Les 4 principes pour bien coder

La conception numérique exige une compréhension de la pensée computationnelle, car la programmation indique simplement à un ordinateur ce qu’il faut faire et comment le faire.

Pensée computationnelle

La pensée computationnelle  est une façon de résoudre des problèmes afin de présenter des solutions qu’un ordinateur, un humain, ou les deux, peuvent comprendre.

Penser en calcul n’est pas programmer. Ce n’est même pas penser comme un ordinateur comme les ordinateurs ne pensent pas, et ne peuvent pas penser.

La programmation indique simplement à un ordinateur ce qu’il faut faire et comment le faire.

La pensée computationnelle vous aide à déterminer exactement quoi dire à l’ordinateur de faire.

La pensée computationnelle comporte quatre éléments :

  1. Décomposition
  2. Reconnaissance de formes
  3. Abstraction
  4. Conception d’algorithme

 

Décomposition

La décomposition décompose les problèmes en plus petites parties, de sorte que chacun peut être résolu individuellement.

Reconnaissance de formes

La reconnaissance de formes consiste simplement à rechercher des similitudes entre les problèmes et à l’intérieur des problèmes. Ces caractéristiques communes peuvent nous aider à résoudre des problèmes de calcul. Nous pouvons voir comment des problèmes similaires antérieurs peuvent avoir été résolu.

La reconnaissance de formes est l’une des pierres angulaires de l’informatique. Il s’agit de trouver des similitudes ou des modèles parmi les petits problèmes décomposés pour nous aider à résoudre plus efficacement des problèmes plus complexes.

Exemple :

Abstraction

L’abstraction élimine tous les détails inutiles afin que nous puissions nous concentrer sur le détail qui est important.

Exemple :

Une personne peut être décrite de façon abstraite par son nom et sa date de naissance dans une simple base de données, plutôt que d’utiliser beaucoup d’informations personnelles telles que son lieu de résidence, son lieu de travail ou sa musique préférée. Un programmeur cherche des moyens de simplifier des morceaux de code et des séquences dans un algorithme pour les rendre aussi efficaces que possible – ce qui permet de gagner du temps et d’accélérer l’exécution du programme.

Algorithmes

Afin d’aider à résoudre les problèmes de la technologie numérique, il est important que nous produisions un ensemble clair d’étapes qui décrivent les solutions proposées.

Un algorithme est une séquence d’étapes ou d’instructions qui sont exécutées pour résoudre un problème ou exécuter une tâche. Un algorithme de tous les jours serait d’utiliser une recette pour faire un gâteau.

Usines à clic

Résultat de recherche d'images pour "digital labor"

L’un des rêves vendus par l’intelligence artificielle est qu’elle nous libérerait à terme de la damnation du travail. Mais entre les désirs à assouvir des consommateurs et les propositions des marques commerciales, il y a des « usines à clic » qui n’ont rien à voir avec les algorithmes intelligents, et qui sont localisées dans les pays émergents où la main d’œuvre coûte beaucoup moins cher qu’une équipe d’informaticiens spécialisés dans le développement de solutions automatiques.

Antonio A. Casilli a mis au jour cette exploitation du travail dans un livre publié au Seuil sous le titre En attendant les robots Enquête sur le travail du clic. Des employés sous-payés collectent un maximum d’informations pour faire le travail du robot : textes, photos, vidéos, transactions financières et fréquentation de sites d’information ou autres… de quoi alimenter en données les algorithmes. C’est ainsi que, pour quelques centimes par clic, « les humains volent le job des robots ». C’est ce que le sociologue appelle la tâcheronnisation, une forme nouvelle de division du travail : le taylorisme numérique. Il ne signifie pas la disparition du travail mais celle des métiers, comme le souligne Dominique Méda dans la postface du livre, et surtout une forme d’occultation. C’est le cas également du modèle techno-économique des plateformes numériques, Uber et autres. « Plateformisation et tâcheronnisation se conjuguent pour précariser et vider de son sens le travail. »

….

