コーディングを超えて：自動化プロジェクト成功のための鍵となるスキル

数学的方程式をコードに翻訳することは、コンピューターソリューションを伴う自動化プロジェクト開発の一部ですが、同時にそこから離れた作業でもあります。開発中のプロジェクトのニーズに対する数学的方程式の有効性を考慮しなければなりません。また、データとタイミングを伴う方程式の解法も考慮する必要があります。

解アルゴリズムに到達するデータの問題は、検出、制御、可能であれば修正しなければなりません。精度管理はプロセスの様々な段階で実施する必要があります。解プロセスと実装によって生じるエラーは、検出し管理しなければなりません。

これは書籍レベルのテーマですが、数百言葉で思考プロセスを前進させられることを願います。

まず、私たちが特定の決定論的でないと明示しなかったものが、デフォルトで確率的であるとは限らないことを心に留めておいてください。コンピューターと問題解決手順は、不可解なバイアスを導入する可能性がありますが、分析すれば明確に決定論的です——ただ意図されていないだけです。この問題を説明するシンプルな例は精度に関するものです。多くの場合、中間値は数学で知られる基準で正確に、または少なくとも丸められていると考えがちです。

様々なレベルで、切り捨て——丸めではなく——が、計算された数値を提供された変数サイズに押し込めます。これが問題にならない場合もあれば、バイアスを導入する場合もあります。数学的手順と実践を用いて、計算値の格納値を積極的に管理し、ソルバーエンジンが期待される精度を保持するようにすることは有用です。これはプログラミング授業で一般的に教えられますが、精度の理解と管理が退屈で面倒なため、頻繁に怠られます。

観測値に一貫性がない場合（サンプリングや同期の問題など）、または測定瞬間の信頼できる精度がない場合（過渡的不安定性など）、それをクリーンアップする方法はしばしば存在します（境界限界チェック、データ分析、回帰手法など）。データストリーム以上のものを引き出す方法も多くありますが、その多くは「何が起きているか」についてのプログラマーの推測を伴います。 これに注意してください——良い結果は重要ですが、a priori（事前の判断）で拒絶すべきではありません。しかし、誤った結果は、それが促進する潜在的改善の価値よりも有害になり得ます。

適切な精度管理があっても、解法自体が問題を導入することがあります。今から無限大までストリーミング関数を積分したいとします。単一計算では無視できるほど小さな誤差や曖昧さでも、長期間にわたって継続的に蓄積されると天文学的な値に膨れ上がります。これは丸めや切り捨てと混ざり、継続的にバイアスのかかった測定や積分手法による格差を生む可能性があります。これは例えばPID制御の「I」項において、時間とともに巨大な誤差として現れることがあります。データ制御と精度管理手順、必要な解のための数学的アプローチでこれらの問題は解決できますが、発見への道は恥ずかしいものになるかもしれません。

問題、数学、数学が実際に何をするために設計されているかを十分理解せずに、数学が要件に適用されることがあります。例えば、全く同じ数学を用いても、状況を検知できる場合と完全に見逃す場合があるかもしれません。