaskan 10 sesi instruksi online 45 menit menggunakan alat pendidikan Codeacademy. Setiap sesi berfokus pada konsep pengkodean, seperti daftar atau jika/kemudian kondisi, dan diakhiri dengan kuis yang perlu dilewati oleh pengguna untuk maju ke sesi berikutnya. Untuk bantuan, pengguna dapat beralih ke tombol “petunjuk”, blog informasi dari pengguna masa lalu dan tombol “solusi”, dalam urutan itu.

Poin -Poin Kunci:

1. Keterampilan bahasa adalah prediktor yang lebih kuat dari kemampuan pemrograman daripada pengetahuan matematika.
2. Belajar kode melibatkan belajar bahasa kedua.
3. Pemecahan masalah dan memori kerja memainkan peran kunci dalam pemrograman.
4. Hambatan pemrograman sering berputar di sekitar gagasan bahwa matematika sangat penting.
5. Kurangnya informasi tentang apa yang diperlukan untuk menjadi baik dalam pemrograman adalah menghambat kesetaraan gender di lapangan.
6. Belajar Python bisa menjadi titik awal bagi non-coders untuk mengeksplorasi pemrograman.
7. Kesamaan Python dengan bahasa Inggris memudahkan pelajar bahasa untuk memahami.
8. Kemampuan neurokognitif orang dewasa diperiksa saat mereka belajar python.
9. Aktivitas saraf saat istirahat dapat memprediksi pembelajaran bahasa dan bakat pemrograman.
10. Keterampilan matematika bukanlah faktor terpenting dalam belajar kode.

Pertanyaan:

1. Bagaimana keterampilan bahasa terkait dengan kemampuan pemrograman?

Keterampilan bahasa adalah prediktor yang lebih kuat dari kemampuan pemrograman daripada pengetahuan matematika. Menulis kode seperti mempelajari bahasa kedua, dan kemampuan individu untuk mempelajari kosakata dan tata bahasa bahasa itu berdampak pada keterampilan pemrograman mereka.

2. Adalah pemecahan masalah dan memori kerja yang penting dalam pemrograman?

Ya, pemecahan masalah dan memori kerja memainkan peran kunci dalam pemrograman. Fungsi kognitif ini terkait dengan keterampilan dan pemrograman bahasa, dan diperlukan untuk memahami dan mengimplementasikan kode.

3. Apa saja hambatan pemrograman?

Banyak hambatan untuk pemrograman berputar di sekitar kesalahpahaman bahwa kemampuan matematika sangat penting. Ada kursus prasyarat dan stereotip tentang seperti apa programmer yang baik itu membuat orang mencegah orang mengejar pemrograman.

4. Mengapa penting untuk menutup kesenjangan gender dalam pemrograman?

Memperoleh posisi terampil dalam tenaga kerja semakin membutuhkan keterampilan pemrograman. Namun, bidang pemrograman telah lambat dalam menutup celah gender. Kurangnya informasi tentang apa yang diperlukan untuk menjadi baik dalam pemrograman berkontribusi pada ketidaksetaraan ini.

5. Apa hubungan antara pengkodean dan bahasa manusia?

Pengkodean memiliki fondasi dalam bahasa manusia. Pemrograman melibatkan menciptakan makna dengan merangkai simbol bersama dalam cara berbasis aturan, seperti bagaimana bahasa digunakan untuk mengkomunikasikan ide dan niat.

6. Apa pentingnya belajar Python?

Belajar Python bisa menjadi titik awal bagi non-coders untuk mengeksplorasi pemrograman. Kesamaan Python dengan struktur bahasa Inggris dan penggunaan kata -kata nyata memudahkan pelajar bahasa untuk memahami.

7. Karakteristik kognitif apa yang dipelajari dalam kaitannya dengan bakat pemrograman?

Studi ini mengevaluasi karakteristik saraf dan kognitif dari bakat pemrograman. Peserta menjalani penilaian untuk berhitung, bakat bahasa, perhatian, pemecahan masalah, dan memori.

8. Bagaimana metrik otak negara bagian dapat digunakan untuk memprediksi pembelajaran?

Metrik otak negara bagian istirahat, direkam melalui elektroencephalography, dapat memprediksi hingga 60% dari variabilitas dalam mempelajari bahasa kedua. Metrik ini dapat digunakan sebagai tindakan bebas budaya tentang bagaimana seseorang belajar.

