Какие направления прикладной математики и информатики наиболее перспективные в настоящее время?
Исследование
20/12/2020

Какие направления прикладной математики и информатики наиболее перспективные в настоящее время?

Реклама

Автор: Камиль Г.

ПМ и ИТ

Прикладная математика и информатика неотъемлемо связаны друг с другом. ПМ дает знать: «что делать?», информатика отвечает на вопрос: «как сделать?». Прикладная математика очень обширная дисциплина, которая включает в себя множество разделов: математическая физика, математическое моделирование, численные методы, оптимизация, теория игр и исследование операций в целом.

Прикладная математика и информационные технологии

Все это и ряд других под-дисциплин позволяют решать задачи из нашей жизни. Для ответа на поставленный вопрос о перспективных направлениях в области прикладной математики нам необходимо понять «боли» и проблемы, которые есть сейчас в жизни, в государстве, на мировом рынке.

Отрасли будущего рынка

Обеспечение безопасности любого государства, применение высоких технологий в жизни каждого человека, решение экономических и социальных проблем, улучшение качества медицинских услуг – во все эти сферы активно внедряются информационные технологии, а значит и прикладная математика. Если обобщить все проблемы, то можно выделить несколько перспективных направлений. Сюда можно отнести алгоритмы шифрования, машинное обучение и проектирование нейронных сетей, разработка алгоритмов сжатия, передачи информации.

Перспективные отрасли будущего рынка

Шифрование и дешифрование – это одни из основных направлений развития и обеспечения безопасности данных. С появлением все бОльших мощностей в ЭВМ необходимы более стойкие алгоритмы шифровки, чтобы сохранить конфиденциальность данных. Также уже 2020 году есть как минимум 3 примера созданного квантового компьютера от ученых Китая, компаний Google и IBM. Думаю, не нужно объяснять, что с массовым появлением квантовых компьютеров откроется огромный рынок в области информатики, в области криптографии и в области проектирования алгоритмов для новых ЭВМ – квантовых компьютеров.

Шифрование и дешифрование

Машинное обучение и нейронные сети – это целый класс науки, неотъемлемой частью которой является прикладная математика и информатика. Активная разработка нейронных сетей в России началась уже на рубеже 1940-х годов. Тогда ученые пытались создать программу, которая по данным с эхолокатора с точностью до 100% определяла бы появление судов в море, океане. До появления сих программ приходилось обучать человека годами, чтобы он стал специалистом в этом деле, а точность предсказывания была далеко невысокой. Это лишь один прикладной пример зарождения МО и НС в России. Сейчас МО используется во многих областях: в сфере безопасности государства, начиная от анализа аудио записей, заканчивая деанонимизацией автотранспорта и людей по фотографии, сделанными камерами наблюдения; в сфере медицины для создания макетов сложных белковых соединений, которые помогают победить ту или иную болезнь; в социологии для анализа различных поведенческих факторов взаимодействия социальных групп и прогнозирования последствий; и др.

Машинное обучение и нейронные сети

Алгоритмы сжатия и передачи информации – отдельное направление в работе с данными. Какая бы вычислительная мощность не была у современных компьютеров, она остается конечной. То же относится и к объему хранилища. Именно поэтому отдельно нужно обращать внимание на фактор сжатия и передачи данных. Каждую единицу объема данных невозможно хранить в исходном состоянии. Иначе не хватило бы всех носителей в мире, чтобы уместить всю информацию, которая есть. Здесь помогают алгоритмы сжатия, т. е. конечный пользователь видит данные в исходном состоянии, но они сжимаются и занимают объем в разы меньший чем было изначально. Алгоритмы передачи информации необходимы для корректного и сохранного обмена данными. При отправке любого пакета данных присутствуют потери. Иначе говоря, файл, который отправили не соответствует файлу, который приняли. Чтобы данные оставались корректными существуют алгоритмы исправления ошибок, которые можно отнести к классу «контроля ошибок».

Risk assessment или Оцнека рисков

В виду последних событий в мире: пандемия, экономический, психологический и социальный кризисы в 2020 году, думаю, в России в скором времени активно начнет развиваться направление «оценка риска». Концепт оценки риска (или risk assessment) был создан в 1974 году, а после введен в законодательство Британии об «Управлении здоровьем и безопасностью труда» в 1992 году (от англ. «Management of Health and Safety at Work Regulations»). Сейчас данное направление активно используют банки и страховые агентства, в том числе и в России. Оценка риска происходит при выдачи различного рода кредитов или при страховании жизни. Но область применения не заканчивается на охране труда и банковском деле. В основе оценки риска лежит математическая концептуализация. Любые события в мире можно попытаться предугадать, а значит, и оценить возможные потери. Прикладная математика и информатика как нельзя кстати помогут с оценкой риска в данном направлении, т. к. здесь активно задействуются научные познания в области математической статистики, исследование операций, теория игр и др.

Итог

Ввиду всего вышесказанного можно сделать умозаключении о неиссякаемости направлений развития и разработок в прикладной математике и информатике. Можно выбрать почти любую науку и, используя современные технологии, внедрить наработки прикладной математики и информатики для решения актуальных проблем и получения ответов, которые ранее казались недосягаемыми.

Вконтакте
Класснуть
Отправить
Вотсапнуть

Реклама