Anna University, Chennai

Inde · R2021

Anna University, Chennai

31 travaux pratiques pour le programme Anna University.

Le B.E. CSE Regulations 2021 d'Anna University, de la programmation Python et C aux TP de structures de données et de POO. Chaque séance est progressive, compilée et vérifiée par une véritable chaîne d'outils sur votre propre machine — le modèle relit votre code ensuite, il ne décide pas si vous avez réussi.

Télécharger GroutCodeTous les programmes

Mis à jour

Semestre par semestre

Formation : B.E. Computer Science and Engineering. Régime : Regulations 2021. Ouvrez un cours pour voir ses unités pratiques et la séance de TP que GroutCode propose pour chacune.

  1. Semestre 1

    2 UE6 leçons de TPPython
    • GE3151Python

      Problem Solving and Python Programming

      5

      leçons

      • Algorithmic problem solving: minimum, card insertion, number guessing and Towers of Hanoi
      • Values, types and expressions: swapping, circulating, distances and roots
      Voir les 5 leçons
      1. 1Algorithmic problem solving: minimum, card insertion, number guessing and Towers of HanoiChapitre I · Computational Thinking and Problem Solving
      2. 2Values, types and expressions: swapping, circulating, distances and rootsChapitre II · Data Types, Expressions, Statements
      3. 3Control flow, fruitful functions and strings: grades, square roots, GCD, searchingChapitre III · Control Flow, Functions, Strings
      4. 4Lists, tuples and dictionaries: sorting, histograms, a marks statement and a retail billChapitre IV · Lists, Tuples, Dictionaries
      5. 5Files, exceptions and command-line arguments: word count, file copy and input validationChapitre V · Files, Modules, Packages
    • GE3171Python

      Problem Solving and Python Programming Laboratory

      1

      leçon

      • Python lab exercises: billing, series, patterns, collections, strings, files and exceptions
      Voir les chapitres
      1. 1Python lab exercises: billing, series, patterns, collections, strings, files and exceptionsChapitre LAB · Problem Solving and Python Programming Laboratory

  2. Semestre 2

    2 UE6 leçons de TPC
    • CS3251C

      Programming in C

      5

      leçons

      • C basics: expressions, operators, decisions, switch with enums, and loops
      • Arrays and strings in C: matrices, string operations, selection sort and searching
      Voir les 5 leçons
      1. 1C basics: expressions, operators, decisions, switch with enums, and loopsChapitre I · Basics of C Programming
      2. 2Arrays and strings in C: matrices, string operations, selection sort and searchingChapitre II · Arrays and Strings
      3. 3Functions and pointers in C: recursion, pass by reference, pointer arithmetic and arrays of pointersChapitre III · Functions and Pointers
      4. 4Structures and unions in C: student records, a singly linked list, and storage classesChapitre IV · Structures and Union
      5. 5A student records file — sequential text, random-access binary and argvChapitre V · File Processing
    • CS3271C

      Programming in C Laboratory

      1

      leçon

      • C lab record — twelve experiments from switch to files
      Voir les chapitres
      1. 1C lab record — twelve experiments from switch to filesChapitre LAB · Programming in C Laboratory

  3. Semestre 3

    4 UE11 leçons de TPCJava
    • CS3301C

      Data Structures

      5

      leçons

      • The List ADT — arrays, singly, doubly and circular lists, polynomials and radix sort
      • Stacks and queues — expression parsing, recursion removal, scheduling
      Voir les 5 leçons
      1. 1The List ADT — arrays, singly, doubly and circular lists, polynomials and radix sortChapitre I · Lists
      2. 2Stacks and queues — expression parsing, recursion removal, schedulingChapitre II · Stacks and Queues
      3. 3Trees — BST, traversals, expression trees, AVL rotations and a binary heapChapitre III · Trees
      4. 4Graph algorithms on an adjacency matrix — traversal, ordering, shortest paths and spanning treesChapitre IV · Multiway Search Trees and Graphs
      5. 5Searching, sorting and hashing — five sorts, two searches and a hash table that rehashes itselfChapitre V · Searching, Sorting and Hashing Techniques
    • CS3311C

      Data Structures Laboratory

      1

      leçon

      • The data structures lab in C: stacks and queues to AVL trees, Dijkstra and hashing
      Voir les chapitres
      1. 1The data structures lab in C: stacks and queues to AVL trees, Dijkstra and hashingChapitre LAB · Data Structures Laboratory
    • CS3381Java