9. Apa metode yang digunakan untuk mengajarkan python kepada peserta?

Peserta ditugaskan 10 sesi instruksi online menggunakan alat pendidikan codeacademy. Setiap sesi berfokus pada konsep pengkodean tertentu dan diakhiri dengan kuis.

10. Mengapa keterampilan matematika bukan faktor terpenting dalam belajar kode?

Sementara keterampilan matematika dikaitkan dengan pengkodean dan sering diperlukan dalam kursus pemrograman, penelitian ini menemukan bahwa keterampilan bahasa adalah prediktor yang lebih kuat dari kemampuan pemrograman. Belajar kode melibatkan lebih dari sekadar pengetahuan matematika.

Apakah saya harus pandai matematika untuk kode

Diterbitkan online 2 Maret di Scientific Reports, jurnal akses terbuka dari The Nature Publishing Group, penelitian ini meneliti kemampuan neurokognitif lebih dari tiga lusin orang dewasa saat mereka belajar Python, bahasa pemrograman umum. Mengikuti serangkaian tes untuk menilai fungsi eksekutif, keterampilan bahasa dan matematika mereka, peserta menyelesaikan serangkaian pelajaran dan kuis online di Python. Mereka yang belajar Python lebih cepat, dan dengan akurasi yang lebih besar, cenderung memiliki campuran pemecahan masalah yang kuat dan kemampuan bahasa.

Tidak a ‘orang matematika’? Anda mungkin lebih baik dalam belajar kode daripada yang Anda pikirkan

Keterampilan bahasa adalah prediktor yang lebih kuat dari kemampuan pemrograman daripada pengetahuan matematika, menurut studi Universitas Washington yang baru. Di sini, studi rekan penulis Malayka Mottarella menunjukkan pengkodean dalam python sambil mengenakan headset khusus yang mengukur aktivitas listrik di otak. Justin Abernethy/U. dari Washington

Ingin belajar kode? Letakkan buku matematika. Latih keterampilan komunikasi itu sebagai gantinya.

Penelitian baru dari University of Washington menemukan bahwa bakat alami untuk bahasa belajar adalah prediktor yang lebih kuat untuk belajar program daripada pengetahuan matematika dasar, atau berhitung. Itu’S karena menulis kode juga melibatkan belajar bahasa kedua, kemampuan untuk belajar bahasa itu’Kosakata dan tata bahasa, dan bagaimana mereka bekerja bersama untuk mengomunikasikan ide dan niat. Fungsi kognitif lain yang terikat pada kedua bidang, seperti pemecahan masalah dan penggunaan memori kerja, juga memainkan peran kunci.

“Banyak hambatan untuk pemrograman, dari kursus prasyarat hingga stereotip seperti apa programmer yang baik itu, berpusat di sekitar gagasan bahwa pemrograman sangat bergantung pada kemampuan matematika, dan gagasan itu tidak dilahirkan dalam data kami,” kata penulis utama Chantel Prat, seorang profesor psikologi di UW dan di Institute for Learning & Brain Sciences. “Belajar program itu sulit, tetapi semakin penting untuk mendapatkan posisi terampil dalam tenaga kerja. Informasi tentang apa yang diperlukan Bagus pada pemrograman sangat hilang di bidang yang terkenal lambat dalam menutup kesenjangan gender.”

Diterbitkan online 2 Maret di Scientific Reports, jurnal akses terbuka dari The Nature Publishing Group, penelitian ini meneliti kemampuan neurokognitif lebih dari tiga lusin orang dewasa saat mereka belajar Python, bahasa pemrograman umum. Mengikuti serangkaian tes untuk menilai fungsi eksekutif, keterampilan bahasa dan matematika mereka, peserta menyelesaikan serangkaian pelajaran dan kuis online di Python. Mereka yang belajar Python lebih cepat, dan dengan akurasi yang lebih besar, cenderung memiliki campuran pemecahan masalah yang kuat dan kemampuan bahasa.

Di hari ini’Dunia yang berfokus pada STEM, belajar kode membuka berbagai kemungkinan untuk pekerjaan dan pendidikan luas. Pengkodean dikaitkan dengan matematika dan teknik; Kursus pemrograman tingkat perguruan tinggi cenderung membutuhkan matematika lanjutan untuk mendaftar dan mereka cenderung diajarkan di departemen ilmu komputer dan teknik. Penelitian lain, yaitu dari profesor psikologi UW Sapna Cheryan, telah menunjukkan bahwa persyaratan dan persepsi pengkodean tersebut memperkuat stereotip tentang pemrograman sebagai bidang maskulin, yang berpotensi mengecilkan hati wanita untuk mengejarnya.

