🛑پایتون رو یاد بگیریم؟ ارزش یادگیری پایتون در انفورماتیک پزشکی و داده کاوی! ریاضیات چقدر لازمه و ایا یادگیریش اجباریه؟ بیاین یکم از تجربیات خودم بگم

تجربه من ( هرکسی میتونه نظر خودشو داشته باشه):

شما باید بسته به حوزه کاری انتخابی به سمت یادگیری زبان برنامه نویسی مربوطه برید. از جمله فیلد هایی که به رشته فناوری اطلاعات سلامت و انفورماتیک پزشکی نزدیکه میشه میتوان به موبایل هلس و داده کاوی سلامت و IOMT اشاره داشت.
برای یادگیری اپلیکیشن نویسی موبایل ، قطعا پایتون انتخاب خوبی نیست! زبان هایی مثل جاوا، کاتلین، دارت و فریمورک فلاتر و...(قدیمی تر مثل vbs , B4A) به این منظور استفاده میشن. اما برای کار با دیتا و هوش مصنوعی و داده کاوی و همچنین کار های اماری، زبان هایی نظیر R ، متلب، پایتون ، جولیا و... (در موارد متعددی c++ , RUST, javascript برای برخی شرایط خاص) همپوشانی عالی ای دارند!
➖اما چرا پایتون رو توصیه میکنم؟
جامعه بزرگتر، منابع بی شمار، یادگیری اسان تر، کتابخانه های غنی ، ساپورت اغلب حوزه ها و... از جمله مواردی هست که برگ برنده پایتون هست. البته زبانی نظیر جولیا به تازگی رشد نسبتا خوبی رو داشته.
➖حالا ایا من حتما باید برنامه نویسی رو یاد بگیرم حالا که دارم این رشته رو میخونم؟
جواب قطعا نه هست!
این بستگی به علاقه، شرایط شما و گاها استعداد و برنامه شما برای اینده داره.
➖ایا با یادگیری برنامه نویسی آینده تضمین شده ای دارم؟
اگر یه فرمول ساده و ثابت برای موفقیت وجود داشت، این همه هرج و مرج و چه کنم چه کنم بین انسان ها نبود😁
قطعا نه! دانش برنامه نویسی یه ابزاره و موفقیت شما به مواردی مثل استمرار، برنامه ریزی، شرایط مکانی زمانی، شبکه سازی ، پول و پارتی و کلی فاکتور دیگه بستگی داره!
با ترکیبی از پکیج مهارت و شبکه سازی میشه چیز های جالبی تجربه کرد!
➖چقدر برای پایتون وقت بزارم؟
خب بنظرم پیچیدست و نمیشه صریح نظر داد ولی پیشنهاد من اینه که یه دید کلی بدست بیارید ( البته بستگی به حوزه کارکردی شما هم داره)، زیاد طولانیش نکنید! امروزه به دلیل بمباران اطلاعات، به خاطر سپردن و یادگیری عمیق هرچیزی درست نیست! منظورم از عمیق یعنی بیش از حد وسواسی بودنه! مهم ترین مهارت توانایی شما در سرچ کردن هست. مهارت پرامپت نویسی، مهارت سرچ مختلف در پایگاه های اطلاعاتی و مهارت وایب کدینگ هم میتونه موثر باشه. مثال معروف من تو کارگاهام برنامه کد گذار با 20 هزار خط کد هست! من نزدیک 5 تا 8 هزار خط کد این برنامه رو با تسلط نسبی بر فریمورک pyqt دستی نوشتم و ما بقی برنامه توسط پرامپت نویسی توسط مدل های AI نوشته شده که با مهارت نسبی قطعات پازل رو بهم وصل کردم!
آیا این یه ضعفه؟ نه اصلا! شرکت ها جدیدن مهارت پرامپت نویسی و کار با ابزار های AI رو به رزومه های خودشون اضافه کردن! باید بدونی چطور و به چه روشی اطلاعات لازم رو از اعماق اینترنت بیرون بکشی!
➖چقدر روی برنامه نویسی دانشگاه حساب کنم؟
تقریبا هیچی! البته بازم بستگی داره ولی معمولا به علت زمان کم، کلیکوروم پر از باگ و قدیمی، همراهمی نکردن همه افراد کلاس به هر دلیلی و...
چیزی که در دانشگاها تدریس میشه معمولا کاربردی نیست....
ترجیحا بصورت self-study باشه! برای شروع کار کتاب خوندن رو هم پیشنهاد نمیدم. کلاس حضوری چی؟ بنظر من وقت گیره ولی اگر لازم داری یکی بالا سرت باشه با عصای موسی، اوکیه...

➖ریاضیات در برنامه نویسی مهمه؟
بستگی داره به حوزت. برای مواردی مثل طراحی سایت و نوشتن اپلیکیشن نه خیلی...(شاید تقریبا نه) ولی برای حوزه هایی مثل هوش مصنوعی، داده کاوی و دیتا آنالیز قطعا بله!
چقدر عمیق بشیم؟ ما که رشتمون مهندسی نیست که ریاضیات زیادی داشته باشه!!!
خب راستش داده کاوی و ماشین لرنینگ فراتر از ساخت یه مدل سادست! کد های رگرسیون،KNN ، SVM تو اینترنت ریخته! یه دستی هم به چت جی پی تی برسونه زودی زده میشه ولی مفاهیمی مثل انتخاب الگوریتم مناسب، تحلیل مدل ، خطایابی ، ارزیابی و... نیازمند دانش ریاضیات و امار و احتماله...

لازم نیست خیلی عمیق واردش شید. من یادگیری نیتیو و داینامیک رو توصیه میکنم. یعنی چی؟ مفاهیمی مثل شناخت توزیع های آماری ( مثلا وقتی داده های من از توزیع برنولی تبعیت میکنند یعنی چی؟ به چه کار میاد؟ نرمال بودن داده ها یعنی چی؟ و...)، مفاهیم پایه ای آمار و احتمالات و از ریاضیات هم مفاهیم جبر خطی ، فضای دکارتی و ماتریس ها و کمی حد و مشتق و انتگرال کافیه اونم نه خیلی عمیق. اونم نه خیلی خشک! یعنی میتونید در حین یادگیری یه الگوریتم ماشین مفاهیم رو یا سرچ کنیدو یا با ویدیو دیدن در دانشگاه یوتیوب کامل کنید. تاکید میکنم امروزه مغز شما دست شماست! توانایی سرچ کردن و کشیدن اطلاعات مورد نیاز در لحظه!
یادگیری تفکر الگوریتمی و پارت پارت کردن مسائل هم سعی کنید با پروژه زدن تمرین کنید.