Gujarat Technological University

Indien · 2024 scheme

Gujarat Technological University

111 Laborpraktika für den GTU-Lehrplan.

Der B.E. Computer Engineering der Gujarat Technological University nach dem Schema 2024, mit C, Python, SQL, Java und Web. Jede Lektion ist in Schritte gegliedert, wird kompiliert und von einer echten Toolchain auf Ihrem eigenen Rechner geprüft — das Modell begutachtet Ihren Code im Anschluss, es entscheidet nicht darüber, ob Sie bestanden haben.

GroutCode herunterladenAlle Lehrpläne

Aktualisiert

Semester für Semester

Studiengang: B.E. Computer Engineering (Branch 07). Prüfungsordnung: 2024 scheme (Sem 1-5); 2018 scheme (Sem 7). Öffnen Sie einen Kurs, um seine praktischen Einheiten und die Laborlektion zu sehen, die GroutCode jeweils mitliefert.

  1. Semester 1

    1 Modul11 LaborlektionenC
    • BE01R00121C

      Programming for Problem Solving

      11

      Lektionen

      • From flowchart to machine code — number systems, algorithms and a tiny compiler
      • Types and operators in C — conversions, logic and bit manipulation
      Alle 11 Lektionen ansehen
      1. 1From flowchart to machine code — number systems, algorithms and a tiny compilerEinheit 1 · Introduction to Programming
      2. 2Types and operators in C — conversions, logic and bit manipulationEinheit 2 · Basics of C Programming
      3. 3Control flow in C — decisions, loops and a menu-driven calculatorEinheit 3 · Control Structures
      4. 4Functions and recursion in C — from factorial to the Towers of HanoiEinheit 4 · Functions and Modular Programming
      5. 5Arrays, matrices and strings in C — writing <string.h> yourselfEinheit 5 · Arrays and Strings
      6. 6Pointers in C — swapping, walking arrays and passing functionsEinheit 6 · Pointers
      7. 7Structures and unions — a student record system and a tagged valueEinheit 7 · Structures and Unions
      8. 8File handling in C — a small line-based text editorEinheit 8 · File Handling
      9. 9Dynamic memory in C — malloc, calloc, realloc and a growable arrayEinheit 9 · Dynamic Memory Allocation
      10. 10Debugging and testing in C — fix seven bugs, then build a test frameworkEinheit 10 · Debugging and Testing
      11. 11The PPS practical list in C: from arithmetic to linked queues, files and a debugging huntEinheit LAB · List of Practicals

  2. Semester 3

    2 Module17 LaborlektionenCSQL
    • BE03000081C

      Data Structures

      6

      Lektionen

      • How primitive and non-primitive data are stored: bits, floats, arrays, links and structs
      • Stacks, queues and linked lists from arrays and pointers
      Alle 6 Lektionen ansehen
      1. 1How primitive and non-primitive data are stored: bits, floats, arrays, links and structsEinheit 1 · Introduction to Data Structures
      2. 2Stacks, queues and linked lists from arrays and pointersEinheit 2 · Linear Data Structure
      3. 3Binary search trees, traversals and graph algorithms on an adjacency matrixEinheit 3 · Non Linear Data Structure
      4. 4Hash tables, a symbol table and fixed, variable, sequential and indexed record filesEinheit 4 · Hashing and File Structures
      5. 5Six sorts and two searches in C — bubble, selection, insertion, quick, merge, heap, sequential and binaryEinheit 5 · Sorting & Searching
      6. 6Data Structures lab in C — stacks, queues, lists, trees and graphsEinheit LAB · List of Practicals
    • BE03000091SQL