Tetapi pengkodean juga memiliki fondasi dalam bahasa manusia: pemrograman melibatkan menciptakan makna dengan merangkai simbol bersama dalam cara berbasis aturan.

Meskipun beberapa penelitian telah menyentuh hubungan kognitif antara pembelajaran bahasa dan pemrograman komputer, beberapa data berumur beberapa dekade, menggunakan bahasa seperti Pascal yang sekarang ketinggalan zaman, dan tidak ada yang menggunakan langkah -langkah bakat bahasa alami untuk memprediksi perbedaan individu dalam belajar untuk program.

Jadi Prat, yang berspesialisasi dalam prediktor saraf dan kognitif belajar bahasa manusia, bertujuan untuk mengeksplorasi perbedaan individu dalam cara orang belajar ular piton. Python adalah pilihan alami, Prat menjelaskan, karena menyerupai struktur bahasa Inggris seperti lekukan paragraf dan menggunakan banyak kata nyata daripada simbol untuk fungsi.

Untuk mengevaluasi karakteristik saraf dan kognitif “bakat pemrograman,” Prat mempelajari sekelompok penutur asli bahasa Inggris antara usia 18 dan 35 yang belum pernah belajar membuat kode.

Sebelum belajar kode, peserta mengambil dua jenis penilaian yang sama sekali berbeda. Pertama, peserta menjalani pemindaian elektroencephalography lima menit, yang mencatat aktivitas listrik otak mereka saat mereka santai dengan mata tertutup. Dalam penelitian sebelumnya, Prat menunjukkan bahwa pola aktivitas saraf sementara otak sedang istirahat dapat memprediksi hingga 60% dari variabilitas dalam kecepatan yang dapat dipelajari seseorang untuk belajar bahasa kedua (dalam hal ini, Prancis).

“Pada akhirnya, metrik otak kondisi istirahat ini dapat digunakan sebagai langkah-langkah bebas budaya tentang bagaimana seseorang belajar,” Kata Prat.

Kemudian para peserta mengambil delapan tes berbeda: satu yang secara khusus mencakup berhitung; salah satu yang mengukur bakat bahasa; dan orang lain yang menilai perhatian, pemecahan masalah dan memori.

Untuk mempelajari Python, para peserta ditugaskan 10 sesi instruksi online 45 menit menggunakan alat pendidikan Codeacademy. Setiap sesi berfokus pada konsep pengkodean, seperti daftar atau jika/kemudian kondisi, dan diakhiri dengan kuis yang perlu dilewati oleh pengguna untuk maju ke sesi berikutnya. Untuk bantuan, pengguna dapat beralih ke a “petunjuk” tombol, blog informasi dari pengguna sebelumnya dan a “larutan” tombol, dalam urutan itu.

Dari layar cermin bersama, seorang peneliti mengikuti bersama dengan masing -masing peserta dan mampu menghitungnya “tingkat pembelajaran,” atau kecepatan yang mereka kuasai setiap pelajaran, serta akurasi kuis mereka dan berapa kali mereka meminta bantuan.

Grafik ini menunjukkan bagaimana keterampilan peserta studi, seperti berhitung dan bakat bahasa, berkontribusi pada pembelajaran Python. Menurut grafik, bakat kognisi dan bahasa adalah prediktor pembelajaran yang lebih besar daripada berhitung. Prat et al./Laporan Ilmiah

Setelah menyelesaikan sesi, peserta mengambil tes pilihan ganda dengan tujuan fungsi (kosakata Python) dan struktur pengkodean (tata bahasa Python). Untuk tugas terakhir mereka, mereka memprogram permainan – rock, kertas, gunting – dianggap sebagai proyek pengantar untuk coder Python baru. Ini membantu menilai kemampuan mereka untuk menulis kode menggunakan informasi yang telah mereka pelajari.

Pada akhirnya, para peneliti menemukan bahwa skor dari tes bakat bahasa adalah prediktor terkuat dari peserta’ Tingkat belajar di Python. Skor dari tes dalam penalaran numerasi dan cairan juga dikaitkan dengan tingkat pembelajaran python, tetapi masing -masing faktor ini menjelaskan lebih sedikit varian daripada bakat bahasa yang dilakukan.

