计算世界充满了流行语：人工智能，超级计算机，机器学习，云，量子计算等等。在整个计算中，特别是一个单词-算法。
从最一般的意义上讲，算法是一系列指令，告诉计算机如何将有关世界的一组事实转换为有用的信息。事实是数据，有用的信息是人们的知识，机器的指令或另一种算法的输入。有许多常见的算法示例，从排序数字集到通过地图查找路线到在屏幕上显示信息。
要了解算法的概念，请考虑早上穿衣服。很少有人再三考虑。但是，您将如何写下您的流程或告诉5岁的孩子您的方法呢?详细回答这些问题将得出一个算法。
输入值
对于计算机而言，输入是决策所需的信息。
当您早上穿衣服时，需要什么信息?首先，您需要知道壁橱中有哪些可用的衣服。然后，您可能会考虑温度是多少，当天的天气预报是什么，季节是什么以及个人喜好。
所有这些都可以用数据表示，数据本质上是数字或单词的简单集合。例如，温度是一个数字，而天气预报可能是“多雨”或“阳光”。
接下来是算法的核心-计算。计算涉及算术，决策和重复。
那么，这如何适用于穿衣服?您可以通过对这些输入量进行一些数学运算来制定决策。是否穿外套可能取决于温度，选择哪种外套可能取决于预报。对于计算机，我们改进算法的一部分看起来像是“如果温度低于50度并且正在下雨，那么请选择防雨外套和一件长袖衬衫放在下面”。
挑选衣服后，您需要穿上衣服。这是我们算法的关键部分。在计算机上，重复可以表示为“每件衣服都穿上”。
输出量
最后，输出算法的最后一步-表达答案。对于计算机来说，输出通常是更多的数据，就像输入一样。它允许计算机以复杂的方式将算法串在一起以产生更多的算法。但是，输出还可能涉及呈现信息，例如在屏幕上放置文字，产生听觉提示或某种其他形式的交流。
因此，穿好衣服后，您便会踏入世界，为周围人的元素和凝视做好准备。也许您甚至拍了个自拍并将其放到Instagram上来展示自己的东西。
机器学习
有时太复杂，无法阐明决策过程。机器学习算法是一类特殊的算法，它试图根据一组过去的决策示例来“学习”。机器学习对于诸如建议，预测和查找信息之类的事情很普遍。
对于我们的示例，机器学习算法将相当于您记住过去关于穿衣服的决定，知道自己对每件衣服的舒适程度，也许最喜欢的自拍照并利用这些信息来做出更好的决定。选择。
因此，算法是计算机用来将输入数据转换为输出数据的过程。一个简单的概念，但是您接触的每一项技术都涉及许多算法。也许下次您拿起手机，看好莱坞电影或查看电子邮件时，您可以考虑幕后情况是哪种复杂算法。
