Horrordirectors.com – Nyaris tiap minggu seorang rekan atau kenalan menanyakan ke saya, “Saya ingin belajar coding; bahasa apa yang perlu saya mulai?” Lebih kurang dua mingguan saya memperoleh DM di LinkedIn diawali dengan, “Anak saya harus mulai pemrograman; apa bahasa terbaik buatnya?”
Tidak cuma orang yang belum pernah membuat code sebelumnya. Sering saya memperoleh beberapa pesan ini dari beberapa orang yang mempunyai pengalaman coding sepanjang beberapa tahun.
Saya tidak menjelaskan ini untuk mengeluhkan. Saya cari nafkah dengan menggerakkan kontra dan pro dari beragam bahasa pemrograman, rangka kerja, dan Model AI di sini di Medium. Saya mendapatkan beberapa keuntungan dari beberapa orang yang mempunyai pertanyaan seperti itu.
Pertanyaannya cukup intuitif. Kembali juga, semuanya orang ingin bekerja dengan alat terbaik dan membuat ketrampilan piranti lunak mereka sekencang mungkin.
Dan saat Anda memperhatikan jika tiap pengembang nampaknya memakai timbunan Teknologi yang lain, benar-benar logis untuk bertanya yang mana betul.
Permasalahannya, itu semua bergantung pada permasalahan yang dihadapi.
Tidak ada Teknologi tersebut yang bagus atau buruk; itu bergantung pada tipe permasalahan apa yang ingin Anda selesaikan. Pada akhirannya, pemrograman hanya itu: perpecahan permasalahan dengan memakai komputer.
Maka untuk orang yang ingin mengawali pemrograman atau tingkatkan ketrampilan mereka dalam peningkatan piranti lunak atau pengetahuan data, pertanyaannya bukan, “Apa yang perlu saya pakai, Python atau Julia?” Pertanyaannya semestinya: “Bagaimana saya dapat pecahkan permasalahan piranti lunak dengan lebih bagus?”
Bagaimana Memecahkan Sebuah Pemasalahan?
Untuk pengungkapan penuh, saya bukan periset computer berdasar perdagangan. Saya seorang pakar fisika partikel yang kebenaran memakai ide dari pemrograman dan pengetahuan data karena saya bermasalah dengan data dengan jumlah yang besar sekali dari penumbuk partikel.
Walau demikian, fisikawan sama dicari sebagai periset komputer. Itu bukan lantaran pengetahuan mereka mengenai neutrino atau lubang hitam; itu karena kekuatan perpecahan permasalahan mereka.
Abraham Lincoln diambil menjelaskan, “Berikan saya enam jam untuk menebang pohon dan saya akan habiskan empat jam pertama untuk mempertajam kapak.”
Untuk pemrogram dan periset data, ini memiliki arti habiskan waktu untuk pahami permasalahan dan mendapati jalan keluar tingkat tinggi sesaat akan membuat kode. Saat interviu pengkodean rerata, calon diharap habiskan kurang dari setengah waktunya untuk betul-betul menulis code, dan bekasnya untuk pahami masalahnya.
1. Pahami permasalahan
Jangan sampai melewati cara ini! Kunci untuk ketahui apa Anda pahami satu permasalahan ialah apa Anda bisa menerangkannya ke seorang yang tidak ketahuinya. Coba untuk menuliskan dengan bahasa Inggris biasa atau bahasa ibu Anda; menggambar grafik kecil; atau memberitahukan rekan mengenai hal itu. Bila rekan Anda tidak pahami apa yang Anda bahas, Anda harus kembali lagi ke pengakuan masalah.
Pertanyaan kunci untuk ditanya ialah:
- Apa sarannya? Apa keluaran yang diharapkan? Misalkan, sarannya dapat berbentuk larik data, dan keluarannya kemungkinan berbentuk regresi linier pada data.
- Anggapan yang mana memicu permasalahan? Misalkan, Anda kemungkinan beranggapan jika (nyaris) tidak ada kekeliruan pengukur dalam data Anda.
- Apa yang membuat permasalahan ini sulit? Misalkan, data yang Anda punyai kemungkinan tidak komplet atau kelompok data kemungkinan kekecilan untuk menarik ringkasan yang jelas.
