Rajiv Gandhi Proudyogiki Vishwavidyalaya, Bhopal

Inde · AICTE flexible curricula

Rajiv Gandhi Proudyogiki Vishwavidyalaya, Bhopal

36 travaux pratiques pour le programme RGPV.

Le B.Tech CSE de RGPV Bhopal selon les AICTE flexible curricula, avec les TP Programming Practices en Java et Python. 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.Tech Computer Science and Engineering. Régime : AICTE Flexible Curricula (grading system). Ouvrez un cours pour voir ses unités pratiques et la séance de TP que GroutCode propose pour chacune.

  1. Semestre 2

    1 UE3 leçons de TPC++
    • BT205C++

      Basic Computer Engineering

      3

      leçons

      • Algorithms in C++: operators, loops, arrays, searching and an expression evaluator
      • Classes in C++: a Fraction type, a shape hierarchy and a growable stack
      Voir les 3 leçons
      1. 1Algorithms in C++: operators, loops, arrays, searching and an expression evaluatorChapitre II · Algorithms, Programming Paradigms and Introduction to C++
      2. 2Classes in C++: a Fraction type, a shape hierarchy and a growable stackChapitre III · Objects, Classes and Inheritance in C++
      3. 3C++ lab: expressions, classes, overloading, inheritance, stack, queue and linked listChapitre LAB · List of Experiments

  2. Semestre 3

    2 UE10 leçons de TPCJava
    • CS303C

      Data Structure

      5

      leçons

      • Arrays, linked lists and a polynomial ADT in C
      • Stacks, queues and their applications in C
      Voir les 5 leçons
      1. 1Arrays, linked lists and a polynomial ADT in CChapitre I · Introduction to Data Structures, Arrays and Linked Lists
      2. 2Stacks, queues and their applications in CChapitre II · Stacks and Queues
      3. 3Binary search trees, AVL balancing and a min-heap in CChapitre III · Trees
      4. 4Graphs in C — traversals, topological order, Kruskal, Prim and DijkstraChapitre IV · Graphs
      5. 5Seven sorts, two searches and a linear-probing hash table in CChapitre V · Sorting, Searching and Hashing
    • CS305Java

      Object Oriented Programming & Methodology

      5

      leçons

      • From procedural functions to a Student object model, with text IO in Java
      • An encapsulated bank account in Java — state, static members, message passing and closing
      Voir les 5 leçons
      1. 1From procedural functions to a Student object model, with text IO in JavaChapitre I · Introduction to Object Oriented Thinking & Object Oriented Programming
      2. 2An encapsulated bank account in Java — state, static members, message passing and closingChapitre II · Encapsulation and Data Abstraction
      3. 3A college department in Java — inheritance, interfaces, association and aggregationChapitre III · Relationships
      4. 4A payments checkout in Java — overloading, overriding and run-time dispatchChapitre IV · Polymorphism
      5. 5ATM and library case studies in Java — strings, exceptions, threads and collectionsChapitre V · Strings, Exception Handling, Multi-threading and Collections

  3. Semestre 4

    4 UE18 leçons de TPCJavaPython
    • CS402C

      Analysis Design of Algorithm

      6

      leçons

      • Binary search to Strassen — divide and conquer, measured
      • Greedy algorithms — merge patterns, Huffman, knapsack, jobs, MST and Dijkstra
      Voir les 6 leçons
      1. 1Binary search to Strassen — divide and conquer, measuredChapitre I · Algorithm Analysis and Divide and Conquer
      2. 2Greedy algorithms — merge patterns, Huffman, knapsack, jobs, MST and DijkstraChapitre II · Greedy Strategy
      3. 3Dynamic programming — knapsack, multistage graphs, reliability design and Floyd-WarshallChapitre III · Dynamic Programming
      4. 4Backtracking and branch & bound — n-queens, graph colouring, Hamiltonian cycles and TSPChapitre IV · Backtracking and Branch & Bound
      5. 5Trees and graph traversal — BST, AVL balancing, BFS and DFSChapitre V · Trees, Graph Traversal and NP-Completeness
      6. 6ADA lab — searching, sorting, Strassen, greedy, MST, shortest paths, TSP and Hamiltonian cyclesChapitre LAB · List of Experiments
    • CS405C

