منابع حل مسئله

همان‌طور که نخستین مقاله‌ی اینجا می‌گوید، حل مسئله یک فرامهارت است. اغلب می‌بینیم که نحوه‌ی نگارش یا ساختار یک زبان برنامه‌نویسی سخت‌ترین بخش حل یک چالش نیست؛ سخت‌ترین بخش این است که بفهمید چه چیزی را باید بنویسید یا از کجا باید شروع کنید. ساختن راهبردها و یک نظام برای شکستن مسئله‌ها به گام‌هایی که بتوان آن‌ها را به کد تبدیل کرد، مهارتی ارزنده برای پرورش دادن است. در ادامه چند مقاله، ویدیو و کتاب گردآوری‌شده از دل جامعه‌ی کاربران آمده است که می‌توانند به شما در پرورش این ابرمهارت کمک کنند.

• Free Code Camp مقاله‌ی مرور خوبی درباره‌ی How to Think Like a Programmer - Lessons in Problem-Solving ارائه می‌دهد.
• جرمی هاوارد، بنیان‌گذار fast.ai، خلاصه‌ی خوبی از G. Polya's Problem Solving Techniques دارد.
• G. Polya's How To Solve It (کتاب کامل) که نخستین بار در سال ۱۹۴۵ به‌عنوان راهنمایی برای رویارویی با مسئله‌های پیچیده‌ی ریاضی نوشته شد، هنوز هم توصیه‌ای عالی برای حل مسئله به‌طور کلی است.
• کرتیس پایکس که برای Towards Data Science می‌نویسد، آموزش عملی خوبی برای حل مسئله دارد.
• Think Like a Programmer: An Introduction to Creative Problem Solving اثر وی. آنتون اسپراول که در مقاله‌ی Free Code Camp به آن اشاره شده، نگاهی مدرن‌تر و متمرکز بر برنامه‌نویسی به همان روش‌های کلی‌ای است که پولیا برای ریاضیات ترسیم می‌کند.
• Felienne Hermans بیشتر بر این تمرکز دارد که مردم چگونه هنر کدنویسی را یاد می‌گیرند و این امر چگونه با یادگیری به‌طور کلی پیوند می‌خورد. او کتاب The Programmer's Brian را نوشته است، با راهبردهایی برای بهتر خواندن کد، شفاف‌تر اندیشیدن درباره‌ی کد، بهتر نوشتن کد و تبدیل شدن به همکاری بهتر در کدنویسی.
  • می‌توانید نسخه‌ی چاپی کتابش را از اینجا سفارش دهید.
  • او همچنین دو ویدیوی جالب درباره‌ی همین موضوع دارد: How to Teach Programming (and other things)? و Programming is Writing is Programming .
• Algorithmic Thinking (Daniel Zingaro) از انتشارات No Starch Press و How to think like a programmer (Paul Vickers) هم به حل مسئله هنگام کدنویسی می‌پردازند.
• Computational Thinking: A beginner's guide to problem-solving and programming (Karl Beecher) و Computational Thinking for the Modern Problem-Solver (Riley and Hunt) هم راهبردهایی برای اندیشیدن درباره‌ی مسئله‌ها و شکستن آن‌ها به راه‌حل‌های برنامه‌نویسی ارائه می‌دهند.
• From Computing to Computational Thinking (Paul S. Wang) کمی کلی‌تر و دانشگاهی‌تر است، اما راهبردها و ساختارهایی برای حل مسئله ارائه می‌دهد که می‌توانند فراتر از کدنویسی به کار بیایند و به دانش پیشین برنامه‌نویسی نیازی ندارند.

برخی از این کتاب‌ها را می‌توان از طریق کتابخانه‌ی انجمن ماشین‌های محاسباتی (ACM) هم خواند. اطلاعات عضویت (پولی) در acm(dot)org در دسترس است.