Portail MIPC Septembre 2010

Présentation au sujet: "Portail MIPC Septembre 2010"— Transcription de la présentation:

1 Portail MIPC Septembre 2010
Informatique Portail MIPC Septembre 2010

2 Quelques questions pour ce cours
Pourquoi étudier l’informatique ? Pour devenir informaticien(ne) ? Pour occuper tout emploi de niveau technicien supérieur ou ingénieur ? C’est quoi l’informatique ? En quoi un physicien/mathématicien/ biologiste/chimiste/géologue doit-il se former en informatique ?

3 Aspects généraux Devenir informaticien ?
Pourquoi pas ? 35% des nouveaux cadres en 2009 (selon le Syntec, il va manquer informaticiens par an en France et à cause de ça c’est 1.5% de croissance de moins !)‏

4 Aspects généraux Enquête de l’Express, 2008
Perspectives d’emploi par filière 1 Bac+2 santé-social (chômage 1%)‏ 2 Doctorat santé (ch 2%)‏ 3 Master informatique (ch 3%)‏ Salaires par filière Master informatique : premier master après les doctorats, écoles d’ingénieurs et écoles de commerce Comparaison avec écoles d’ingénieurs : M2 info 2000€ mens à 3 ans contre 2150 écoles

5 Aspects généraux Devenir informaticienne ?
La réalité : très peu de filles deviennent volontairement informaticienne Nombreuses explications Trop de contraintes Image de l'informaticien derrière son écran Métier ennuyeux à la longue Réservé aux fanas de wii et de play Métier uniquement techn(olog)ique

6 C’est un informaticien ?

7 C’est un informaticien ?
+ = Informatique

8 C’est une informaticienne ?
+ = Informatique

9 Aspects généraux Devenir informaticienne ?
La réalité : métier aux interfaces Pluridisciplinarité : Le droit La sociologie La psychologie La linguistique Le design L’ économie Les mathématiques (statistiques, cryptographie,…) La physique (image)‏ La biologie L’éthologie …

10 Toujours des questions…
La réalité (encore)‏ La machine est-elle le but du travail de l'informaticien ? N'est-ce pas plutôt l'homme (la société ?)‏ Il existe certes la nécessité d'ingénieurs, mais de plus en plus, on a besoin aussi de personnes sachant se situer à l'interface

11 Pourquoi de l’informatique ?
Outil scientifique incontour-nable sur la scène interna-tionale Domaine scientifique omni-présent Science de communication, et source d’échanges scientifi-ques avec les autres disciplines Vecteur de progrès techno-logiques, science de société Une diversité thématique insoupçonnée

12 Pourquoi de l’informatique ?
Outil scientifique incontournable sur la scène internationale Domaine scientifique omniprésent Science de communication, et source d’échanges scientifiques avec les autres disciplines Vecteur de progrès technologiques, science de société Une diversité thématique insoupçonnée

13 Pourquoi de l’informatique ?
Outil scientifique incontournable sur la scène internationale Domaine scientifique omniprésent Science de communication, et source d’échanges scientifiques avec les autres disciplines Vecteur de progrès technologiques, science de société Une diversité thématique insoupçonnée

14 Pourquoi de l’informatique ?
Outil scientifique incontournable sur la scène internationale Domaine scientifique omniprésent Science de communication, et source d’échanges scientifiques avec les autres disciplines Vecteur de progrès technologiques, science de société Une diversité thématique insoupçonnée

15 Pourquoi de l’informatique ?
Outil scientifique incontournable sur la scène internationnale Domaine scientifique omniprésent Science de communication, et source d’échanges scientifiques avec les autres disciplines Vecteur de progrès technologiques, science de société Une diversité thématique insoupçonnée

16 Pourquoi de l’informatique ?
Outil scientifique incontournable sur la scène internationnale Domaine scientifique omniprésent Science de communication, et source d’échanges scientifiques avec les autres disciplines Vecteur de progrès technologiques, science de société Une diversité thématique insoupçonnée

17 Pourquoi de l’informatique ?
Outil scientifique incontournable sur la scène internationnale Domaine scientifique omniprésent Science de communication, et source d’échanges scientifiques avec les autres disciplines Vecteur de progrès technologiques, science de société Une diversité thématique insoupçonnée

18 Pourquoi de l’informatique ?
Outil scientifique incontournable sur la scène internationnale Domaine scientifique omniprésent Science de communication, et source d’échanges scientifiques avec les autres disciplines Vecteur de progrès technologiques, science de société Une diversité thématique insoupçonnée

19 Pourquoi de l’informatique ?
Outil scientifique incontournable sur la scène internationnale Domaine scientifique omniprésent Science de communication, et source d’échanges scientifiques avec les autres disciplines Vecteur de progrès technologiques, science de société Une diversité thématique insoupçonnée