      Operating Systems

      1

      leçon

      • OS lab — CPU scheduling, semaphores, page replacement, disk scheduling and the banker's algorithm
      Voir les chapitres
      1. 1OS lab — CPU scheduling, semaphores, page replacement, disk scheduling and the banker's algorithmChapitre LAB · List of Experiments
    • CS406AJava

      Programming Practices (a) (Java)

      4

      leçons

      • Java fundamentals — casting, control flow, an Account class and a Shape hierarchy
      • Linked structures, generics and the Collections Framework
      Voir les 4 leçons
      1. 1Java fundamentals — casting, control flow, an Account class and a Shape hierarchyChapitre I · Basic Java Features
      2. 2Linked structures, generics and the Collections FrameworkChapitre II · Java Collections Framework
      3. 3Threads, monitors and URLs — from a thread's life cycle to a deadlock-free bankChapitre III · Advance Java Features
      4. 4The Java lab list as one library system — scope to multithreadingChapitre LAB · List of Programs
    • CS406CPython

      Programming Practices (c) Python

      7

      leçons

      • Python basics — literals, strings, operators and a precedence-correct calculator
      • Python data structures — lists, tuples, dictionaries and sets at work
      Voir les 7 leçons
      1. 1Python basics — literals, strings, operators and a precedence-correct calculatorChapitre I · Introduction
      2. 2Python data structures — lists, tuples, dictionaries and sets at workChapitre II · Data Structure
      3. 3Python control flow — decisions, loops, break, continue and passChapitre III · Control Flow
      4. 4Python OOP — a bank account hierarchy and an operator-overloading VectorChapitre IV · Object oriented programming
      5. 5Python exceptions — try, except, else, finally and your own error classesChapitre V · Exception
      6. 6Python modules and packages — building, importing and inspecting them by handChapitre VI · Modules and Packages
      7. 7A log-processing toolkit from Python's standard libraryChapitre VII · Standard Libraries

  4. Semestre 5

    3 UE4 leçons de TPCSQLPython
    • CS501C

      Theory of Computation

      1

      leçon

      • Automata in C: DFAs, Mealy-style converters, subset construction, two PDAs and a Turing machine
      Voir les chapitres
      1. 1Automata in C: DFAs, Mealy-style converters, subset construction, two PDAs and a Turing machineChapitre LAB · List of Experiments
    • CS502SQL

      Database Management Systems

      2

      leçons

      • Relational algebra in SQL: selection to division, constraints, indexes and triggers
      • The DBMS lab list on the emp table: duplicates, alternate rows, Nth salary, savepoints and rule triggers
      Voir les chapitres
      1. 1Relational algebra in SQL: selection to division, constraints, indexes and triggersChapitre II · Relational Data Models and Query Languages
      2. 2The DBMS lab list on the emp table: duplicates, alternate rows, Nth salary, savepoints and rule triggersChapitre LAB · Lab Assignments
    • CS506Python

      Python (LAB)

      1

      leçon

      • The Python lab list: GCD, Newton's root, searching, three sorts, primes, matrices and a word counter
      Voir les chapitres
      1. 1The Python lab list: GCD, Newton's root, searching, three sorts, primes, matrices and a word counterChapitre LAB · List of Experiments

  5. Semestre 6

    1 UE1 leçon de TPC
    • CS602C

      Computer Networks

      1

      leçon

      • Error control, framing and routing — the CN lab programs in C
      Voir les chapitres
      1. 1Error control, framing and routing — the CN lab programs in CChapitre LAB · 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 Rajiv Gandhi Proudyogiki Vishwavidyalaya, Bhopal, 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 RGPV AICTE flexible curricula ?

Oui. GroutCode intègre le programme RGPV AICTE flexible curricula transcrit pour B.Tech Computer Science and Engineering — soit 43 cours — avec 36 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 RGPV ?

C (14 séances), Java (9 séances), Python (8 séances), C++ (3 séances), SQL (2 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 RGPV avec les vérifications intégrées

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

Télécharger GroutCode