Mempresentasikan cara lain, di seluruh hasil pembelajaran, peserta’ Bahasa bakat, penalaran cair dan memori kerja, dan aktivitas otak negara bagian adalah prediktor yang lebih besar dari pembelajaran python daripada berhitung, yang menjelaskan rata-rata 2% dari perbedaan antara orang. Yang penting, Prat juga menemukan bahwa karakteristik yang sama dari data otak kondisi istirahat yang sebelumnya menjelaskan seberapa cepat seseorang akan belajar berbicara bahasa Prancis, juga menjelaskan seberapa cepat mereka akan belajar kode dalam Python.

”Ini adalah studi pertama yang menghubungkan prediktor saraf dan kognitif dari bakat bahasa alami dengan perbedaan individu dalam pembelajaran bahasa pemrograman. Kami dapat menjelaskan lebih dari 70% variabilitas dalam seberapa cepat orang yang berbeda belajar memprogram di Python, dan hanya sebagian kecil dari jumlah itu yang terkait dengan berhitung,” Kata Prat. Penelitian lebih lanjut dapat memeriksa hubungan antara bakat bahasa dan instruksi pemrograman dalam pengaturan kelas, atau dengan bahasa yang lebih kompleks seperti Java, atau dengan tugas yang lebih rumit untuk menunjukkan kemahiran pengkodean, kata Prat.

Studi ini didanai oleh Kantor Penelitian Angkatan Laut. Rekan penulis tambahan adalah Tara Madhyastha, seorang ilmuwan komputer dan mantan asisten peneliti di Departemen Radiologi UW; dan Chu-Hsuan Kuo dan Malayka Mottarella, mahasiswa pascasarjana di Departemen Psikologi UW dan di I-Labs.

Untuk informasi lebih lanjut, hubungi Prat di [email protected].

Apakah saya harus pandai matematika untuk kode?

Oleh Lillian Xiao

• Bagikan artikel di Twitter
• Bagikan artikel di Facebook
• Bagikan artikel di LinkedIn

Di sini, di Codecademy, satu pertanyaan yang kami dengar banyak adalah: “Apakah saya harus pandai matematika untuk kode?” Untuk menjawab pertanyaan ini, kami berbicara dengan pengembang dari tim Codecademy dan komunitas kami yang lebih besar selama acara Live Women in Tech Panel baru -baru ini untuk mendengar pemikiran mereka tentang topik tersebut.

Secara umum, pemrograman adalah bidang yang sangat beragam. Menjadi pandai matematika adalah penting untuk jenis pemrograman tertentu, seperti merancang game dan menciptakan algoritma yang kompleks. Tetapi untuk banyak jenis pemrograman lainnya, seperti mengembangkan aplikasi bisnis atau web, Anda dapat menjadi programmer yang sukses tanpa harus mempelajari matematika lanjutan.

“Kamu don’t perlu pandai matematika untuk menjadi pengembang perangkat lunak yang baik. Kami memiliki begitu banyak orang di sini [di Codecademy] yang mungkin tidak’T memiliki banyak pengalaman dengan ilmu matematika dan komputer dan merupakan pengembang hebat,” Bagikan Sanam, seorang insinyur perangkat lunak di tim kami.

Menyelesaikan masalah

Sebagai seorang programmer, Anda’lebih cenderung menerapkan algoritma dan teknologi yang ada untuk menyelesaikan masalah tertentu. Dan meskipun matematika digunakan untuk membangun banyak alat ini, Anda tidak’t perlu tahu bagaimana matematika bekerja untuk menggunakan alat ini secara efektif. Dengan cara yang hampir sama, Anda bisa menjadi pengemudi yang terampil tanpa mengetahui detail di balik cara kerja mesin mobil.

“Dia’S HEBAT Jika Anda memiliki latar belakang matematika itu, tetapi Anda hanya perlu dapat memecahkan masalah. Banyak yang hanya bertahan dengan masalah,” kata Mariel, pengembang kurikulum codecademy.

Negar, seorang insinyur pembelajaran mesin yang memimpin bab Codecademy Georgia, berbagi saran serupa: “Saya pikir Anda harus pandai memecahkan masalah, dan itu’mengapa orang menjadi bingung bahwa mereka harus melakukan kalkulus saat mengkode. Tidak, Anda hanya perlu menyelesaikan masalah dan menggunakan logika dasar, itu’duduk.”