Source : L’intelligence artificielle en question

En attendant les robots, Antonio a. Casilli

Qu’est-ce que le digital labor ?: Les enjeux de la production de valeur sur Internet et la qualification des usages numériques ordinaires comme travail. (Etudes & controverses)

Les humains vont-ils remplacer les robots ?

A l’occasion de l’événement international “La nuit des idées”, nous lançons le débat sur la complexité de nos vies numériques, avec le sociologue Antonio Casilli et l’historienne Marie Peltier.

Homme d'affaire serrant la main d'un robot
Homme d’affaire serrant la main d’un robot Crédits : Libre de droitsGetty

La machine sans être humain ?

Je m’efforce de montrer que la crainte de destruction d’emplois à cause de l’intelligence artificielle n’est pas fondée… En réalité, on fait face à une pression sur l’encadrement formel de l’emploi… Ces machines ne peuvent se débarrasser du travail humain. Donc plus vous injectez des machines sur le marché, plus vous avez besoin d’êtres humains qui encadrent ces machines. Antonio Casilli.

La réalité de terrain est que ces machines sont moins dangereuses qu’on ne le pensait mais sont, en même temps, porteuses d’une certaine idéologie qui est, elle, dangereuse… Le travail du clic, c’est ce qui nourrit l’intelligence artificielle à l’heure actuelle. Antonio Casilli.

Voitures autonomes :

Il faut démystifier le discours marketing d’Uber. Quand Uber propose la démonstration du véhicule autonome, ces véhicules ne sont pas si autonomes que cela, ils ne sont pas sans chauffeur. C’est une question de sémantique, l’usager est un opérateur de conduite. Antonio Casilli.

Les passagers sont tracés et leurs données sont monétisées. Après, ces données sont utilisées pour préparer des algorithmes d’amélioration du trafic urbain et aussi pour améliorer la performance des véhicules autonomes. Antonio Casilli.

Source : Spéciale Nuits des Idées – Les humains vont-ils remplacer les robots ?

En attendant les robots, Antonio a. Casilli

Comment vérifier la simplification d’une équation logique avec une table de vérité ?

Représentation d’une table de vérité avec Wolfram Alpha.

Les systèmes logiques sont présents dans de nombreux programmes de formation et à tous les niveaux; bac professionnel (bac pro) , bac technologique STI2D , bac S – SI (sciences de l’ingénieur), BTS, DUT, et CPGE (MPSI, TSI, PT).

Son étude s’appuie sur les fonctions logiques de base (OUI, NON, ET, OU, OU exclusif) et fait partie d’une culture technologique de base pour toutes formations technologiques.
 
La table de vérité (truth table) est un outil indispensable en logique combinatoire. Elle représente les états d’une variable logique de sortie à partir des différentes combinaisons des variables d’entrée.
 
Il existe un outil en ligne rapide et gratuit pour cela: Wolfram Alpha à l’adresse suivante: http://www.wolframalpha.com/
Wolfram alpha Cet outil permet notamment de représenter la table de vérité d’une équation logique.
 
À travers deux exemples de niveau différent, je vais montrer comment représenter rapidement et gratuitement une table de vérité à partir d’une expression logique.

 

Exemple n°1:

Prenons par exemple l’expression logique suivante:
exemple 1 - expression logique et fonctions
 
Dans Wolffram alpha pour obtenir la table de vérité d’une expression logique il faut saisir la commande ‘truth table puis l’équation logique en remplaçant la notation algébrique des fonctions logiques par l’équivalent anglo-saxon.
 
  • or = fonction logique OU
  • and = fonction logique ET
  • ~ = fonction NON
wolfram alpha - format
Equation logique 1 - wolfram alpha
On obtient la table de vérité ci-dessous, avec “T” = “True” = “1” et “F”= “False” = “0”
 
Exemple 1 - Table de vérité - Wolfram Alpha
Table de vérité n°1

 

La table de vérité peut être aussi utilisée pour vérifier par exemple la simplification d’une expression logique.