20 Pourquoi de l’informatique ?
Outil scientifique incontournable sur la scène internationnale Domaine scientifique omniprésent Science de communication, et source d’échanges scientifiques avec les autres disciplines Vecteur de progrès technologiques, science de société Une diversité thématique insoupçonnée

21 Pourquoi de l’informatique ?
Outil scientifique incontournable sur la scène internationnale Domaine scientifique omniprésent Science de communication, et source d’échanges scientifiques avec les autres disciplines Vecteur de progrès technologiques, science de société Une diversité thématique insoupçonnée

22 Aspects généraux En quoi un scientifique aujourd’hui doit-il maitriser l’informatique ? Des « banalités » Traitement de texte scientifique Base de données Tableur Gérer sa machine et son environnement informatique Travailler de façon sécurisée Traitement de mesures Analyse de données Simulations Gestion de données C2I

23 Aspects généraux En quoi un scientifique aujourd’hui doit-il maitriser l’informatique ? De l’informatique pour scientifiques : Traitement de mesures Analyse de données Simulations Gestion de données

24 Exemple : Bioinformatique
Système biologique : système complexe que l’on simule pour comprendre (de la molécule à l’écosystème) Comparaison des génomes Estimation de la diversité du vivant Identification automatique d’acteurs pour de nouvelles thérapies (ex : tri-thérapie)

25 Exemple : Bioinformatique
Système biologique : système complexe que l’on simule pour comprendre (de la molécule à l’écosystème) Comparaison des génomes Estimation de la diversité du vivant Identification automatique d’acteurs pour de nouvelles thérapies (ex : tri-thérapie)

26 Exemple : Bioinformatique
Système biologique : système complexe que l’on simule pour comprendre (de la molécule à l’écosystème) Comparaison des génomes Estimation de la diversité du vivant Identification automatique d’acteurs pour de nouvelles thérapies (ex : tri-thérapie)

27 Exemple : Bioinformatique
Système biologique : système complexe que l’on simule pour comprendre (de la molécule à l’écosystème) Comparaison des génomes Estimation de la diversité du vivant Identification automatique d’acteurs pour de nouvelles thérapies (ex : tri-thérapie)

28 Organisation du semestre
10 séances de cours 12 séances de travaux dirigés (TD)‏ 11 séances de travaux pratiques Contrôle continu Une épreuve en amphi (semaine 43, 28/10) Une épreuve en TPs (semaine 46 : 15/11 dans certains groupes) Une épreuve en TDs (semaine 50)

29 Aspects méthodologiques (2)‏
Le cours, deux parties Une partie algorithmique Une partie informatique(s)‏ ‘ Algorithmique

30 Aspects méthodologiques (3)‏ Transparent prise de notes
Ce dessin indique que le transparent résume un point particulier et doit être recopié Cela ne dispense pas d’imprimer les transparents du cours et de les commenter

31 Exemple Organisation du semestre Contrôle continu 10 séances de cours
12 séances de travaux dirigés (TD)‏ 11 séances de travaux pratiques Contrôle continu Une épreuve en amphi (semaine 43, 28/10) Une épreuve en TPs (semaine 46 : 15/11 dans certains groupes) Une épreuve en TDs (semaine 50)

32 Aspects méthodologiques (4)‏
Les TDs : apprendre à résoudre informatiquement les problèmes Papier crayon Feuille d’exercices sur MADOC (mais aussi le cours !)

33 Aspects méthodologiques (5)‏
Les TPs : mise en œuvre pratique sur machines, langage de programmation, avoir un compte, comment se connecter, comment préparer son TP, comment le refaire… Feuilles de TP sur MADOC (et tous les fichiers nécessaires…) L'environnement de programmation ne nécessite qu'un navigateur La langage de programmation support est javascript Bon à savoir : Avoir un compte On peut refaire le TP On peut récupérer son travail avec une clé USB Travail par binôme (attention, évaluation par monôme !)

34 Aspects méthodologiques (6)‏
La note : Contrôle continu composé de 1 partiel semaine 43 1 note de TPs 1 partiel semaine 50 Concrètement Evaluation des CM : des questions de cours Evaluation des TD : exercices comme en TD Evaluation des TP : au moins 1 contrôle sur machine au cours du semestre

35 Aspects méthodologiques (6)‏
Comment avoir une bonne note ? Exercices : il s’agira de résoudre des problèmes par de bons algorithmes Un bon algorithme : Résout le problème demandé Respecte les normes syntaxiques Est compréhensible Est simple

36 Aspects méthodologiques (8)‏
Exemple : le problème est d’aller place du commerce à partir de la fac des sciences N’est pas bon : Proposer un chemin beaucoup trop long Expliquer en utilisant bus à la place de tram et B à la place de 2 (ou en changeant au fur et à mesure) Faire prendre le train parce qu’on n’aime pas le tram

