자동화 프로젝트를 위한 코딩은 코드 작성 그 이상입니다.

수학 방정식을 코드로 변환하는 것은 컴퓨터 솔루션과 관련된 자동화 프로젝트 개발의 일부이지만 동시에 제거되었습니다. 우리는 개발 중인 프로젝트의 요구 사항과 관련하여 수학 방정식의 효율성을 고려해야 합니다. 또한 관련된 데이터와 타이밍으로 방정식을 푸는 해법도 고려해야 합니다.

솔루션 알고리즘에 도달하는 데이터 문제는 감지, 제어 및 가능한 경우 수정되어야 합니다. 정밀 관리는 프로세스의 다양한 단계에서 이루어져야 합니다. 솔루션 프로세스 및 구현 과정에서 발생하는 오류를 감지하고 관리해야 합니다.

이것은 책의 주제이지만 생각하는 과정이 수백 단어로 옮겨갈 수 있기를 바랍니다.

첫째, 우리가 특별히 결정론적으로 만들지 않은 모든 것이 기본적으로 확률론적인 것은 아니라는 점을 명심하십시오. 컴퓨터와 문제를 해결하는 절차는 불분명한 편향을 일으킬 수 있습니다. 분석을 통해 분명히 결정적이며 의도적이지 않습니다. 문제를 설명하는 간단한 문제는 정확합니다. 많은 경우에 우리는 중간 값이 정확히 옳거나 적어도 수학에서 알고 있는 기준을 사용하여 반올림되었다고 생각하고 싶습니다.

다양한 수준에서 잘림 —반올림 대신 — 계산된 숫자가 제공된 가변 크기에 맞게 강제로 적용됩니다. 때로는 이것이 중요하지 않지만 때로는 편향을 도입합니다. 수학적 절차와 연습을 사용하여 계산된 모든 값의 저장된 값을 능동적으로 관리하여 솔루션 엔진이 예상되는 정확도를 유지하도록 하는 것이 유용할 수 있습니다. 이것은 일반적으로 프로그래밍 수업에서 가르치며 정밀도를 이해하고 관리하는 것이 지루하고 지루하기 때문에 자주 무시됩니다.

때때로 관찰은 일관성(예:샘플링 또는 동기화 문제로 인해) 또는 측정 순간에 신뢰할 수 있는 정밀도(예:일시적인 불안정성으로 인해)가 부족합니다. 종종 이를 정리할 수 있는 방법이 있습니다(예:경계 한계 확인, 데이터 분석 및 회귀 기술 사용). 데이터 스트림에 의해 공개된 것보다 더 많은 것을 만드는 방법이 종종 있지만 대부분은 무슨 일이 일어날지에 대한 프로그래머의 추측을 포함합니다. 주의하세요 —좋은 결과는 선험적으로 거부하기에는 너무 중요합니다. , 그러나 잘못된 결과는 그것이 촉진한 잠재적인 개선의 가치보다 더 해로울 수 있습니다.

때로는 적절한 정밀 관리에도 불구하고 솔루션 절차 자체가 문제를 일으킬 수 있습니다. 지금부터 무한대로 스트리밍 기능을 통합하고 싶다고 가정합니다. 아주 작은 오류나 모호성, 단일 계산에서 중요하지 않은 경우에도 천문학적인 가치로 성장 장기간에 걸쳐 지속적으로 축적될 때. 이는 반올림 및 잘림과 혼동될 수 있으며 지속적으로 편향된 측정 또는 통합 방법론으로 인해 불일치를 생성할 수 있습니다. 이것은 예를 들어 PID 컨트롤러의 "I" 용어에서와 같이 시간이 지남에 따라 거대한 오류로 나타날 수 있습니다. 데이터 제어 및 정밀 관리 절차뿐만 아니라 이러한 문제를 해결하는 데 필요한 솔루션에 대한 문제에 대한 수학적 접근 방식이 있지만 이를 발견하는 경로는 창피할 수 있습니다.

때때로 수학은 문제, 수학 또는 수학이 실제로 수행하도록 설계된 것을 완전히 이해하지 못한 채 요구 사항에 적용됩니다. 예를 들어 상황을 감지할 때도 있고 똑같은 수학을 사용하여 상황을 완전히 놓칠 때도 있습니다.