      Database Management System

      11

      Lektionen

      • From a flat order file to a relational database with views and transactions
      • Relational algebra in SQL — selection, projection, joins, set operators and division
      Alle 11 Lektionen ansehen
      1. 1From a flat order file to a relational database with views and transactionsEinheit 1 · Introductory concepts of DBMS
      2. 2Relational algebra in SQL — selection, projection, joins, set operators and divisionEinheit 2 · Relational Model
      3. 3SQL from DDL to transactions — constraints, functions, sub-queries and savepointsEinheit 3 · Introduction to SQL
      4. 4From an E-R Diagram to a Relational Schema: a College DatabaseEinheit 4 · Entity-Relationship Model
      5. 5Functional Dependencies and Normalization in SQLEinheit 5 · Relational Database Design
      6. 6Transactions, Serializability, Locking and Recovery in SQLiteEinheit 6 · Transaction Management
      7. 7Query Cost, Size Estimates and a Self-Maintaining Materialized ViewEinheit 7 · Query Processing & Optimization
      8. 8Database Security: Views, RBAC, DAC Grants, MAC and Intrusion DetectionEinheit 8 · Database Security
      9. 9Indexes and hashing in SQLite — ordered, unique, composite, covering and partial indexes, B+-tree height, static and extEinheit 9 · Indexing and Hashing
      10. 10Triggers, procedures and cursors in SQLite — a bank ledger that enforces its own rulesEinheit 10 · PL/SQL Concepts
      11. 11DBMS practicals in SQLite — schema, DDL and DML, constraints, functions, grouping, subqueries, joins, transactions and tEinheit LAB · List of Practicals

  3. Semester 4

    3 Module27 LaborlektionenCJava
    • BE04000221C

      Operating System

      10

      Lektionen

      • Modelling operating systems — batch, multiprogramming, time sharing, system calls and real-time scheduling
      • CPU schedulers and real processes — FCFS, SJF, SRTF, priority, round robin, fork, exec and wait
      Alle 10 Lektionen ansehen
      1. 1Modelling operating systems — batch, multiprogramming, time sharing, system calls and real-time schedulingEinheit 1 · Introduction
      2. 2CPU schedulers and real processes — FCFS, SJF, SRTF, priority, round robin, fork, exec and waitEinheit 2 · Process and Threads Management
      3. 3Synchronization primitives from scratch: locks, semaphores, pipes, messages, signals and monitorsEinheit 3 · Concurrency & Synchronization
      4. 4IPC algorithms replayed: Peterson, producer-consumer, readers-writers and dining philosophersEinheit 4 · Inter Process Communication
      5. 5Deadlock toolkit: Banker's algorithm, detection and preventionEinheit 5 · Deadlock
      6. 6Memory manager simulator: allocation, paging and page replacementEinheit 6 · Memory Management
      7. 7Disk subsystem simulator: head scheduling, RAID and the disk cacheEinheit 7 · I/O Management & Disk Scheduling
      8. 8A Unix toolbox in C — permissions, paths and text filtersEinheit 8 · Unix/Linux Operating System
      9. 9A toy hypervisor — guest bytecode, trap-and-emulate and shadow pagingEinheit 9 · Virtualization Concepts
      10. 10OS lab practicals in C — the shell-script exercises, made checkableEinheit LAB · List of Practicals
    • BE04000231Java

      Object Oriented Programming

      8

      Lektionen

      • Java fundamentals — data types, operators and type conversion
      • Java control flow — every branch and loop form in one file
      Alle 8 Lektionen ansehen
      1. 1Java fundamentals — data types, operators and type conversionEinheit 1 · Basic of Java
      2. 2Java control flow — every branch and loop form in one fileEinheit 2 · Conditional and looping statements
      3. 3Points, rectangles and bank accounts — classes and objects in JavaEinheit 3 · Basics of Object Oriented Programming
      4. 4Shapes, vehicles and strings — inheritance and polymorphism in JavaEinheit 4 · Inheritance, Polymorphism and Wrapper classes
      5. 5Results, orders and a library — interfaces, abstract classes and exceptionsEinheit 5 · Interface, Abstract class and Exception Handling
      6. 6Parallel sums, tables and a bounded buffer — threads in JavaEinheit 6 · Concurrency control
      7. 7Student records and a generic toolkit — file I/O and generics in JavaEinheit 7 · I/O Management and Generics
      8. 8Designing GUI Applications using JavaFx
      9. 9GTU Java practical list — from unit conversion to genericsEinheit LAB · List of Practicals
    • BE04000241C

