Фото: Проектная сессия «Айти — это космос»

Чтобы проще было понять, кто есть кто в современном программировании, обратимся к метафоре. Представьте себе производство мебели. Когда-то для того, чтобы сделать элементарный стол или стул, необходимо было как минимум уметь пользоваться столярными инструментами. Затем появились мастера, которые делали уникальную мебель. Потом произошла техническая революция, и мебель стало можно делать на станках от доски до покрытого лаком изделия. А затем появился принцип Икеи: ты можешь сам собрать стул или стол и решить, какого он будет цвета, никаких особых знаний для этого не нужно.

С программированием всё обстояло примерно так же. Сначала оно требовало обязательного наличия базовых «инструментов» – знания математики, чтобы писать программы, и знания физики, чтобы уметь обращаться с техникой, которая эти программы запускает. Некоторые становились в этом вопросе настоящими уникальными мастерами, например Маргарет Гамильтон, написавшая коды на стопку бумаги выше её роста для проекта высадки человека на Луну, – это были именно математические расчёты!

Затем появились «станки» – готовые шаблоны, алгоритмы и среды разработки, с помощью которых можно штамповать код как на конвейере, а в последние годы развивается и собственная «Икеа» – ноу- или иначе зерокодинг, который позволяет собирать программы и приложения из готовых блоков.

Теперь, возвращаясь к нашей метафоре, подумайте, кем вы хотите быть в этой цепочке? Дизайнером-проектировщиком, который создаёт новые эскизы мебели, инженером, который разрабатывает станки, способные выполнить самую сложную работу, или рабочим, который делает сотни одинаковых деталей в день? В профессии рабочего нет ничего плохого – это достойная и зачастую хорошо оплачиваемая специальность. Однако это рутинное, однообразное занятие, в котором главная задача – постоянно повторять одни и те же действия.

Да, рабочий может на досуге смастерить мебель собственного дизайна, опираясь не на математические расчёты, а исключительно на свои практические навыки, но, чтобы сделать производство этой мебели массовым, нужно учесть множество параметров – от особенностей материала до способностей станков производить те или иные операции. На одной практике тут далеко не уедешь.

С программированием дела обстоят точно так же: можно закончить короткие курсы программирования и неплохо зарабатывать, выполняя задания по шаблонам, но любое задание, которое потребует чуть более сложного решения, чуть больше креативных навыков, – и вам придётся судорожно вспоминать курс математики или проходить его заново. Без знания математики ваши возможности роста в IT будут существенно ограничены.

Также обратите внимание на то, какое количество, казалось бы, успешных (с точки зрения зарплаты) айтишников жалуется на выгорание, потерю интереса к работе и заканчивает дауншифтингом – переходом на более низкую оплату в другой, более интересной и дающей разнообразие деятельности сфере (в дауншифтинге нет ничего плохого, но разве не лучше сразу настроиться на получение профессии, которая будет и прибыльной, и интересной?).

Чаще всего такому выгоранию подвержены именно те программисты, которые пришли в профессию после коротких курсов, как «рабочие пчёлки», которые выполняют одинаковые задания с помощью инструментов, спроектированных кем-то другим на технике, устройства которой они не до конца или совсем не понимают.

Некоторым людям рутинная работа по душе, они легко с ней справляются, и такие программисты с уверенностью утверждают, что знание математики и физики им не пригодилось, однако это не значит, что их опыт сработает и в вашем случае.

Также не обязательны глубокие знания математики для начинающих тестировщиков, однако как раз тестирование (если вы не создаёте ничего принципиально нового, а пользуетесь готовыми инструментами) представляет собой рутинную и довольно однообразную работу.

Практически везде, разница будет только в том, что в одних сферах знание этих предметов даст вам значительный бонус и сделает уникальным специалистом, в другие без этих знаний вообще невозможно попасть – это порог входа.

Сначала перечислим те области программирования, в которых знание математики и физики нужно в меньшей степени:

Во всех остальных сферах IT знание физики и математики необходимо, однако, поскольку и математика, и физика – очень широкие понятия, для разных IT-специальностей нужны разные разделы этих наук.

Математическая статистика – фундамент машинного обучения и сбора данных в Data Science. Машины учатся на основе анализа статистических данных, соответственно, задача разработчика – предоставить данные в таком виде, чтобы робот смог собирать, обрабатывать и понимать эту информацию.

Также понадобятся знания в области линейной алгебры, математических функций, логарифмов, математического анализа, дискретной математики, исследовании операций.

Создание самообучающихся (с помощью технологий машинного обучения) искусственных нейросетей без знания математики невозможно.

Что касается ИИ, то тут пригодится и знание физики. Дело в том, что искусственный интеллект ценен не столько сам по себе, сколько как мозг для роботов. При этом нужно понимать, как такой мозг будет взаимодействовать с оболочкой робота, как программа «встанет» на «железо». Здесь потребуются знания в области механики, электро- и схемотехники.