I znowu na bloga trafia podkoszulka starszego syna, który trafił do Krakowa na Akademickie Mistrzostwa Polski w Programowaniu Zespołowym.
Jako, że to nie moja wyprawa w zasadzie mógłbym skończyć na zamieszczeniu zdjęcia przedniej i tylnej strony podkoszulki, gdyby nie jedno ALE. Po powrocie rozmawialiśmy sobie trochę o zadaniach, które były do rozwiązania oraz o różnicach w sposobie podejścia do szukania ich rozwiązania między zespołem mojego syna z Politechniki Łódzkiej, a zespołem z Jagielonki.
Obejrzałem zadania, co do niektórych miałem nawet koncepcję jak rozwiązać ... ale na wszelki wypadek nie próbowałem, żeby nie nadszarpywać ojcowskiego autorytetu w przypadku wyboru błędnej metody.
Jednak szybko wróciliśmy do rozmów o zadaniach za sprawą młodszego syna, który startuje w Olimpiadzie Informatycznej.
Po kilku dyskusjach uzmysłowiłem sobie pewną kwestię rozbieżności między nauką, a biznesem. Trudno mi powiedzieć, czy zależność jest szersza, ale biorąc pod uwagę przeglądowe podejście (Olimpiada i Mistrzostwa) zakładam, że tak. Otóż oba konkursy wymagają rozwiązań ścisłych, dokładnych. Jeśli trzeba podzielić kilka tysięcy obiektów na kilkaset klas to wymagane jest znalezienia rozwiązania analitycznego, które w najszybszym czasie poprawnie przydzieli te obiekty do odpowiednich klas. Bardzo chwalebne, ale ... w biznesie często wystarcza rozwiązanie dostatecznie dobre, byle zostało osiągnięte w skończonym czasie.
Klasycznym przykładem może być dzielenie i grupowanie zleceń kompletacji towaru w magazynie celem przyspieszenia ich realizacji. Tu z założenia nie da się zastosować rozwiązania pełnego, gdyż ostatnie zlecenie pojawi się w magazynie tuż przed jego zamknięciem, gdy większość zamówień powinna być już skompletowana. Czyli na bieżąco powinny być proponowane rozwiązania wystarczająco dobre, tak aby proponowane ścieżki kompletacji były szybsze, a wyniki pojawiały się regularnie w miarę spływu zamówień.
Podobne działanie pojawia się w strumieniowych algorytmach kompresji, czyli przypadku, gdy nie wiemy jakie dane pojawią się za chwilę i budujemy słowniki kompresji wyłącznie na podstawie tych danych, które pojawiły się wcześniej (choćby w algorytmie LZW czy w dynamicznym Huffmanie). Tu również trzeba w pewnym momencie zresetować słownik, nie wiedząc czy to dobra czy zła decyzja.
Może to moment, na pojawienie się na informatycznych kierunkach studiów przedmiotów zajmujących się właśnie takimi kwestiami, które przybliżą naukę do biznesu?
Obejrzałem zadania, co do niektórych miałem nawet koncepcję jak rozwiązać ... ale na wszelki wypadek nie próbowałem, żeby nie nadszarpywać ojcowskiego autorytetu w przypadku wyboru błędnej metody.
Jednak szybko wróciliśmy do rozmów o zadaniach za sprawą młodszego syna, który startuje w Olimpiadzie Informatycznej.
Po kilku dyskusjach uzmysłowiłem sobie pewną kwestię rozbieżności między nauką, a biznesem. Trudno mi powiedzieć, czy zależność jest szersza, ale biorąc pod uwagę przeglądowe podejście (Olimpiada i Mistrzostwa) zakładam, że tak. Otóż oba konkursy wymagają rozwiązań ścisłych, dokładnych. Jeśli trzeba podzielić kilka tysięcy obiektów na kilkaset klas to wymagane jest znalezienia rozwiązania analitycznego, które w najszybszym czasie poprawnie przydzieli te obiekty do odpowiednich klas. Bardzo chwalebne, ale ... w biznesie często wystarcza rozwiązanie dostatecznie dobre, byle zostało osiągnięte w skończonym czasie.
Klasycznym przykładem może być dzielenie i grupowanie zleceń kompletacji towaru w magazynie celem przyspieszenia ich realizacji. Tu z założenia nie da się zastosować rozwiązania pełnego, gdyż ostatnie zlecenie pojawi się w magazynie tuż przed jego zamknięciem, gdy większość zamówień powinna być już skompletowana. Czyli na bieżąco powinny być proponowane rozwiązania wystarczająco dobre, tak aby proponowane ścieżki kompletacji były szybsze, a wyniki pojawiały się regularnie w miarę spływu zamówień.
Podobne działanie pojawia się w strumieniowych algorytmach kompresji, czyli przypadku, gdy nie wiemy jakie dane pojawią się za chwilę i budujemy słowniki kompresji wyłącznie na podstawie tych danych, które pojawiły się wcześniej (choćby w algorytmie LZW czy w dynamicznym Huffmanie). Tu również trzeba w pewnym momencie zresetować słownik, nie wiedząc czy to dobra czy zła decyzja.
Może to moment, na pojawienie się na informatycznych kierunkach studiów przedmiotów zajmujących się właśnie takimi kwestiami, które przybliżą naukę do biznesu?
Komentarze
Prześlij komentarz