University of Mumbai

Inde · NEP 2020

University of Mumbai

48 travaux pratiques pour le programme Mumbai University.

Le B.E. Computer Engineering NEP 2020 de l'université de Mumbai : programmation C, structures de données, Python, algorithmique et TP de SGBD. 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 Engineering). Régime : NEP 2020 (2024-25 onwards). Ouvrez un cours pour voir ses unités pratiques et la séance de TP que GroutCode propose pour chacune.

  1. Semestre 1

    1 UE7 leçons de TPC
    • VSEC102C

      C Programming

      7

      leçons

      • Keywords, operators and formatted I/O in C
      • Decisions and loops in C — from grade ladders to goto
      Voir les 7 leçons
      1. 1Keywords, operators and formatted I/O in CChapitre 1 · Fundamentals of C-Programming
      2. 2Decisions and loops in C — from grade ladders to gotoChapitre 2 · Control Structures
      3. 3Functions, recursion and storage classes in CChapitre 3 · Functions and Parameter
      4. 4Arrays, strings and Student records in CChapitre 4 · Arrays, String, Structure
      5. 5Pointers in C — from swap to a linked listChapitre 5 · Pointer
      6. 6File handling in C — text processing and a binary student databaseChapitre 6 · Files
      7. 7C Programming lab — from factorials to a linked list and a student fileChapitre LAB · Suggested List of Experiments

  2. Semestre 2

    3 UE13 leçons de TPCPython
    • PCC2011C

      Data Structure

      6

      leçons

      • A List ADT on a growing array — every operation on a data structure
      • Array stacks, a shared two-stack array and expression evaluators
      Voir les 6 leçons
      1. 1A List ADT on a growing array — every operation on a data structureChapitre I · Introduction
      2. 2Array stacks, a shared two-stack array and expression evaluatorsChapitre II · Stack
      3. 3Five queues on arrays — linear, circular, priority, deque and multi-levelChapitre III · Queue
      4. 4Linked lists in C — singly, doubly, circular, and the stack and queue built on themChapitre IV · Linked List
      5. 5Binary search trees in C — insert, search, four traversals, delete and tree shapesChapitre V · Tree
      6. 6Stacks and trees at work — parentheses, infix/postfix/prefix, expression trees and Huffman codesChapitre VI · Applications of Data Structures
    • PCL2011C

      Data Structure Lab

      1

      leçon

      • Data Structure Lab — arrays, stacks, queues, lists and BSTs in C
      Voir les chapitres
      1. 1Data Structure Lab — arrays, stacks, queues, lists and BSTs in CChapitre LAB · List of Experiments (all practicals in C)
    • VSEC202Python

      Python Programming

      6

      leçons

      • Python fundamentals for C programmers — types, operators, formatting and the four built-in collections
      • Control flow and functions in Python — number analysers, patterns and a guessing game
      Voir les 6 leçons
      1. 1Python fundamentals for C programmers — types, operators, formatting and the four built-in collectionsChapitre 1 · Introduction to Python
      2. 2Control flow and functions in Python — number analysers, patterns and a guessing gameChapitre 2 · Control Flow and Functions
      3. 3Files, exceptions, packages and debugging — a word extractor, a city sorter and a fault-tolerant bank ledgerChapitre 3 · File Handling, Packaging, and Debugging
      4. 4Object-oriented Python — a vehicle rental system with single, multilevel and multiple inheritanceChapitre 4 · Object-Oriented Programming (OOP) in Python
      5. 5Regular expressions in Python — validators, extractors and the logic behind an admission formChapitre 5 · Advanced Python Concepts
      6. 6Python Libraries
      7. 7Python lab experiments — from greetings and set operations to custom exceptions, a rental fleet and regex validatorsChapitre LAB · List of Experiments

  3. Semestre 3

    2 UE7 leçons de TPC
    • 2113113C

      Analysis of Algorithm

      6

      leçons

      • Selection sort, insertion sort and the Master method — measured, not memorised
      • Divide and conquer — max-min, merge sort, quick sort and binary search
      Voir les 6 leçons
      1. 1Selection sort, insertion sort and the Master method — measured, not memorisedChapitre I · Introduction
      2. 2Divide and conquer — max-min, merge sort, quick sort and binary searchChapitre II · Divide and Conquer Approach
      3. 3The greedy method — knapsack, Dijkstra, Prim and KruskalChapitre III · Greedy Method Approach
      4. 4Dynamic programming — multistage graphs, Floyd-Warshall, 0/1 knapsack, TSP and LCSChapitre IV · Dynamic Programming Approach
      5. 5Backtracking and branch and bound — N-queens to the 15-puzzleChapitre V · Backtracking and Branch and bound
      6. 6String matching — naive, Rabin-Karp and Knuth-Morris-PrattChapitre VI · String Matching Algorithms
    • 2113115C

      Analysis of Algorithm Lab

      1

      leçon

      • Analysis of Algorithms Lab — thirteen experiments in C
      Voir les chapitres
      1. 1Analysis of Algorithms Lab — thirteen experiments in CChapitre LAB · Suggested list of Experiments