L’expression ci-dessus peut se simplifier algébriquement par:
equation logique 1 simplifiéVérifions la table de vérité avec Wolfram alpha la table de vérité.
De la même façon que précédemment, l’expression logique dans la barre de saisie se transforme de la manière suivante:
 
Equation logique 1 simplifié - wolfram alpha On obtient la table de vérité suivante:
Exemple 1 simplifié - Table de vérité - Wolfram Alpha
Table de vérité n°2

Les deux tables de vérité sont identiques. La simplification algébrique est donc correcte.

 

Exemple n°2:

Prenons maintenant comme deuxième exemple une équation logique plus complexe avec 3 variables d’entrée à simplifier algébriquement:
equation logique 2 simplifié
 
De la même façon que précédemment, l’expression logique dans la barre de saisie se transforme de la manière suivante:
Equation logique 2 simplifié - wolfram alpha
 
truth table (~a and b and c ) or (a and ~b and c) or (a and b and ~c ) or (a and ~b and ~c) or (~a and ~b and c)
 
On obtient la table de vérité ci-dessous:
Exemple 2 - Table de vérité - Wolfram Alpha
Après simplification l’expression logique devient:
equation logique 2 simplifié
Vérifions avec Wolfram Alpha sa validité:
Equation logique 2 simplifié - wolfram alpha
L’expression logique dans la barre de saisie se transforme de la manière suivante:
On obtient la table de vérité ci-dessous:
Exemple 2 simplifié - Table de vérité - Wolfram AlphaLes deux tables de vérité sont identiques, par conséquent la simplification algébrique est correcte.

Pour aller plus loin

L’efficacité scientifique de 10 méthodes de révision

revision_examen

Une partie fondamentale de la révision utilise votre mémoire. La recherche scientifique préconise une pratique distributive, étendage étude au fil du temps, avec une bonne dose de bachotage avant l’examen.

Dix techniques de mémorisation ont été étudiés et les pratiques étonnamment communes parmi les étudiants tels que souligner, résumer et relire un cours sont évalué comme ayant une  faible efficacité.

Les étudiants qui bachotent peuvent réussir un examen, mais ils ne retiendront pas le cours. Quand ils seront dans des classes supérieures, ils devront construire et développer leur s connaissances.

memorisation

10 techniques de révision

1. Interrogation détaillée

Expliquer pourquoi un fait ou un concept est vrai.
Efficacité: Modéré

2. Auto explication.

Expliquer comment un problème a été résolu.
Efficacité: Modéré

3. Résumé

Résumé du cours à apprendre
Efficacité: Faible

4. Mise en évidence / soulignement

Marquage des parties potentiellement importantes du cours à être apprises lors de la lecture.
Efficacité: Faible

5. Les mots-clés mnémotechniques

L’utilisation d’un mot-clé à associer à l’information.
Efficacité: Faible

6. L’imagerie.

Tenter de former des images mentales du cours pendant la lecture ou l’écoute.
Efficacité: Faible

7. Relecture.

Réétudier un cours après une première lecture.
Efficacité: Faible

8. Autoévaluation

Autoévaluation ou des tests pratiques (par exemple: les cartes flash).
Efficacité: Haute

9. Des activités planifiées

Un calendrier d’activités planifiées durant la session de formation
Efficacité: Haute

10. Des activités mixées

Un mixage de différentes activités durant la session de formation
Efficacité: Modéré.

Il n’y a pas de bonne ou de mauvaise façon d’apprendre et de mémoriser des informations. Beaucoup d’étudiants auront leurs propres techniques préférées.

Source: Improving Students’ Learning WithEffective Learning Techniques: Promising Directions From Cognitive andEducational Psychology



 

Show Buttons
Hide Buttons
Translate »