37 Résumé méthodologique
Le matériel sur madoc Le langage est javascript et les TPs peuvent être facilement refaits sur n’importe quel ordinateur Le but est d’écrire des algorithmes corrects : correct est apprécié du point de vue de l’expert (enseignant)

38 Début du cours d’algorithmique
Le but est d’apprendre à écrire des algorithmes (simples)

39 Algorithme (sans y)‏ un algorithme est l'écriture
dans un langage non ambigu d'une méthode de résolution d'un problème

40 cette méthode de résolution
Algorithme (sans y)‏ L'algorithme permet d'exécuter et d'étudier cette méthode de résolution

41 L'algorithme est exécuté
Algorithme (sans y)‏ L'algorithme est écrit par un analyste  L'algorithme est exécuté par un exécutant 

42 Le programme est exécuté
Le programme est écrit par un programmeur Le programme est exécuté par un ordinateur

43 Création / Exécution écrit exécutant analyste exécute algorithme
fonction fact(entrée n entier) : entier Début si n<2 alors retourner(1)‏ sinon retourner( n*fact(n-1) )‏ finsi Fin exécutant exécute analyste algorithme utilisateur donne les valeurs reçoit les résultats

44 Création / Exécution code ordinateur programmeur exécute programme
function fact(n)‏ { if (n<2) {return(1)} {return( n*fact(n-1))} } code ordinateur exécute programmeur programme utilisateur tape au clavier lit l'écran

45 Point de vue de l’analyste
Entrées Sorties Traitement Clavier Ecran Unité Centrale Saisie Affichage Calcul Paramètre Résultat Fonction

46 Point de vue de l’utilisateur
Entrées Traitement Sorties Clavier Unité Centrale Ecran Saisie Affichage Calcul Paramètre Résultat Fonction

47 Point de vue de l’algorithme
Entrées Sorties Traitement Clavier Ecran Unité Centrale Saisie Calcul Affichage Paramètre Résultat Fonction

48 Généralisation de l’algorithme
Entrées Sorties Traitement Clavier Ecran Unité Centrale Saisie Affichage Calcul Paramètre Fonction Résultat

49 Exemples d’algorithmes
Une recette de cuisine Des instructions pour installer sa Z-box Des instructions pour aller quelque part Des consignes de sécurité Dans ce cours, une méthode de résolution d’un problème, susceptible d’être codée sur ordinateur

50 Premier exemple d'algorithme
Algorithme exemple Variables position, déplacement : entiers Début position ← 25 ; déplacement ← 11 ; position ← position + déplacement ; afficher(position)‏ Fin

51 Un algorithme comporte 4 parties
Entête Déclaration Actions Commentaires

52 Exemple d'algorithme sans commentaire
Entête Algorithme exemple variables position, déplacement : entiers Début position ← 25 ; déplacement ← 11 ; position ← position + déplacement ; afficher(position)‏ Fin Déclarations Actions

53 Exemple d'algorithme avec commentaires
Entête Algorithme exemple variables position, déplacement : entiers //position est un entier positif Début position ← 25 ; // emplacement de départ déplacement ← 11 ; //de combien on bouge position ← position + déplacement ; afficher(position)‏ Fin Déclarations Actions

54 « Langage algorithmique »
Pas standardisé (≠ programmation)‏ mais avec une syntaxe qui doit être respectée Langage naturel (français)‏ mais NON AMBIGU

55 L’ambiguïté vends tricycle pour infirme en bon état
Deux conducteurs étaient interpellés par les gendarmes en état d'ivresse. (Var Matin, 13/07/1994) J'ai lu la critique de Chomsky Il répugne à accepter ce savant compromis Il m'a reçu comme un prince Jean regarde l'homme avec le télescope

56 Un algorithme est non ambigu
contient un en-tête, des déclarations, un actions et des commentaires la syntaxe doit être respectée

57 Les deux bases des algorithmes
Les variables, dans lesquelles on stocke l’information Les instructions permettant de modifier l’état de ces variables

58 Variables Zone de stockage temporaire
comme les mémoires de la calculatrice contenu pouvant être modifié

59 Variables (Caractérisation)
Nom (identificateur) nommer, c’est abstraire… Type L’ensemble des valeurs possibles, et des opérations autorisées Valeur courante (contenu actuel)‏

60 Variables Exemple Nom pente Type réel
Valeur courante (contenu actuel) 0,45

61 Variables (types) numérique (entier, réel)‏
chaîne de caractères, caractère booléen (logique)‏

62 Types : entier Eléments de ℤ Exemples 3 -17439

63 Types : réel Eléments de ℝ Exemples 3,14 3,141592 (mais pas 3,141592…)

64 Types: caractères Lettre, chiffre, symbole Entre ‘ ‘ Exemples ‘A’ ‘a’
‘É’ ‘6’ ‘ ‘ ’‘

65 Historiquement…

66 Types : chaîne de caractères
Suite finie de caractères Exemples ‘bonjour’ ‘ceci est une chaîne’ ‘Ceci est UNE chaîne ‘douze pour 12’