      Analysis and Design of Algorithms

      9

      Lektionen

      • Measuring algorithms — case analysis, asymptotic bounds and union-find
      • Sorting algorithms and their costs — from bubble sort to bucket sort
      Alle 9 Lektionen ansehen
      1. 1Measuring algorithms — case analysis, asymptotic bounds and union-findEinheit 1 · Introduction and Analysis of Algorithm
      2. 2Sorting algorithms and their costs — from bubble sort to bucket sortEinheit 2 · Analysis of Sorting Algorithms
      3. 3Divide and conquer — from binary search to Strassen's matrix productEinheit 3 · Divide and Conquer
      4. 4Dynamic programming tables — binomials, change, knapsack, chains and subsequencesEinheit 4 · Dynamic Programming
      5. 5Greedy choices — making change, activities, knapsacks and job deadlinesEinheit 5 · Greedy Algorithm
      6. 6Graph algorithms on an adjacency matrix — traversal, ordering, components, spanning trees and shortest pathsEinheit 6 · Graph Algorithms
      7. 7Backtracking and branch and bound — queens, subsets, colourings, cycles, knapsack and TSPEinheit 7 · Backtracking and Branch and Bound
      8. 8NP-completeness in code — certificate verifiers, exhaustive search and polynomial reductionsEinheit 8 · Introduction to NP-Completeness
      9. 9The ADA practical list — sorting, searching, greedy, DP and backtracking in CEinheit LAB · Suggested Course Practical List

  4. Semester 5

    4 Module34 LaborlektionenPythonCNode.js
    • BE05000181Python

      Data Mining Techniques

      8

      Lektionen

      • Descriptive statistics from scratch — the summaries before the mining
      • Data pre-processing by hand — cleaning, integration, transformation and reduction
      Alle 8 Lektionen ansehen
      1. 1Descriptive statistics from scratch — the summaries before the miningEinheit 1 · Introduction to Data Mining
      2. 2Data pre-processing by hand — cleaning, integration, transformation and reductionEinheit 2 · Data Pre-processing
      3. 3Apriori from scratch — frequent itemsets, association rules and pattern evaluationEinheit 3 · Mining Frequent Patterns, Associations, and Correlations
      4. 4Classifiers from scratch — k-NN, ID3, naive Bayes, evaluation and regressionEinheit 4 · Classification and Prediction
      5. 5Clustering from scratch: k-Means, k-Medoids, agglomerative and DBSCANEinheit 5 · Cluster Analysis
      6. 6Tuning kNN with cross-validation and explaining models with stumps, permutation importance and Shapley valuesEinheit 6 · Hyperparameters and Explainable AI
      7. 7Advanced mining toolkit: TF-IDF, PageRank, sequences, geo-radius, stream summaries and MapReduceEinheit 7 · Advance data mining techniques
      8. 8Data mining lab: cleaning, normalisation, Apriori rules and a Naive Bayes classifier by handEinheit LAB · List of Practicals
    • BE05000231Python

      Python for Data Science

      8

      Lektionen

      • Python foundations: operators, collections, control flow, closures and the math/statistics/random modules
      • Files, CSV, binary records and a student database with safe error handling
      Alle 8 Lektionen ansehen
      1. 1Python foundations: operators, collections, control flow, closures and the math/statistics/random modulesEinheit 1 · Introduction, Data Types, Operators, Decision making, Loops & Functions
      2. 2Files, CSV, binary records and a student database with safe error handlingEinheit 2 · Python File Handling and exception handling
      3. 3Descriptive statistics from scratch — centre, spread, location, shape and correlationEinheit 3 · Data Science and Descriptive Statistics
      4. 4Inside the data libraries — mini NumPy, SciPy, Pandas, Scikit-learn and Beautiful SoupEinheit 4 · Exploring Python libraries
      5. 5Probability distributions and a one-sample z-test, built from first principlesEinheit 5 · Probabilistic and Inferential Statistics
      6. 6A data-preparation toolkit — load, clean, reshape, aggregate, de-outlier and normalise a tableEinheit 6 · Data preparation
      7. 7A text plotting library: axes, ticks, histograms, line plots and subplotsEinheit 7 · Data Visualization
      8. 8Data-science lab toolkit: from raw CSV to a hypothesis testEinheit LAB · List of Practicals
    • BE05000261C