2. Pecahkan Permasalahan
Tiap permasalahan besar terbagi dalam banyak permasalahan kecil. Ingat contoh kami awalnya dengan regresi linier, Anda kemungkinan ingin menimbang sub-masalah berikut ini:
- Bersihkan data
- Cari tahu faktor mana dalam data yang memiliki makna untuk regresi, dan yang mana bisa diacuhkan dengan aman
- Cari alat yang pas untuk lakukan regresi (disini pertanyaan lama mengenai bahasa pemrograman dan rangka kerja berperan)
- Menilai hasil Anda dan pengecekan bug
Menguraikan permasalahan menolong Anda membuat gagasan yang tepat untuk tugas Anda.
Ini lebih berikan motivasi, karena Anda akan capai perolehan kecil tetapi utama di sejauh jalan. Ini lebih memberikan kepuasan dibanding duduk di muka timbunan tugas dan berasa seperti Anda tidak bergerak maju.
3. Mulai dengan Sebuah Contoh
Daripada mengawali dengan keseluruhnya project, ambil sejumlah kecil saja. Coba apa gagasan Anda sukses, atau apa Anda harus menyesuaikan karena kesusahan yang tidak terduga.
Ini menolong Anda pahami beberapa bagian yang susah. Banyak permasalahan terlihat sederhana, tapi saat Anda mulai membuatnya, ada satu kendala sesudah yang lain.
Dalam contoh kita, bukannya memakai semua faktor yang berkaitan, seorang bisa lakukan regresi linier pada beberapa faktor ditambah dulu. Ini tidak memberikan Anda point apa saja untuk penuntasan proyek; tetapi, mendapati bug di skrip Anda saat Anda masih bermasalah dengan sebagian kecil data bisa selamatkan nyawa.
Saat Anda buang semua data Anda ke mesin, menjalankannya sepanjang beberapa jam, dan mengetahui jika skrip macet di tengah-tengah jalan, Anda akan frustrasi.
Yakinlah, ini umum terjadi!
Lakukan pengetesan kecil lebih dulu, dan yakinkan jalan keluar Anda berperan sama seperti yang Anda bayangkan.
4. Eksekusi
Ini sisi dagingnya. Saat ini Anda bisa membuat jalan keluar untuk permasalahan besar Anda.
Buang semua data Anda ke kode. Lakukan Model mewah. Lakukan apa saja yang Anda harapkan.
Sesudah menuntaskan tiga cara awalnya, ini akan jalan secara lancar!
Bila ada kekeliruan, Anda kemungkinan harus kembali lagi ke cara 1-3 untuk menyaksikan apa Anda telah pahami semua dan tidak melewati bug apa pun.
5. Tinjau Kembali
Karena hanya Anda mendapati satu jalan keluar tak berarti Anda mendapati jalan keluar terbaik. Tidak boleh lari dan hentikan; pikir mengenai bagaimana Anda bisa memaksimalkan jalan keluar Anda dan bagaimana Anda bisa dekatinya secara berbeda.
Anda kemungkinan ingin tukar pemikiran dengan mitra Anda dan menanyakan ke mereka bagaimana mereka akan pecahkan permasalahan itu. Apa pendekatan mereka berlainan dengan Anda?
Anda dapat coba mengenali kemacetan paling besar dalam jalan keluar Anda, yakni sisi yang memerlukan waktu dan sumber daya terbanyak untuk dilakukan. Bagaimana Anda dapat melakukan perbaikan?
Paling akhir, pikirkan bagaimana jalan keluar Anda dapat mengalami perkembangan di periode mencatatng. Akankah rangka piranti lunak baru atau pemakaian AI membuat jalan keluar Anda lebih bagus? Bagaimana jalan keluar Anda bisa berperan untuk pecahkan permasalahan yang lain bahkan juga lebih kompleks?
Kesimpulan
Beberapa orang, terhitung saya, condong terobsesi dengan beragam bahasa pemrograman dan frame-work terkini yang kemungkinan membuat semua 1000x lebih efisien.
Perlu diingatkan pada diri kita jika ini kurang dari 1/2 dari yang dibutuhkan menjadi programmer yang hebat. Setengah yang lain ialah perpecahan masalah.
Anda tidak mendapat ketrampilan pecahkan permasalahan dalam semalam.
Tapi bila Anda mengaplikasikan beberapa langkah ini, pertanyakan yang pas, dan kerap melakukan, Anda ada di lajur yang betul untuk bawa profesi Anda dari baik jadi hebat.