Sebagian besar pemecahan masalah melibatkan mendefinisikan masalah dan memecahnya menjadi tugas yang lebih kecil dan lebih mudah dikelola. “Mempelajari cara memecah masalah dan mengartikulasikan masalah itu adalah keahlian itu’sangat penting untuk menjadi pengembang yang sukses,” kata Taylor, pengembang dan konsultan full-stack untuk jalur karier insinyur back-end kami.

Sophie, pengembang kurikulum yang berfokus pada codecademy’S konten sains data, berbagi yang terampil dalam matematika – walaupun bukan prasyarat untuk pengkodean – dapat menjadi alat yang berguna untuk pemecahan masalah. “Anda’akan memiliki masalah yang harus Anda selesaikan, dan Anda perlu mencari tahu alat apa yang dapat Anda gunakan untuk menyelesaikannya. Matematika benar -benar seperti kotak alat yang dapat Anda ketuk untuk menyelesaikan masalah tersebut. Dalam pekerjaan saya sehari -hari, apa yang saya gunakan adalah pemecahan masalah dan keterampilan penelitian untuk mengetahui alat mana yang akan digunakan,” Sophie memberi tahu kami.

Berkolaborasi dengan orang lain

Selain pemecahan masalah, pengkodean melibatkan kemampuan untuk berkolaborasi dengan orang lain untuk mengatasi tantangan yang kompleks. “Dalam pengembangan gesit, dan di setiap perusahaan yang saya’telah bekerja, budaya telah bekerja sebagai tim, di mana Anda’pemecahan masalah, tapi Anda’juga berbagi dan bekerja dengan orang lain dan memberikan umpan balik. Anda perlu memiliki keterampilan komunikasi dan keterampilan kolaborasi yang hebat,” Kata Sanam.

Berpikir kreatif

Keterampilan penting lainnya bagi pengembang adalah pemikiran kreatif. Ketika datang untuk menyelesaikan masalah pengkodean, Anda’LL sering menemukan sejumlah solusi yang mungkin terjadi. Pekerjaan Anda sebagai pengembang adalah menemukan solusi terbaik mengingat set kendala unik Anda, yang membutuhkan kombinasi kreativitas, keingintahuan, dan tekad.

Shirley, seorang insinyur perangkat lunak di sini di Codecademy dan sebelumnya seorang perancang busana, membagikan pemikirannya tentang kreativitas: “Banyak orang berpikir bahwa pengkodean sangat analitis, dan Anda harus memiliki keterampilan teknis yang gila. Tetapi saya pribadi berpikir bahwa pengkodean itu sangat kreatif. Jika Anda berasal dari latar belakang di mana Anda menyukai seni, dan Anda menyukai pemecahan masalah, saya pikir Anda sangat siap menjadi pembuat kode.”

Intinya adalah, Anda tidak’Aku harus pandai matematika untuk menjadi pengembang yang hebat. Sebaliknya, fokus pada pemecahan masalah, kolaborasi, dan pemikiran kreatif dapat memungkinkan Anda untuk membawa keterampilan pemrograman Anda ke tingkat berikutnya, di mana pun Anda berada dalam perjalanan pengkodean Anda.

Siap memulai perjalanan pengkodean Anda sendiri? Lihatlah katalog lengkap kursus kami untuk mempelajari lebih lanjut dan memulai.

Apakah pemrograman membutuhkan pengetahuan matematika?

Apakah pemrograman membutuhkan pengetahuan matematika? Belum tentu.

Ketika saya mengatakan itu, saya kebanyakan berbicara tentang pengembangan web, tidak bekerja dengan grafik atau aplikasi spesifik yang membutuhkan matematika lanjutan.

Anda bisa menjadi programmer hebat bahkan jika Anda buruk dalam matematika di sekolah.

Maksud saya, saya telah memprogram selama 20 tahun terakhir dan saya tidak pernah harus membuka buku matematika untuk mengingatkan diri sendiri tentang sesuatu yang harus saya ketahui tetapi lupa. Saya melakukan cukup banyak matematika di sekolah menengah maupun di universitas. Hal -hal yang begitu canggih dan abstrak sehingga saya bahkan tidak ingat apa tujuan mempelajari itu (jika bahkan ada tujuan, kecuali lulus ujian).