      System Software

      10

      Lektionen

      • A hypothetical machine and the life cycle of a source program
      • Symbol tables and allocation structures for a language processor
      Alle 10 Lektionen ansehen
      1. 1A hypothetical machine and the life cycle of a source programEinheit 1 · Overview of System Software
      2. 2Symbol tables and allocation structures for a language processorEinheit 2 · Overview of Language Processors
      3. 3A two-pass assembler with literals, ORIGIN and EQU - then one pass with backpatchingEinheit 3 · Assemblers
      4. 4A two-pass macro processor with MNT, MDT, defaults and nested callsEinheit 4 · Macro and Macro Processors
      5. 5Absolute, relocating and linking loaders for SIC-style object programsEinheit 5 · Linkers and Loaders
      6. 6Scanner, recursive-descent parser and table-driven LL(1) parserEinheit 6 · Scanning and Parsing
      7. 7Scopes, frame layout, quadruples and three code optimisationsEinheit 7 · Compilers
      8. 8A stack-machine interpreter with an assembler, debugger and bytecode verifierEinheit 8 · Interpreters & Debuggers
      9. 9Storage allocation and scope of names: struct layout, a block-structured symbol table and a heapEinheit 9 · Programming Languages
      10. 10System software lab: lexer, recursive descent and LL(1) parsers, grammar rewriting, quadruples and SYMTAB/LITTABEinheit LAB · List of Practicals
    • BE05000281Node.js

      Web Application Development

      8

      Lektionen

      • Client-server by hand: URLs, HTTP messages, a static file server and a dynamic router
      • What the browser computes: HTML generation, nesting checks, specificity, the box model, media queries, flexbox and the B
      Alle 8 Lektionen ansehen
      1. 1Client-server by hand: URLs, HTTP messages, a static file server and a dynamic routerEinheit 1 · Introduction to Web Technologies
      2. 2What the browser computes: HTML generation, nesting checks, specificity, the box model, media queries, flexbox and the BEinheit 2 · HTML & CSS Fundamentals
      3. 3JavaScript from the ground up: data, a hand-built DOM with event bubbling, local storage, and promises over an injectedEinheit 3 · JavaScript Fundamentals
      4. 4HTTP from the wire up: query strings, raw requests and responses, and a CRUD API that speaks JSON and XMLEinheit 4 · APIs & HTTP Communication
      5. 5Express from scratch: routing, middleware, a books REST API, password hashing and JWT auth in plain NodeEinheit 5 · Backend Development with Node.js
      6. 6React from scratch: JSX elements, components, useState, keys, useEffect, a data-fetching hook and CORSEinheit 6 · Frontend Development with React.js
      7. 7Shipping a website: domain and DNS rules, a static host with caching, SEO audits, robots.txt, a replay-proof CAPTCHA andEinheit 7 · Deployment & Modern Web Concepts
      8. 8Mini project: a Library Management System with form validation, a REST API, a fetch client and a dashboardEinheit LAB · List of Practicals

  5. Semester 7

    2 Module22 LaborlektionenCPython
    • 3170701C

      Compiler Design

      9

      Lektionen

      • A complete language processor in miniature: preprocessor, interpreter, compiler, assembler
      • A hand-written scanner: finite automata, longest match and a symbol table
      Alle 9 Lektionen ansehen
      1. 1A complete language processor in miniature: preprocessor, interpreter, compiler, assemblerEinheit 1 · Overview of the Compiler and its Structure
      2. 2A hand-written scanner: finite automata, longest match and a symbol tableEinheit 2 · Lexical Analysis
      3. 3From grammar to parser: left recursion, FIRST/FOLLOW, LL(1), SLR and syntax-directed translationEinheit 3 · Syntax Analysis
      4. 4A parser that keeps going: error detection, panic mode and phrase-level recoveryEinheit 4 · Error Recovery
      5. 5Three-address code generator: quadruples, triples, DAGs and type coercionEinheit 5 · Intermediate-Code Generation
      6. 6A run-time environment: frames, access links and a heap allocatorEinheit 6 · Run-Time Environments
      7. 7Basic blocks, flow graphs and a simple code generator for three-address codeEinheit 7 · Code Generation and Optimization
      8. 8Basic-block scheduling and a two-pass SIC assemblerEinheit 8 · Instruction-Level Parallelism
      9. 9Compiler lab: automata, parsers, FIRST/FOLLOW and three-address codeEinheit LAB · Sample List of Experiments
    • 3170716Python

