2.3 Ciencia Computacional (CN)

Ciencia Computacional es un campo de la Ciencia de la Computación aplicada, es decir, la aplicación de la Ciencia de la Computación para resolver problemas a través de una gama de disciplinas. En el libro Introducción a la Ciencia Computacional, los autores ofrecen la siguiente definición: ""El campo de la Ciencia computacional combina simulación por computador, visualización científica, modelos matemáticos, estructuras de programación y de datos para computadoras, Redes, Diseño de Base de Datos, cálculo simbólico y la computación de alto rendimiento con varias disciplinas"". La Ciencia de la Computación, que se centra en gran medida en la teoría, el diseño y implementación de algoritmos para la manipulación de datos e información, se puede remontar sus raíces a los primeros dispositivos utilizados para ayudar a la gente en computación hace más de cuatro mil años. Varios sistemas fueron creados y se utilizan para calcular las posiciones astronómicas. El logo de programación de Ada Lovelace fue pensado para calcular los números de Bernoulli. A finales del siglo XIX, las calculadoras mecánicas estuvieron disponibles y fueron utilizados inmediatamente por los científicos. Las necesidades de los Científicos e Ingenieros con relación a computación han impulsado mucho la investigación y la innovación en computación. A medida que las computadoras aumentan su poder en la solución de problemas, la ciencia computacional ha crecido tanto en amplitud e importancia. Es una disciplina por derecho propio y se considera que es una de las cinco con mayor crecimiento. Una increíble variedad de sub-campos han surgido bajo el paraguas de la Ciencia Computacional, incluyendo la biología computacional, química computacional, mecánica computacional, arqueología computacional, finanzas computacionales, sociología computacional y forenses computacionales.

Algunos conceptos fundamentales de la ciencia computacional son pertinentes a cada científico de la computación (por ejemplo, el modelado y la simulación), y temas de ciencias computacionales son componentes extremadamente valiosos de un programa de pregrado en ciencia de la computación. Esta área ofrece la exposición a muchas ideas y técnicas valiosas, incluyendo la precisión de la representación numérica, análisis de errores, técnicas numéricas, arquitecturas paralelas y algoritmos, modelado y simulación, visualización de la información, ingeniería de software y optimización. Temas de interés para la ciencia computacional incluyen conceptos fundamentales en la construcción de programas (Fundamentos del desarrollo de software (SDF) FundamentalProgrammingConcepts), el diseño de algoritmos (Fundamentos del desarrollo de software (SDF) AlgorithmsandDesign), pruebas del programa (Fundamentos del desarrollo de software (SDF) DevelopmentMethods), representaciones de datos (Arquitectura y Organización (AR) Machinelevelrepresentationofdata), y arquitectura básica del computador (Arquitectura y Organización (AR) Memorysystemorganizationandarchitecture). Al mismo tiempo, los estudiantes que toman cursos en esta área tienen la oportunidad de aplicar estas técnicas en una amplia gama de áreas tales como la dinámica molecular y de fluidos, mecánica espacial, la economía, la biología, la geología, la medicina y análisis de redes sociales. Muchas de las técnicas que se utilizan en estas áreas requieren matemáticas avanzadas tales como cálculo, ecuaciones diferenciales y álgebra lineal. Las descripciones siguientes asumen que los estudiantes han adquirido los conocimientos matemáticos necesarios en otros lugares. En la comunidad de ciencia computaciónal, los términos de ejecución, modificación y creación a menudo se utilizan para describir los niveles de entendimiento. Este capítulo sigue las convenciones de otros capítulos de este volumen y usa los términos familiaridad, uso y evaluación.

KA	Core Tier1	Core Tier2	Electivo
2.3.1 Introducción al modelamiento y simulación			No
2.3.2 Modelamiento y simulación			No
2.3.3 Procesamiento			No
2.3.4 Visualización interactiva			No
2.3.5 Datos, información y conocimiento			No
2.3.6 Análisis numérico			No