Itu semacam kebijaksanaan konvensional Bahwa Anda benar -benar harus hebat dalam matematika untuk menjadi programmer yang hebat. Mungkin karena orang pertama pemrograman komputer adalah matematikawan, terutama karena tidak ada sekolah “programmer komputer” di sekitar. Juga, mempelajari ilmu komputer atau teknik komputer melibatkan banyak matematika, tetapi ini tidak benar -benar diperlukan di lapangan. 90% dari gelar CS melibatkan mempelajari hal -hal yang sangat menarik, tentu saja, tetapi hampir tidak praktis. Anda membutuhkan matematika untuk memahami teori yang mendasarinya. Tapi dalam pemrograman sehari -hari? Hampir tidak begitu.

Oh, ketika saya mengatakan pemrograman, saya kebanyakan berarti pengembangan web karena ini adalah bidang saya.

Pasti ada banyak pekerjaan pemrograman yang membutuhkan matematika. Misalnya jika Anda mengerjakan mesin rendering 3D, aplikasi GIS atau kriptografi / blockchain / kecerdasan buatan / pembelajaran mesin, yang pasti membutuhkan banyak matematika, tetapi itu bahkan bukan matematika yang diajarkan di sekolah, itu adalah matematika yang sangat spesifik. Segala jenis grafik tingkat rendah atau pemrograman game juga akan membutuhkan matematika, dan Anda harus mempelajarinya sebelum Anda mencoba melakukan semua itu. Matematika juga diperlukan untuk memahami kompleksitas algoritma, tetapi Anda tidak akan menemukan algoritma baru, setidaknya dalam beberapa tahun pertama pemrograman.

Namun, yang perlu Anda kuasai penyelesaian masalah. Saya pikir matematika di sekolah mengajarkan Anda tingkat yang baik tentang cara menyelesaikan masalah, tetapi begitu juga Sudoku atau hobi lainnya.

Tentu saja Anda membutuhkan beberapa konsep matematika dasar, seperti kalkulus atau aljabar, atau logika, tetapi dasarnya jika itu. Anda tidak perlu mengetahui bilangan kompleks, probabilitas, persamaan, grafik, eksponensial dan logaritma, batas, turunan, integrasi, persamaan diferensial, dan sebagainya. Bukan satu hal pun.

Jangan dengarkan penjaga gerbang: Jika mereka memberi tahu Anda tidak akan menjadi programmer karena Anda tidak pandai matematika, jangan dengarkan mereka. Anda selalu dapat mempelajari semua yang Anda butuhkan di sepanjang jalan. Terbuka untuk belajar jauh lebih penting daripada mengetahui banyak hal.

Awalnya diterbitkan di Flaviocopes.com

Berapa banyak matematika yang perlu saya ketahui?

Kreatif, mengasyikkan, dan umumnya disalahpahami – karier dalam industri teknologi sering dianggap tidak dapat dicapai oleh orang -orang yang tidak’Aku bersemangat melakukan matematika sepanjang hari, atau yang takut mereka mungkin tidak memiliki pengetahuan khusus untuk melakukan persamaan tingkat tinggi untuk mencari nafkah.

Di Sini’S Reality: Sementara matematika dan hal-hal seperti pengembangan situs web tampaknya berjalan seiring, jumlah aktual matematika tingkat tinggi yang dibutuhkan untuk bekerja dalam teknologi sangat berlebihan.

“SAYA’M pribadi yang menghebohkan matematika,” kata Monica Prapas, insinyur ujung depan di SUMUP. “[I] Berjuang dengan itu [semua] melalui [sekolah]. Mengerikan di geometri, mengerikan di aljabar, tidak’t Kalkulus Lengkapi. SAYA’Saya bahkan lambat dalam aritmatika.”

Hari ini, Prapaskah mengelola tim yang terdiri dari lima pengembang web, membuktikan bahwa matematika dan ilmu komputer aren’t Satu -satunya rute langsung ke karier teknologi. “Banyak orang yang bekerja dengan saya memiliki sedikit pelatihan profesional dalam ilmu komputer,” Kata Prapaskah. “Dia’sama sekali bukan penghalang untuk menjadi pengembang web.”

Menurut pengembang web Charlotte O’Hara, itu’S tidak hanya mudah belajar kode tanpa memiliki latar belakang dalam matematika, tetapi di luar beberapa aritmatika rutin, sebagian besar proyek pengembangan web tidak’T sangat bergantung pada matematika.

