计算机科学和工程的关系

引言

科学要通过工程才能变成产品，才能改变世界。

计算机科学在一个相对理想的状态下工作，这将注意力集中在量级的改进上。

在工程中必须使用在科学上最好的方法，然后再作细节的改进。

先找到极限所在，然后在极限里寻找具体问题的答案。 工程师知道，任何产品的性能都有一个物理上无法突破的极限，这个极限是可以通过已有的理论直接给出。

在现实状态的产品中，要考虑各种细节。

产品经理在没有数据之前不要轻易给出结论。

I 预备知识

1.1 广义上的科学和狭义上的科学

• 广义上的科学：任何成为体系的、能够自洽的知识。
• 狭义上的科学：源于古希腊，建立在严格逻辑推理之上，后来在近代西方科学方法基础上发展起来的，可以证实和证伪的完整体系。

科学是系统的，是在逻辑的基础上不断递进的，而不是各种知识点简单的结合。我们的学习也应该是系统的，只有这样我们才能获得可叠加式的进步。

科学不同于解决实际问题的技术，它需要很多先决条件。

科学需要从业者有比较纯粹的探索精神，远离物质的诱惑。

1.2 科学是一种求真的过程

是一种对世界的态度，是理解世界的观点，和日常做事的方法。

科学的结论总会过时，成为过去，但是信念永存，方法永存。 真理都是有局限性的，它们是在一定范围内解决我们的困惑、我们的问题。

1.3 科学的方法

从事实出发，讲究逻辑，得到合理的结论。

学习打篮球：教练先教你对大部分人都适用的投篮要领，然后观察你的投篮，根据你姿势中一些不好的动作，告诉你一套可以遵从的方式。

1.4 量级思维

数量级指一系列 10 的幂：数量级每差出一级，数据相差十倍左右。

个、十、百、千、万

量级是一种方便表示数量级的方式，通常使用科学计数法表示。

地球的质量是5.98x10^24千克，其中 10^24就是量级。 量级简单地讲，就是芝麻、橘子、西瓜、大象、大山、地球、太阳、银河系这样大的差别。

一个人在公司的成就：成功率x事情的量级x做事的速度

提高事情的量级需要不断学习，转变自己的角色。

从老师转型成校长，就有了量级上的突破。

对不同规模的问题要采用不同的方法

II 计算机科学

2.1 计算机科学的工作

1. 第一步：将我们这个世界的现实问题变成一个数学问题，这就是计算机科学家们做的事情。

对于绝大部分计算机科学家来讲，他们不需要自己真的去设计制造计算机，而是做好现实问题到计算机问题的转化。 还有一部分科学家在研究如何让计算机变得更快更强大。

1. 第二步：将数学问题重新描述一下，变成计算机能够处理的问题，这就是计算机工程师的工作，这个重新描述的过程，其实就是把人的自然语言变成计算机程序语言。

2.2 计算机科学的基本做事原则：比较标准

明确一个公平的比较标准：过滤掉所有次要的因素，构建一个理想的环境（虚拟的环境）,构建可比较的、容易对比的、理想的平台。

应用场景：首先明确游戏规则，然后再开始做研究，确定基线，对比方法的优缺点。

将世界理想化的目的：找到真正的主要矛盾，过滤出那些相对次要的噪音。 将问题抽象出来，以便于抓住本质。

案例：

1. 伽利略和牛顿在研究运动时，假设空气阻力和摩擦力可以忽略不计的，来构建理想状态。
2. 科学家波义耳和马略特在研究气体压强和空间大小的关系时，也是先构造出理想的气体状态。
3. 亚里士多德因为无滤除空气阻力对重力加速度的影响，得到了重物比轻物下降速度快的荒唐结论。

2.3 计算机思维的本质

计算机思维：伴随着计算机出现的思维方式。计算机思维的本质：翻译

把人想要做的具体事情，翻译成计算机能够懂得的程序语言。 软件开发中的关键任务就是理解并处理反映软件构成的复杂概念。

III 计算机工程

3.1 计算机科学和工程的关系

科学家考虑的是对和错，工程师只是在现有条件下考虑好和坏的解决方案。

一个合格的软件工程师，要知道采用别人已经写好的，被长期证明运行无误的源代码，作为自己开发新产品的工具，这样才能把精力集中在解决前人未解决的问题上。

科学家告诉大家这件事的可行性，但工程师要明白怎么做。

工程师的工作：科学变成技术再变成产品

3.2 工程思维：在边界里面做事情，遵循一套工程思路解决问题。

https://blog.csdn.net/z929118967/article/details/131559831?spm=1001.2014.3001.5501

先找到极限所在，然后在极限里寻找具体问题的答案。

在工程中必须使用在科学上最好的方法，然后再作细节的改进。

3.3 合格的工程师处理不同量级事物时的做法

好的工程师最重要的能力是了解最新的科学进展，并且根据实际情况使用最新的技术解决实际问题，考虑预案。

成就＝成功率x事情的量级x做事的速度

不断学习，转变自己的角色，提高事情的量级。

合格的工程师处理不同量级事物时的做法:

• 考虑量级的差异: 小量级和大量级的东西放在一起，前者必须被忽略掉。
• 几个小量级的东西放在一起，远比不上一个大量级的东西。
• 试验和测试非常重要，任何代码不做到几乎100%的测试覆盖率，是不能开始系统调试的，而不经过仔细的调试和小范围用户测试，是不能上线的。
• 大的目标要分解成简单的，一个个解决， 一个复杂的问题如果能拆成两个等价的简单的问题。

1. 工程师要懂得从量级上改进工程方法，这样的收获几万倍，甚至更多。
2. 工程师要能够梳理出一个难题中各个因素在量级上的不同，知道把那些无关紧要的事情从自己的To Do List上删掉。
3. 工程师要想着在更有影响力的事情中，参与1%。
4. 产品经理要想怎样能让用户为你的产品多掏一倍的价钱,懂得在细节上做1%的改进，让产品的品质显得高出一个数量级。

Mac的视网膜显示屏成本比一般的显示屏价格贵不了10美元，但可以让电脑多卖一百多美元，而且用户的感觉好了不止一倍。

1. 投资人要想办法写出最大的一张支票。
2. 讲师要想如何当好校长。

IV 计算机科学和工程的区别

4.1 方向和道路之分别

科学指出正确的方向，工程沿着科学指出的方向建设道路。

在工程上，专业人士和业余爱好者的一个差别就在于是否了解极限的存在。有了这个理论极限，做事就不至于异想天开。

工程师掌握的知识是做事情的基线，之所以接受教育，就是为了提高基线。

4.2 关注不同的事情，不同的工作环境。

计算机科学家聚焦在量级上提高性能，需要构建理想的环境，摒除一些不必要的干扰，把主要矛盾突出出来。

科学家要变为工程师，思维方式需要改变，要从理想状态进入到现实状态。

好的工程师最重要的能力是了解最新的科学进展，并且根据实际情况使用最新的技术解决实际问题，考虑预案。

工程上节省几倍的时间是很有意义的，在工程上需要计较2%的运行时间。 找到极限所在，然后在极限里寻找具体问题的答案。

4.3 跟钱的距离不同

科学家要离短期的利益远一点，才能把目光放远