      Artificial Intelligence

      13

      Lektionen

      • Tic-tac-toe three ways: the AI techniques of Unit 1
      • Searching state spaces: water jugs, the 8-puzzle and map colouring
      Alle 13 Lektionen ansehen
      1. 1Tic-tac-toe three ways: the AI techniques of Unit 1Einheit 1 · Introduction
      2. 2Searching state spaces: water jugs, the 8-puzzle and map colouringEinheit 2 · Problems, State Space Search & Heuristic Search Techniques
      3. 3From isa hierarchies to a tiny Prolog: knowledge representation in codeEinheit 3 · Knowledge Representation
      4. 4Tweety, Nixon and abnormal birds: nonmonotonic reasoning enginesEinheit 4 · Symbolic Reasoning Under Uncertainty
      5. 5Reasoning with uncertainty: Bayes, certainty factors, Dempster-Shafer and fuzzy rulesEinheit 5 · Probabilistic Reasoning
      6. 6Minimax, alpha-beta and iterative deepening on game trees and NimEinheit 6 · Game Playing
      7. 7Blocks-world planner: STRIPS operators, goal stack planning and a reactive agentEinheit 7 · Planning
      8. 8A small NLP pipeline: spelling correction, CYK parsing, logical forms and pronoun resolutionEinheit 8 · Natural Language Processing
      9. 9Neural networks from scratch: a Hopfield memory, a perceptron, backpropagation and an RNNEinheit 9 · Connectionist Models
      10. 10An expert system shell: forward and backward chaining, explanations and certainty factorsEinheit 10 · Expert Systems
      11. 11A genetic algorithm from its parts: selection, crossover, mutation, schemata and terminationEinheit 11 · Genetic Algorithms
      12. 12A Prolog interpreter in Python: matching, backtracking and the cutEinheit 12 · Introduction to Prolog
      13. 13AI lab: water jug, 8-puzzle search, minimax, family trees, Hanoi, N-Queens and TSPEinheit LAB · Sample List of Experiments

Der vollständige Lehrplan mit 29 Kursen ist in der App erfasst, einschließlich der Theoriekurse. Lektionen werden zu den Kurscodes erstellt, die praktische Anteile haben, und die Liste wächst mit jeder Version.

GroutCode steht in keiner Verbindung zu Gujarat Technological University und wird von dieser Einrichtung nicht unterstützt. Kurscodes und -titel stammen aus den veröffentlichten Schemadokumenten der Einrichtung.

So läuft ein Praktikum ab

Dieselben fünf Schritte für jede Lektion, in jeder Sprache.

  1. 1

    Lehrplan auswählen

    Wählen Sie Ihre Hochschule oder Ihr Prüfungsamt und das Semester oder die Klasse, in der Sie sind. Die Kursliste ist die erfasste offizielle Prüfungsordnung, keine Annäherung.

  2. 2

    Laborlektion öffnen

    Jede Lektion ist ein schrittweises Praktikum zu einem bestimmten Kurs, mit einer Startdatei, die Sie bearbeiten, und einer Testdatei, die Sie nicht anfassen.

  3. 3

    Den Code selbst schreiben

    Die Startdatei enthält die Signaturen und die TODOs. Sie setzen sie im Editor um, in der Sprache, die Ihr Kurs tatsächlich verwendet.

  4. 4

    Die Prüfungen laufen lassen

    Die Toolchain kompiliert und führt die Tests aus — 8 bis 15 über die Lektion verteilt, einer pro Schritt, damit Sie sehen, welche Änderung was kaputt gemacht hat.

  5. 5

    Das Review erhalten

    Sobald die Tests bestanden sind, liest das Modell Ihre Implementierung und nennt Ihnen die Eingabe, an der sie scheitert. Über Bestehen oder Nichtbestehen entscheidet es nie selbst.

Warum der Compiler bewertet und nicht das Modell

Der naheliegende Weg, ein KI-Laborwerkzeug zu bauen, ist, das Modell den Code der Studierenden lesen und sagen zu lassen, ob er korrekt ist. Es ist zugleich der Weg, der ein Werkzeug hervorbringt, dem niemand vertrauen kann. Ein Modell wird Ihnen sagen, Ihr Code funktioniere, obwohl der Compiler das Gegenteil behauptet — und es wird Sie durchfallen lassen wegen eines Stils, den es zufällig nicht mag.