  4. Semestre 4

    4 UE14 leçons de TPSQLC
    • 2114112SQL

      Database Management System

      6

      leçons

      • From ER diagram to tables — a college database in SQLite
      • Relational algebra in SQL — selection to division
      Voir les 6 leçons
      1. 1From ER diagram to tables — a college database in SQLiteChapitre I · Introduction to Database and Data Modeling
      2. 2Relational algebra in SQL — selection to divisionChapitre II · Relational Model and Relational Algebra
      3. 3A college registrar database in SQL: constraints, views and triggersChapitre III · Structured Query Language (SQL)
      4. 4Normalising a registrar spreadsheet from 1NF to 4NF in SQLChapitre IV · Database Normalization
      5. 5Transactions in SQL: savepoints, serializability tests, 2PL, log recovery and deadlocksChapitre V · Transaction Management and Concurrency Control
      6. 6Modern databases in SQL: documents, key-value, sharding, replication, objects and cloud billingChapitre VI · Introduction to Modern databases
    • 2114113C

      Operating System

      6

      leçons

      • Operating system fundamentals in C: system calls, dual mode, boot, multiprogramming and real time
      • A CPU scheduler simulator — FCFS, SJF, priority, SRTF and round robin
      Voir les 6 leçons
      1. 1Operating system fundamentals in C: system calls, dual mode, boot, multiprogramming and real timeChapitre I · Fundamentals of Operating System
      2. 2A CPU scheduler simulator — FCFS, SJF, priority, SRTF and round robinChapitre II · Process Management
      3. 3Races, semaphores and the banker's algorithm — synchronization and deadlock in codeChapitre III · Process Synchronization and Deadlock Management
      4. 4Allocation, paging and page replacement — a memory manager in CChapitre IV · Memory Management
      5. 5Disk scheduling and file allocation — FCFS to C-LOOK, FAT chains and inodesChapitre V · File and IO Management
      6. 6Real-time, distributed, mobile and cloud OS — the algorithms behind special-purpose systemsChapitre VI · Special-purpose Operating Systems
    • 2114114SQL

      Database Management System Lab

      1

      leçon

      • College database in SQLite: DDL, queries, joins, a stored-procedure view, triggers and a locked seat booking
      Voir les chapitres
      1. 1College database in SQLite: DDL, queries, joins, a stored-procedure view, triggers and a locked seat bookingChapitre LAB · Suggested List of experiments
    • 2114115C

      Operating System Lab

      1

      leçon

      • Operating system mechanisms in C: schedulers, Banker's algorithm, memory placement, paging, disk scheduling and a semaph
      Voir les chapitres
      1. 1Operating system mechanisms in C: schedulers, Banker's algorithm, memory placement, paging, disk scheduling and a semaphChapitre LAB · Suggested List of Experiments

  5. Semestre 6

    2 UE7 leçons de TPPython
    • 2116112Python

      System Programming & Compiler Construction

      6

      leçons

      • A hypothetical machine and its language processor: encode, decode, execute, analyse and translate
      • Two-pass assembler with literal pools, and a two-pass macro processor with keyword parameters
      Voir les 6 leçons
      1. 1A hypothetical machine and its language processor: encode, decode, execute, analyse and translateChapitre I · Introduction to System Software
      2. 2Two-pass assembler with literal pools, and a two-pass macro processor with keyword parametersChapitre II · Assembler and Macro Processor
      3. 3Loaders and linkers: absolute, relocating and direct linking loaders, and lazy dynamic linkingChapitre III · Loader and Linker
      4. 4A compiler front end in Python — tokenizer, DFAs, FIRST/FOLLOW, LL(1) and LR(0)Chapitre IV · Introduction to Compiler & Lexical Analysis
      5. 5Syntax-directed translation in Python — parse trees, scoped symbol tables, type checking and three-address codeChapitre V · Syntax and Semantic Analysis
      6. 6An optimizer and code generator in Python — folding, propagation, DAGs, peephole and Sethi-UllmanChapitre VI · Code Optimization and Code Generation
    • 2116120Python

      System Programming & Compiler Construction Lab

      1

      leçon

      • System programming lab in Python — two-pass assembler, nested macro processor and linking loader
      Voir les chapitres
      1. 1System programming lab in Python — two-pass assembler, nested macro processor and linking loaderChapitre LAB · Suggested List of Experiments

Le programme complet, soit 43 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 University of Mumbai, 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 Mumbai University NEP 2020 ?

Oui. GroutCode intègre le programme Mumbai University NEP 2020 transcrit pour B.E. (Computer Engineering) — soit 43 cours — avec 48 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 Mumbai University ?

C (28 séances), Python (13 séances), SQL (7 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++
Anna University, Chennai

Anna University

Anna University, Chennai

Le B.E. CSE Regulations 2021 d'Anna University, de la programmation Python et C aux TP de structures de données et de POO.

31

leçons de TP

R2021C · Python · Java · SQL

← Tous les programmes pris en charge

Faites vos TP Mumbai University avec les vérifications intégrées

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

Télécharger GroutCode