運算思維🧠 五步 : 分解問題🔍模式識別🔳抽象化🌀演算法設計📐評估和迭代🔄
本章內容收錄於 ChatGPT 來襲，未來人人都需具備的運算思維！應用詠唱工程來釋放程式生產力 — 程式學習/開發篇
運算思維包括以下五個主要的能力：
- 分解問題🔍：將一個複雜的問題分解為更小的、可管理的子問題。
- 模式識別🔳：尋找問題的模式和規律，從而更好地理解問題。
- 抽象化🌀：將問題抽象化成更簡單的形式，忽略細節，專注於關鍵概念。
- 演算法設計📐：創造一個解決問題的步驟序列，並確保每個步驟都是正確的和有效的。
- 評估和迭代🔄：評估解決方案的效果，並在需要時迭代改進解決方案。
分解問題🔍
分解問題是運算思維中的一個關鍵概念，指的是將一個複雜的問題分解成多個較小、可管理的子問題。這樣做有助於更好地理解問題，並且可以更有效地解決問題。
分解問題的過程可以分為以下幾個步驟：
- 將問題簡單化：將問題描述得盡可能簡單明瞭，避免語言或表述上的歧義。
- 了解問題：深入了解問題本身，確定需要解決的主要問題和次要問題。
- 拆分問題：將問題分解成多個相對獨立的子問題，並且確保子問題之間沒有重複或重疊的部分。
- 確定順序：對子問題進行排序，確定解決每個子問題的順序，避免問題之間的依賴關係。
- 解決子問題：對每個子問題進行解決，確保每個子問題都被充分地解決了。
- 合併解決方案：將每個子問題的解決方案合併成一個整體解決方案。
通過分解問題，可以使複雜的問題變得更易於理解和解決。它也有助於構建模組化的解決方案，使其易於維護和更新。此外，通過將問題分解成多個子問題，也可以讓不同的人或團隊獨立地解決各自的子問題，從而提高解決問題的效率。
模式識別🔳
模式識別是指在一個複雜的系統中，通過觀察和分析其中的模式和規律，以便更好地理解和描述該系統。模式可以是各種形式的，包括文字、圖像、聲音等。
模式識別是一種基於數據分析的技術，它通常涉及對大量數據的統計分析、機器學習或人工智慧等方法，從而找到數據中的潛在模式。
在應用方面，模式識別技術已廣泛應用於各種領域，例如：圖像識別、語音識別、手寫識別、自然語言處理、人臉識別、指紋識別等。它們可以應用於自動駕駛、安全監控、智能家居、金融詐騙檢測、醫學診斷等各個領域。
總之，模式識別是一種重要的數據分析技術，可以幫助人們更好地理解和應用各種複雜的數據，從而創造更多的價值。
抽象化🌀
抽象化是運算思維中的一個重要概念，它是指將一個問題中的重要元素提取出來，並且忽略細節和非關鍵的部分，使得問題更加簡化和易於理解。抽象化在許多不同的領域都有應用，包括計算機科學、數學、藝術等。
在運算思維中，抽象化的目的是將問題轉化為更高層次的概念，這樣有助於人們更好地理解問題和尋找解決方案。例如，在設計一個計算機程序時，抽象化可以將程序拆分為更小的單元，並且定義每個單元的目的和功能，使得程序更加易於理解和管理。
抽象化可以通過各種方式實現，例如：
- 階層結構：將問題分為多個層次，每個層次關注不同的概念和細節。
- 類比比較：將問題與已經解決的類似問題進行比較，從中尋找共同點和解決方案。
- 設計模式：使用通用的解決方案來解決類似的問題，以減少冗餘工作。
通過抽象化，人們可以更好地理解問題和解決方案，並且能夠更快地找到有效的解決方法。
演算法設計📐
演算法設計是指將一個問題轉化為一系列適當的步驟，以便解決問題的過程。它是計算機科學中非常重要的一部分，因為它能夠幫助人們更好地理解問題並提供解決方案。
演算法設計需要注意以下幾點：
- 正確性：演算法必須解決問題的所有情況，而不僅僅是一些情況。此外，演算法的每一個步驟都必須是正確的，以確保整個演算法是正確的。
- 效率：演算法的效率通常是設計的關鍵。設計一個高效的演算法可以大大降低執行時間，使問題的解決更快速。
- 可讀性：演算法必須易於閱讀和理解。簡潔、清晰的設計可以讓其他人更容易理解和維護演算法。