67 Types : booléen Eléments de l’ensemble {vrai, faux}

68 Expressions une expression simple est :
soit une valeur soit un nom de variable soit un opérateur appliqué à des valeurs ou des noms de variables Une expression peut être évaluée Exemple : 45 + trucmuche

69 Opérateurs entier × entier→ entier
+ - * div mod (division entière et modulo) abs (valeur absolue) Exemples : 3+2 25-7 43*21 50 div (valeur 3) 50 mod (valeur 11)

70 Opérateurs réel × réel→ réel :
+ - * / Exemples : 3,0 + 2,98 4,1 * 2,1 20,987 / 13,75

71 Opérateurs nombre x nombre → booléen
réel ou entier × réel ou entier → booléen < > = ≤ ≥ ≠ Exemples : 3 < 2,7 25 = 7,75 43,32 ≥ 21 20,07 ≠ 13

72 Opérateurs caractère x caractère → booléen
< > = ≤ ≥ ≠ Exemples : 'A'<'Z' 'B'='C' 'é'≥'y' '8'≤'5'

73 Opérateurs chaîne x chaîne→ booléen
Opérateurs de comparaison < > = ≤ ≥ ≠ Exemples : 'alain‘ < 'zoë' 'BAC'='CAB' 'élément'≥'ensemble' '118'≤'5'

74 Expressions booléennes
booléen → booléen : non booléen × booléen → booléen : et ou Exemples : vrai ou faux faux et faux non(faux)

75 Tables de vérité (1) A non(A) Vrai Faux non

76 Tables de vérité (2) A B A et B Vrai Faux et

77 Tables de vérité (3) A B A ou B Vrai Faux ou

78 Expressions complexes
une expression complexe est : soit une expression simple soit un opérateur appliqué à des expressions simples ou complexes Exemple : 45 + (256/2) Remarque : afin d’éviter l’ambiguïté, il est recommandé de parenthéser Exemple : 2+3*5  2+(3*5) ou (2+3)*5

79 Note sur les expressions
Les expressions peuvent contenir des appels de fonction Exemples : 1+sin(3) 1/log(7) Racine_carree(7+5) > 8

80 Instructions Un algorithme comporte une suite d'instructions
qui s'exécutent (par défaut)‏ l'une après l'autre dans l'ordre d'écriture on parle de séquentialité

81 Instructions élémentaires
Affectation (vision simplifiée) nom de variable ← valeur pente ← 0,45 Effet le résultat est affecté à la variable

82 Séquentialité Afin de marquer qu’une instruction succède à une autre instruction, on utilisera le symbole « ; » pour séparer : position ← 25 ; déplacement ← 11

83 Instructions Chaque instruction trouve les variables dans un état
et les laisse dans un nouvel état

84 Historique d'exécution
liste des états successifs

85 Instructions de base Affectation nom de variable ← expression
pente ← 0,32+0,45 Récupération d'une donnée nom de variable ← saisie() hauteur ← saisie()‏ Présentation d'un résultat afficher(expression) afficher(hauteur/pente)‏

86 Instructions Affectation Effet
nom de variable ← expression pente ← 0,32+0,45 Effet 1) l’expression est évaluée 2) le résultat est affecté à la variable

87 Instructions Récupération d'une donnée Effet
nom de variable ← saisie() hauteur ← saisie() Effet 1) l’utilisateur saisit une valeur 2) La valeur est affectée à la variable l'utilisateur introduit 154

88 Instructions 200 Présentation d'un résultat Effet l'utilisateur voit
afficher(expression) afficher(hauteur/ pente)‏ Effet 1) l’expression est évaluée 2) le résultat est affiché 200 l'utilisateur voit

89 Exemple d'exécution Début ① position ← 25 ; ② déplacement ← 11 ;
③ position ← position + déplacement ; ④ afficher(position)‏ Fin position déplacement Avant ① ? Après ① 25 Après ② 11 Après ③ 36 Après ④

90 Construire un historique d’exécution
Numéroter les instructions (n) Sélectionner les variables à suivre (m) Construire un tableau n+2 lignes * m+1 colonnes : v1 v2 … vm Avant I1 Après I1 Après In Ici, la valeur de v2 après l’exécution de l’instruction I1

91 Conclusion (ce qu’on a vu)
L’informatique en tant que métier L’informatique comme connaissance complémentaire aux autres sciences L’algorithmique comme cœur de l’informatique Les variables Les instructions et le séquencement