@mmix,
Nije nikakvo nipodastavanje branse. Ja rekoh da, IMHO, za ogromnu vecinu poslova koji se kolokvijalno zovu "programiranje" ne treba vise od matematickog i logickog gradiva osnovne skole (sa eventualno jos prvim gimnazije zbog bulove algebre, ako se to i dalje izucava u prvom gimnazije a ne pre/kasnije, pojma nemam - u moje vreme se izucavalo tada mada i tada nije bio nikakav problem usvojiti te koncepte i pre toga) i prakse u nekom konkretnom razvojnom okruzenju.
Ne znam da li je ta cifra 50%, 60% ili mozda 90% ali je svakako ogromna.
I nema nicega podrugljivog ili loseg u tome. Ogromna vecina stvari su cista sljaka, uvezi neki GUI sa biznis logikom, ucitaj neke podatke, uradi neku jednostavnu operaciju nad njima i zapisi ih ponovo itd... ako teba nesto da se sortira, roknes std::sort ili ekvivalent i to je to.
Cak i mnoge "ozbiljne stvari" su isto tako sljaka. Mozda problem ima nekoliko koraka, sa par algoritama, vise niti i sl... ali i za vecinu tih stvari je resenje koriscenje lib-ova / framework-a. Cak i ako nisu optimalne, umesto davanja para na 10-20% optimizaciju se vise isplati dati pare u 10-20% brzi hardver.
Nista to nije sporno.
Medjutim, za ono malo sw. inzenjerskih poslova (a to malo, IMHO, moze biti mozda 10%) je ipak potrebno znati mnogo vise, izmedju ostalog i specificnosti algoritama i hardverske arhitekture zato sto se tu moze raditi o dvocifrenom ubrzanju ili dostizanju nekih osobina koje cine razliku koja se meri milionima EUR prednosti u odnosu na konkurenciju. Taj mali % poslova zahtevaju znanja koja se izucavaju na faklutetima koji skoluju sofverske inzenjere.
Takvi poslovi su verovatno skoncentrisani ili u zemljama koje imaju jaku hi-tech industriju (automobilsku, medicinsku, aerospace, finansijsku i sl.) ili su outsourcing zemlje za ove prve.
Mada cak i u tim zemljama na 1 takav posao dolazi sigurno dvocifren broj poslova za koje je potrebno znanje elementarne matematike/logike, baza podataka i praksa u konkretnom okruzenju.
Citat:
Burgos
Situacija danas je svakako gora nego pre dvadeset godina kada si mogao da pošalješ programere na duži godišnji i da posle godišnjeg imaš duplo bržu aplikaciju :-).
Jeste, danas je jedino prakticno skaliranje ubacivanje dodatnih procesora / klastera.
Mada i tu, vrlo verovatno ogromna vecina prohteva koji traze programersku radnu snagu nece dostici bottleneck zato sto, jednostavno, sta god da rade nemaju toliku gustinu podataka ili zahteve za servisom da zasite nekoliko Xeon crnih kutija.
Oni koji to dostizu ce, naravno, morati da zaposle sw. inzenjere koji znaju da dizajniraju resenja koja mogu da se skaliraju bez da umru ili da provedu 99.999% vremena u sinhronizaciji. Ali upravo broj takvih radnih mesta vs. "sljaka" radnih mesta je verovatno vrlo mali.
DigiCortex (ex. SpikeFun) - Cortical Neural Network Simulator:
http://www.digicortex.net/node/1 Videos:
http://www.digicortex.net/node/17 Gallery:
http://www.digicortex.net/node/25
PowerMonkey - Redyce CPU Power Waste and gain performance! -
https://github.com/psyq321/PowerMonkey