Deshalb sind die beiden Aufgaben getrennt:

  • Das Modell entwirft die Lektion, schreibt die Startdatei und die Tests und liest — nachdem die Tests bestanden sind — was Sie tatsächlich geschrieben haben, und nennt Ihnen die Eingabe, an der es scheitert.
  • Die Toolchain entscheidet, ob es kompiliert und ob jeder Schritt besteht. Dieses Urteil ist nicht verhandelbar, und das Modell fällt es nie.

Und warum Schritte statt einer großen Aufgabe

Ein Praktikum über 40 bis 60 Minuten mit einem einzigen Durchlauf am Ende gibt einem Anfänger genau eine Rückmeldung pro Stunde — und die kommt, wenn längst alle Entscheidungen gefallen sind. Jede Lektion hier besteht aus 8 bis 15 Schritten, jeder mit eigener Anweisung und eigener Prüfung, damit Sie noch wissen, welche Änderung was kaputt gemacht hat, während Sie sich an sie erinnern.

Häufig gestellte Fragen

Deckt GroutCode GTU 2024 scheme ab?

Ja. GroutCode liefert die erfasste Prüfungsordnung GTU 2024 scheme für B.E. Computer Engineering (Branch 07) mit — 29 Kurse — samt 111 eigens erstellten Laborlektionen, die bestimmten Kurscodes zugeordnet sind. Der Lehrplan wurde aus den offiziellen Dokumenten übernommen, und Quelle sowie Prüfsumme jedes Dokuments sind in der App vermerkt.

Welche Sprachen verwenden die GTU-Praktika?

C (55 Lektionen), Python (29 Lektionen), SQL (11 Lektionen), Java (8 Lektionen), Node.js (8 Lektionen). Die Sprache ist pro Kurscode festgelegt und wird nicht aus dem Titel erraten, denn dasselbe Fach wird an verschiedenen Einrichtungen in verschiedenen Sprachen unterrichtet.

Schreibt die KI das Praktikum einfach für mich?

Nein. Die Startdatei enthält die Signaturen und die TODOs; umsetzen müssen Sie sie. Die Toolchain — nicht das Modell — entscheidet, ob Ihr Code kompiliert und ob jeder Schritt besteht. Die KI kann Ihnen also nicht sagen, Ihr Code funktioniere, wenn der Compiler widerspricht. Was sie im Anschluss tut: Sie liest Ihre Implementierung und zeigt Ihnen die Eingabe, an der sie scheitert.

Funktionieren die Praktika offline?

Die Lektionen, der Lehrplan und der Testrunner sind in der App enthalten und laufen lokal, sodass die Schleife aus Kompilieren und Prüfen ohne Verbindung funktioniert. Der Review-Schritt am Ende nutzt ein Modell — entweder ein lokales oder ein Cloud-Modell mit Ihrem eigenen Schlüssel.

Was muss bei mir installiert sein?

GroutCode erkennt, welche Toolchains auf Ihrem Rechner vorhanden sind, und sagt Ihnen, was fehlt und was es beheben würde. Sie brauchen den Compiler oder Interpreter für die Sprache Ihres Kurses — einen C-Compiler, ein JDK, Python, Node oder SQLite.

Weitere Lehrpläne

APJ Abdul Kalam Technological University

KTU

APJ Abdul Kalam Technological University

Das Schema 2024 der Technischen Universität Keralas, mit CSE, IT, AI & DS und ECE ab dem dritten Semester.

85

Laborlektionen

2024 schemeC · Java · Node.js · Python
Visvesvaraya Technological University

VTU

Visvesvaraya Technological University

Das Schema 2022 Karnatakas für CSE, ISE, AI-ML, AI-DS und ECE, einschließlich der eigenen Laborkurse.

123

Laborlektionen

2022 schemeC · Python · Java · C++
Anna University, Chennai

Anna University

Anna University, Chennai

Die Regulations 2021 der Anna University für den B.E. CSE, von Python- und C-Programmierung bis zu den Laboren für Datenstrukturen und OOP.

31

Laborlektionen

R2021C · Python · Java · SQL

← Alle unterstützten Lehrpläne

Erledigen Sie Ihre GTU-Laborarbeit mit eingebauter Prüfung

GroutCode ist in jeder Grout-Suite-Lizenz enthalten. Kostenloser Download für Windows und macOS.

GroutCode herunterladen