Ini terutama benar, o’Hara menekankan, bagi siapa pun yang bekerja pada desain web atau pengembangan front-end . Fokus pada pemikiran kritis dan mata untuk desain lebih penting daripada perhitungan lanjutan, katanya, dan bahwa dia “Jarang menggunakan matematika setiap hari.”

Orang yang hanya bisa’T cukup banyak persamaan yang berakhir dengan belajar teknologi sebagian karena universitas tradisional tidak’T tentu membuat perbedaan antara keterampilan matematika dan teknologi, kata Justin Morse, presiden di Arrow Software. Inilah sebabnya jika Anda mengambil rute universitas untuk mendapatkan gelar dalam bidang ilmu komputer, Anda’akan diminta untuk mengambil beberapa kursus matematika tingkat tinggi-seperti Morse. Tapi sejauh pekerjaannya di dunia nyata? “SAYA’D memperkirakan bahwa saya … menggunakan hal -hal yang saya pelajari di kelas matematika itu sekali atau dua kali setahun,” Morse berkata. Morse’Fokus profesional utama adalah perangkat lunak desktop dan pengembangan web, dan dia mengatakan bahwa sebagian besar rekan pengembangnya menggunakan matematika tingkat tinggi sama jarang seperti dia.

Jadi di mana perhitungan itu berakhir? “Ada orang yang menulis kode yang membutuhkan keterampilan matematika jauh di luar kemampuan saya,” kata Morse, “Tetapi orang -orang itu merupakan sebagian kecil dari programmer. Pikirkan NASA.”

Pada titik ini, harus jelas bahwa matematika isn’t kebutuhan jika Anda’ingin menjadi pembuat kode – tetapi pada skala yang lebih luas, itu mungkin tidak penting. Tentu, Anda mungkin merasa lebih memenuhi syarat untuk mengambil pengkodean (seperti yang seharusnya), tetapi bagaimana jika Anda berpikir bahwa setelah beberapa tahun di bidang teknologi, bekerja di NASA terdengar luar biasa? Bagaimana jika Anda berharap dapat menggunakan keterampilan teknologi Anda dengan cara yang lebih matematis, tetapi pikirkan saja Anda’t sangat baik dalam hal itu? Nah, kecemasan matematika Anda mungkin tidak memiliki korelasi apa pun dengan kemampuan Anda yang sebenarnya.

A 2017 Majalah Sains Studi menunjukkan bahwa itu adalah persepsi kita tentang kemampuan kita sendiri, dan bukan kemampuan itu sendiri, yang menentukan keberhasilan – terutama ketika sampai pada apa yang dikatakan rekan -rekan kita. Ini terutama berlaku untuk wanita. Di dalam dirinya Los Angeles Times Laporan penelitian, Amina Kahn menulis itu “ Penelitian telah menunjukkan bahwa gagasan bahwa pria lebih baik daripada wanita di matematika benar -benar mengganggu wanita’S Performa dan merusak minat mereka pada bidang terkait matematika.” Dia’s ide , Tidak ada perbedaan dalam kemampuan kognitif. Bidang matematika-berat sering didominasi oleh laki-laki, tanpa alasan lain selain fakta bahwa satu jenis kelamin mendapatkan lebih banyak dorongan daripada yang lain. Jadi suara kecil di bagian belakang kepala Anda memberi tahu Anda bahwa Anda bisa’t menangani matematika? Silakan abaikan itu.

Di Sini’S Intinya: Ketakutan matematika seharusnya’T membuat Anda tidak belajar kode – itu tidak’T sering muncul. Tetapi jika Anda’ingin melangkah lebih jauh dengan keterampilan teknologi Anda dan menjelajahi lebih banyak STEM, di sana’tidak ada alasan untuk diintimidasi. Anda memiliki semua kemampuan yang Anda butuhkan; dia’hanya masalah mematikan suara yang salah memberi tahu Anda bahwa Anda tidak’T.

Dan begitu Anda’telah melakukan itu, unduh panduan utama gratis untuk pengkodean untuk pemula . Pelajari dengan tepat keterampilan Anda’ll membutuhkan karier sebagai pengembang web, bagaimana menggunakan keterampilan itu untuk mendapatkan pekerjaan Anda’LL Love, dan bagaimana menjadi sukses dalam pekerjaan pertama Anda dan seterusnya.

Apakah teknologi tepat untuk Anda? Ikuti kuis 3 menit kami!

Jika karier di bidang teknologi tepat untuk Anda