#Slides — Pensée computationnelleCopier le lien

#Plan de la présentationCopier le lien

1. Décomposition de problèmes
2. Abstraction
3. Algorithmes de base
4. Évaluer la complexité
5. Recommandations pour raisonner pas-à-pas

#Décomposition de problèmesCopier le lien

#Qu'est-ce que la décomposition ?Copier le lien

• Diviser un problème complexe en sous-problèmes plus simples
• Chaque sous-problème peut être résolu indépendamment
• Facilite la compréhension et la résolution

#AvantagesCopier le lien

• Réduction de la complexité
• Meilleure organisation du code
• Facilité de maintenance
• Collaboration facilitée

#ExempleCopier le lien

Problème: Compter la fréquence des mots dans un texte

Sous-problèmes:

1. Lire le texte
2. Nettoyer le texte
3. Tokeniser (séparer en mots)
4. Compter les occurrences
5. Trier par fréquence

#AbstractionCopier le lien

#Qu'est-ce que l'abstraction ?Copier le lien

• Masquer les détails complexes
• Se concentrer sur l'essentiel
• Créer des modèles simplifiés

#Niveaux d'abstractionCopier le lien

• Données : Types abstraits
• Procédures : Fonctions
• Contrôle : Flot d'exécution

#ExempleCopier le lien

Au lieu de manipuler des bits, on utilise des types comme int, string, list.

#Algorithmes de baseCopier le lien

#DéfinitionCopier le lien

Un algorithme est une séquence finie d'instructions précises permettant de résoudre un problème.

#PropriétésCopier le lien

• Finitude : Se termine en un nombre fini d'étapes
• Précision : Instructions claires et non ambiguës
• Entrées : Zéro ou plusieurs valeurs en entrée
• Sorties : Une ou plusieurs valeurs en sortie
• Efficacité : Chaque instruction est réalisable

#Algorithmes classiquesCopier le lien

• Recherche linéaire : O(n)
• Recherche dichotomique : O(log n)
• Tri à bulles : O(n²)
• Tri rapide : O(n log n) en moyenne

#Évaluer la complexitéCopier le lien

#Notation Big-OCopier le lien

• O(1) : Temps constant
• O(log n) : Logarithmique
• O(n) : Linéaire
• O(n log n) : Log-linéaire
• O(n²) : Quadratique
• O(2ⁿ) : Exponentiel

#Complexité en temps vs espaceCopier le lien

• Temps : Nombre d'opérations
• Espace : Quantité de mémoire utilisée

#Recommandations pour raisonner pas-à-pasCopier le lien

#MéthodologieCopier le lien

1. Comprendre le problème : Analyser les entrées/sorties
2. Décomposer : Diviser en sous-problèmes
3. Abstraire : Identifier les concepts essentiels
4. Concevoir : Créer l'algorithme
5. Implémenter : Coder la solution
6. Tester : Vérifier la correction
7. Optimiser : Améliorer l'efficacité

#Bonnes pratiquesCopier le lien

• Toujours commencer par des exemples simples
• Utiliser des visualisations quand possible
• Tester les cas limites
• Mesurer la complexité
• Documenter le code