演算法設計的過程通常包括以下步驟：
- 理解問題：首先，需要完全理解問題的性質和要求。
- 擬定解決方案：然後，需要擬定解決方案，其中包括問題的各個步驟以及演算法選擇。
- 實現演算法：接下來，需要使用程序語言將演算法實現為可運行的代碼。
- 測試和優化：最後，需要測試演算法的正確性和效率，並根據測試結果進行優化。
評估和迭代🔄
評估和迭代是運算思維中的兩個重要概念，可以幫助人們在解決問題的過程中持續改進解決方案。以下是它們的詳細解釋：
評估：在解決問題的過程中，評估是指檢查和評估解決方案的效果，以確定是否符合預期結果。評估可以通過收集和分析數據來進行，以確定解決方案是否成功並且有效。
迭代：在解決問題的過程中，迭代是指重複進行問題解決過程的過程，以改進解決方案。每一次迭代都是基於上一次的結果進行的，通常是在評估後對解決方案進行調整和改進。這樣可以逐漸改進解決方案，並使其更加完善。
評估和迭代是一對相互依存的概念，評估可以幫助人們確定解決方案的效果，而迭代可以幫助人們改進解決方案，以更好地解決問題。在解決複雜的問題時，評估和迭代是非常重要的，因為它們可以幫助人們持續改進解決方案，以確保最終的解決方案是有效的和可靠的。
結語
運算思維 要 如何練成?
所以電腦就是運用運算思維，藉由四個階段：1. 分解問題🔍 2.模式識別🔳 3.抽象化🌀 4.演算法📐 來處理你的詠唱文的，所以你必須要練成運算思維才能詠唱的清楚與正確。
必須具有運算思維的人， 才能將問題或是需求拆解清楚， 才能詠唱描述清楚， 才能讓 ChatGPT 清楚理解描述， 才能進而讓 ChatGPT 有效率的協助我們完成工作。
而運算思維是一種思考方式，需要不斷地練習和培養，以下是一些練習運算思維的方法：
- 學習程式設計👩💻：學習程式設計可以幫助你熟悉常用的運算思維概念和技能🧠，例如變量🔢、條件語句🔀、循環🔄和函數🔗等。通過編程實踐，可以鍛煉運算思維💪。
- 解決問題🧩：嘗試解決不同類型的問題，例如數學📐、邏輯🤔和領域特定的問題📘。在解決問題的過程中，運用運算思維分解問題🔍、抽象化🌀、設計演算法📜等技能，逐步提高運算思維的能力💡。
- 模擬現實情境🌏：將現實情境轉化為問題📝，然後應用運算思維解決🛠️。例如，可以模擬設計一個交通燈🚦控制系統、一個銀行ATM🏧系統等。
練習運算思維需要耐心和堅持，建議通過不斷地練習和學習，逐步提高運算思維的能力。
衍伸閱讀
- 分解問題🔍：將一個複雜的問題分解為更小的、可管理的子問題。
- 模式識別🔳：尋找問題的模式和規律，從而更好地理解問題。
- 抽象化🌀：將問題抽象化成更簡單的形式，忽略細節，專注於關鍵概念。
- 演算法設計📐：創造一個解決問題的步驟序列，並確保每個步驟都是正確的和有效的。
- 評估和迭代🔄：評估解決方案的效果，並在需要時迭代改進解決方案。
最後📅，有本📖 關於和 LLMs 互動 (prompt)🤖的新書熱銷中🔥。
對於 prompt 📜 + 運算思維🧠有興趣的話，這裡有本書推薦給你～
本書📖 3 個重點：
- ✔ 專注於 問題/需求 💭 的確認
- ✔ 利用運算思維💡拆解問題及需求🧩
- ✔ 藉由詠唱🎤 prompt 進行 AI🤖 人機協作🤝
與我一同學習📚和探索🔍!
我將帶著我的新書📖參加以下活動🎉，期待與你🙋見面🤝。
『與 AI 協同工作的未來』既 『ChatGPT來襲…』新書📚分享會
- 時間⏰：8 月 26 日 (六) 下午 2 點
- 地點📍：飛地書店 Now Here Book Store 📖
線上工作坊『詠唱(提問)協同程式工作坊』意願調查
最後，如果上述時間不克前來，或是講座及分享會的時間太短，希望能參與目標式的協同工作坊，或是有任何建議，都歡迎填寫下表。
在離開之前，記得給本📰Medium點讚👍、訂閱📩，並分享給您的朋友！
