Scientific computing vs software engineering

Az nlp, a gépi tanulás és a legtöbb analitikai perverzió tkp. alapkutatásokból nőtte ki magát és mostanában kezd igazán teret nyeri az iparban. A hagyományos shopokban kialakult egy már nagyon jól működő praktika a software engineering, ami a tervezéstől a minőségbiztosításon át a projektmenedzsmentig mindent lefed. Persze nincs általános csodaszer és vannak metodológiai viták, de a bevett gyakorlatok kialakultak. A scientific computing ellenben nagyon más utat járt be. Az olyan startupok és érettebb cégek sikerei mint pl Prismatic, Factual, Silkapp, Twitter azt sugallják hogy a funkcionális nyelvek segítségével hatékonyan alkalmazhatók az iparban is a scientific computing eredményei. Ez azonban csak a hipotézisem, melyet alábbi olvasmányaimra alapozok. A következő pár hónapban remélem sikerül pár cégnél és kutatóhelynél személyesen is kérdőíveznem, strukturált interjúkat folytatnom a témában. Ha lenne javaslatot további szakirodalomra, vagy ismersz olyan céget/kutatóhelyet ahol funkcionális programozási nyelvet használnak, kérlek írj nekem a zoltan.varju(kukac)gmail.com email címre.

Mitől kutatás-vezérelt valami, hogy kerül a tudományos módszer ide?

• Buddha and Popper: The Processless Process

• Startup Hypothesis Testing and Premature Execution

• Research-Driven Startups

• Philosophy and Machine Learning Workshop

• Machine Learning as Philosophy of Science

Scientific computing vs software engineering

• A Software Chasm: Software Engineering and Scientific Computing - (korlátozott hozzáférés!) remekül összefoglalja a két terület alapvető különbségeit

• A Survey of the Practice of Computational Science

Ellenvetés - avagy a “klasszikus” háttérrel rendelkezők idegenkedése a (kvázi-) funkcionális paradigmától

• Combining Functional and Imperative Programming for Multicore Software

Proofs are programs - avagy miért a funkcionális nyelvek

• Proofs Are Programs (technikai oldalról mutatja be miért vannak oda sokan a funkcionális nyelvekért)

• Beating the Averages (Graham kult esszéje pedig a humán faktort fogja meg)

Product design, stb.

• Planning for Big Data

• Designing Great Data Products

Hogyan vizsgáljuk meg a helyzetet és készítsünk tervet a jövőre?

• Empirical Software Engineering