      Object Oriented Programming Laboratory

      1

      leçon

      • The OOP lab in Java: searches, stack and queue classes, payroll, shapes, exceptions, threads and files
      Voir les chapitres
      1. 1The OOP lab in Java: searches, stack and queue classes, payroll, shapes, exceptions, threads and filesChapitre LAB · Object Oriented Programming Laboratory
    • CS3391Java

      Object Oriented Programming

      4

      leçons

      • Grades, fractions and bank accounts — Java fundamentals, classes and static members
      • A library catalogue — overloading, inheritance, abstract classes, interfaces and nested classes
      Voir les 4 leçons
      1. 1Grades, fractions and bank accounts — Java fundamentals, classes and static membersChapitre I · Introduction to OOP and Java
      2. 2A library catalogue — overloading, inheritance, abstract classes, interfaces and nested classesChapitre II · Inheritance, Packages and Interfaces
      3. 3Exceptions, wrappers and threads — from try/catch to a producer-consumer bufferChapitre III · Exception Handling and Multithreading
      4. 4Strings, generic classes and file I/O in Java: from reverseWords to a word-frequency readerChapitre IV · I/O, Generics, String Handling
      5. 5JavaFX Event Handling, Controls and Components

  4. Semestre 4

    3 UE8 leçons de TPPythonCSQL
    • CS3401Python

      Algorithms

      6

      leçons

      • Measuring searches, string matchers and sorts: linear to KMP and heap sort
      • Graph algorithms toolkit: traversal, connectivity, MST, shortest paths, flow and matching
      Voir les 6 leçons
      1. 1Measuring searches, string matchers and sorts: linear to KMP and heap sortChapitre I · Introduction
      2. 2Graph algorithms toolkit: traversal, connectivity, MST, shortest paths, flow and matchingChapitre II · Graph Algorithms
      3. 3Design techniques: divide and conquer, dynamic programming and greedy algorithmsChapitre III · Algorithm Design Techniques
      4. 4State space search: backtracking and branch-and-bound solversChapitre IV · State Space Search Algorithms
      5. 5Intractability in practice: SAT reductions, approximation and randomized algorithmsChapitre V · NP-Complete and Approximation Algorithm
      6. 6CS3401 Algorithms lab: the fifteen practical exercisesChapitre LAB · Practical Exercises
    • CS3461C

      Operating Systems Laboratory

      1

      leçon

      • OS lab in C: CPU schedulers, Banker's algorithm, paging, page replacement, file allocation and disk scheduling
      Voir les chapitres
      1. 1OS lab in C: CPU schedulers, Banker's algorithm, paging, page replacement, file allocation and disk schedulingChapitre LAB · Operating Systems Laboratory
    • CS3481SQL

      Database Management Systems Laboratory

      1

      leçon

      • DBMS lab in SQLite: constraints, joins, subqueries, transactions, triggers, views, JSON documents and an EMI batch
      Voir les chapitres
      1. 1DBMS lab in SQLite: constraints, joins, subqueries, transactions, triggers, views, JSON documents and an EMI batchChapitre LAB · Database Management Systems Laboratory

Le programme complet, soit 71 cours, est transcrit dans l'application, cours théoriques compris. Les séances sont rédigées à partir des codes de cours comportant des travaux pratiques, et la liste s'étoffe à chaque version.

GroutCode n'est ni affilié à Anna University, Chennai, ni approuvé par cet établissement. Les codes et intitulés de cours sont transcrits à partir des documents de programme publiés par l'établissement.

Comment se déroule un TP

Les mêmes cinq étapes pour chaque séance, dans chaque langage.

  1. 1

    Choisissez votre programme

    Sélectionnez votre université ou votre académie, puis le semestre ou la classe où vous êtes. La liste des cours reprend le référentiel officiel transcrit, pas une approximation.

  2. 2

    Ouvrez une séance de TP

    Chaque séance est un TP progressif rattaché à un cours précis, avec un fichier de départ que vous modifiez et un fichier de tests auquel vous ne touchez pas.

  3. 3

    Écrivez le code vous-même

    Le fichier de départ contient les signatures et les TODO. C'est à vous de les implémenter dans l'éditeur, dans le langage réellement utilisé par votre cours.

  4. 4

    Lancez les vérifications

    La chaîne d'outils compile et exécute les tests — de 8 à 15 sur l'ensemble de la séance, un par étape, pour que vous sachiez quelle modification a cassé quoi.

