¿Cuáles son algunos campos / especializaciones realmente geniales de informática / programación?

Computación cuántica. Creo que esta es nuestra única oportunidad (es decir, la generación más joven) de sentir lo que los grandes hackers han sentido antes: un territorio totalmente inexplorado, donde prácticamente cualquiera podría hacer el próximo gran descubrimiento con un poco de suerte y mucho trabajo duro. Todo es difícil, los idiomas no son buenos, no hay tutoriales ni documentación, tienes que pasar horas buscando incluso cosas básicas, y no hay garantía de que tu búsqueda sea exitosa, algunas cosas simplemente no se conocen, incluso por los mejores científicos y teóricos que tenemos.

TL; DR: Es increíble, si eres del tipo que ama la sensación de estar perdido en el bosque 🙂

Antes de decir “sí, pero ¿dónde se supone que debo obtener una computadora cuántica”? No necesita una. Hay simuladores perfectamente buenos que funcionan como la cosa real, aunque a veces exponencialmente más lento (incluso puede agregar decoherencia si lo desea, por ejemplo, si está trabajando en la corrección de errores cuánticos). Puede comenzar de una manera muy visual en el Quantum Computing Playground basado en la web, y luego graduarse en The Quipper Language (que también puede manejar una computadora cuántica real, si tiene la oportunidad de ejecutar su programa en uno).

Otra cosa que me gusta de los QC es que no requieren un conocimiento profundo de la física o la mecánica cuántica; solo los conceptos básicos son suficientes; así que si ya eres un programador, básicamente se reduce a aprender otro idioma y modelo computacional, no a aprender un campo de ciencia adicional.

Procesamiento del lenguaje natural / Lingüística computacional / Ingeniería del lenguaje

Una de las cosas más complejas que los humanos tienen para ellos es el lenguaje. El lenguaje natural es algo que las computadoras aún tienen muchos problemas para entender. Como están las cosas ahora, solo pueden entender comandos simples. ¿Por qué? Porque el lenguaje natural no se puede analizar fácilmente. ¿Cómo puedes modelar el lenguaje natural para que las computadoras puedan procesarlo? ¿Qué patrones regulares sigue y cuál es la naturaleza de la sintaxis? ¿Cómo puedes hacer que la computadora * entienda * lo que intentas decirle? ¿Puede alguna vez entender algo en primer lugar? ¿Cómo se deriva en última instancia el significado de una serie de palabras y expresiones?

Estos son campos interdisciplinarios que abarcan inteligencia artificial, lingüística, procesamiento de señales, estadísticas, entre otros. Hay una gran cantidad de aplicaciones. Solo enumeraré algunos de ellos:

Resumen automático : ¿cuáles son las partes del documento que contienen la información más importante / de qué trata este documento?
Extracción de información : ¿qué información estructurada puedo obtener de este documento no estructurado?
Análisis de sentimientos : ¿esta revisión es favorable o no? ¿Es este tuit malo o divertido?
Atribución de autoría : en función del estilo de escritura, ¿fueron dos documentos determinados escritos por la misma persona?
Reconocimiento de voz : ¿cómo procesar varias señales para que la computadora entienda el lenguaje hablado?
Traducción automática : el estado del arte se basa en la inferencia estadística en grandes corpus paralelos. Pero, ¿puede una computadora realmente traducir un texto? ¿O es una tarea que requiere comprender realmente el texto?

Gracias por A2A.

Si solo está buscando ejemplos en lugar de algo específico, entonces otro que puedo enumerar por experiencia personal: Modelado 3D.

Una de las que hice el mes pasado es modelar una balaustrada inclinada y retorcida alrededor del atrio de un edificio. Usé Python y Dynamo dentro de Revit para producir lo siguiente:

Para ver el código que utilicé, aquí hay una pregunta del foro que tuve cuando me quedé atrapado en un punto particularmente curioso al hacer que el script de Dynamo modelara lo anterior: Ordenar 2 selecciones de curvas para que coincidan más (tenga en cuenta que la mayoría de eso es usar Dynamo, una programación visual lenguaje, pero hay algunos conocimientos de Python incluidos donde Dynamo simplemente no era suficiente)

Y luego, estas son vistas en perspectiva después de haber terminado los 7 pisos de uno de los atrios.

Creo que la IA es la que debemos seguir. Está siendo impulsado por la necesidad más que por el capricho. En el pasado, la IA era el “juguete” de CS. Era novedoso, pero solo servía para mostrar cuán primitiva podía ser la IA. Ahora nuestros dispositivos, desde automóviles hasta teléfonos y casi cualquier dispositivo, están comenzando a tener computadoras integradas en una escala nunca antes vista. Y aunque están haciendo cosas más agradables, como tener acceso a Internet o estacionar autos, también están alentando a más personas a pedir más inteligencia dentro de los dispositivos. Estas necesidades estimularán el campo de la IA hacia mejores herramientas de desarrollo y más inteligencia, en una forma circular cada vez mayor.

Big data es un gran problema. La minería de datos es donde está.

Todo se reduce a lo que crees que es genial. Si piensa encontrar tendencias minoristas, intrusiones en la nube o en los medios en granjas de servidores, descubrir cómo aumentar el rendimiento para admitir cargas y descargas masivas, desea trabajar en el corazón más crítico de la empresa, entonces puede elegir grande datos.

Ciertamente, hay muchas otras cosas modernas que hacer, como la impresión 3D y los wearables.

Gracias por el A2A.

Respuesta fácil

¿Por cuál te sientes más apasionado?

Investigue un poco, hable con las personas que ya lo están haciendo, lea sus blogs y las respuestas de Quora.

No entres en algo que no te apasiona.

Esta es la clave

Gracias por el A2A.

Mi área favorita de informática es donde se encuentra con la biología.
El campo de la vida artificial.

Aquí es donde se usa la informática (y la ingeniería) para probar ideas biológicas que no se pueden probar de otra manera.

Lamentablemente, parece haber perdido impulso. No parece haber habido un trabajo significativo y notable en el campo en la última década, lo cual es triste porque tiene mucho potencial.

Una palabra: plásticos.

El análisis predictivo es un área interesante. Hay varias oportunidades disponibles y la mayoría de ellas son proyectos nuevos.