  5. 5

    Recevez la relecture

    Une fois les tests passés, le modèle lit votre implémentation et vous indique l'entrée qui la met en défaut. Il n'annonce jamais lui-même la réussite ou l'échec.

Pourquoi c'est le compilateur qui évalue, pas le modèle

La manière évidente de construire un outil de TP piloté par l'IA consiste à laisser le modèle lire le code de l'élève et dire s'il est correct. C'est aussi la manière de produire un outil auquel personne ne peut se fier. Un modèle vous dira que votre code fonctionne alors que le compilateur affirme le contraire, et vous recalera pour un style qui, ce jour-là, ne lui plaît pas.

Les deux rôles sont donc séparés :

  • Le modèle conçoit la séance, écrit le fichier de départ et les tests, puis — une fois les tests passés — lit ce que vous avez réellement écrit et vous indique l'entrée qui le met en défaut.
  • La chaîne d'outils décide si le code compile et si chaque étape passe. Ce verdict n'est pas négociable et le modèle ne le prononce jamais.

Et pourquoi des étapes plutôt qu'une seule grande tâche

Un TP de 40 à 60 minutes avec une unique exécution à la fin ne donne au débutant qu'un seul retour par heure, et ce retour arrive une fois toutes les décisions déjà prises. Chaque séance compte ici 8 à 15 étapes, chacune avec sa consigne et sa vérification, pour que vous découvriez quelle modification a cassé quoi pendant que vous vous en souvenez encore.

Questions fréquentes

GroutCode couvre-t-il le programme Anna University R2021 ?

Oui. GroutCode intègre le programme Anna University R2021 transcrit pour B.E. Computer Science and Engineering — soit 71 cours — avec 31 séances de TP rédigées et rattachées à des codes de cours précis. Le programme a été transcrit à partir des documents officiels, et la source ainsi que la somme de contrôle de chacun sont consignées dans l'application.

Quels langages utilisent les TP Anna University ?

C (13 séances), Python (12 séances), Java (5 séances), SQL (1 séances). Le langage est défini par code de cours plutôt que deviné d'après l'intitulé, car une même matière est enseignée dans des langages différents selon les établissements.

L'IA fait-elle le TP à ma place ?

Non. Le fichier de départ contient les signatures et les TODO ; c'est à vous de les implémenter. C'est la chaîne d'outils — et non le modèle — qui décide si votre code compile et si chaque étape passe : l'IA ne peut donc pas vous annoncer que votre code fonctionne alors que le compilateur dit l'inverse. Ce qu'elle fait ensuite, c'est lire votre implémentation et pointer l'entrée qui la met en défaut.

Les TP fonctionnent-ils hors ligne ?

Les séances, le programme et l'exécuteur de tests sont embarqués dans l'application et s'exécutent en local : la boucle compilation-vérification fonctionne donc sans aucune connexion. L'étape de relecture finale fait appel à un modèle, qui peut être local ou bien dans le cloud avec votre propre clé.

Que dois-je avoir installé ?

GroutCode détecte les chaînes d'outils présentes sur votre machine et vous indique ce qui manque et comment y remédier. Il vous faut le compilateur ou l'interpréteur du langage utilisé par votre cours — un compilateur C, un JDK, Python, Node ou SQLite.

Autres programmes

APJ Abdul Kalam Technological University

KTU

APJ Abdul Kalam Technological University

Le programme 2024 de l'université technologique du Kerala, couvrant CSE, IT, AI & DS et ECE à partir du troisième semestre.

85

leçons de TP

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

VTU

Visvesvaraya Technological University

Le programme 2022 du Karnataka pour CSE, ISE, AI-ML, AI-DS et ECE, y compris les cours de TP dédiés.

123

leçons de TP

2022 schemeC · Python · Java · C++
Dr. A.P.J. Abdul Kalam Technical University, Lucknow

AKTU

Dr. A.P.J. Abdul Kalam Technical University, Lucknow

Le B.Tech CSE d'AKTU Lucknow pour la session 2026-27 : programmation C, structures de données, POO en Java et TP de systèmes d'exploitation.

28

leçons de TP

2026-27 sessionC · Java · Python · SQL

← Tous les programmes pris en charge

Faites vos TP Anna University avec les vérifications intégrées

GroutCode est inclus dans chaque licence Grout Suite. Téléchargement gratuit pour Windows et macOS.

Télécharger GroutCode