IFT1016 – Programmation I Plan de cours – Automne 2022

IFT1016 – Programmation 1

Chargés de cours: Jihene Rezgui (A, B), rezguiji@iro.umontreal.ca,

Alena Tsikhanovich (C), tsikhana@iro.umontreal.ca

Site web du cours: StudiUM, https://studium.umontreal.ca

HORAIRE Attention : Cet horaire risque de changer pendant le

trimestre. Veuillez consulter le site Web du cours et le guichet
étudiant pour valider l'horaire.

Vendredi 8h30 – 11h30 Cours magistral (3 h)

Mardi 13h00 – 16h00 Travaux pratiques (3 h)
Mardi 18.10 13h00-15h00 Intra (2h)
Mardi 13.12 13h00 – 16h00 Final (3h)

OBJECTIF

Fournir aux étudiants non informaticiens le bagage initial en programmation pour

pouvoir l'utiliser dans le domaine de Data Science (Python, modules orientés Data
Science (numpy, csv (EXCEL), seaborn, matplotlib)). À l'issue du cours, les
étudiants seront en mesure de concevoir et réaliser des programmes simples en
Python permettant résoudre de problèmes de Data Science et seront capables de
continuer l’exploration de nouvelles technologies en Data Science pour maîtriser
les concepts avancés.

CONTENU

Sujets abordés :
❖ Introduction (histoire, langages, compilateurs)
❖ Variables, types, expressions
❖ Programmation structurée
➢ Instructions conditionnelles
➢ Boucles
➢ Abstraction procédurale
➢ Données structurées
❖ Sujets Data Science
➢ Statistique
➢ Traitement de fichiers
➢ Visualisation des données
❖ Introduction à l’orienté objet
❖ Récursivité

Université de Montréal – DIRO Page 2 de 2

IFT1016 – Programmation I Plan de cours – Automne 2022

Les fondamentaux du langage Python seront enseignés en utilisant l’outil

CodeBoot (DIRO). Cet environnement de développement intégré est très
pédagogique et a été conçu spécialement pour faciliter l’enseignement des
concepts de base en programmation. Pour la deuxième partie du cours, les outils
standards et les modules Python orientés Data Science seront montrés pour
fournir des compétences informatiques liées au domaine Data Science. Tous les
exemples dans les notes de cours, projet et devoirs sont ciblés à la clientèle non
informaticienne et sont reliés aux problèmes de traitement de données.

ÉVALUATION

Description sommaire Pondération

Projet 15% (8.11 – 6.12)
Examen Intra 25%
Examen Final 30%
Exercice noté #1 7.5% (26.09 – 11.10)
Exercice noté #2 7.5% (14.10 – 1.11)
Exercice noté #3 7.5% (1.11 – 15.11)
Exercice noté #4 7.5% (29.11 – 18.12)

Les travaux et devoirs pratiques sont faits en Python par groupes de deux
étudiants.
Vos notes seront entrées sur le système StudiUM où vous pourrez les consulter.
Examens: les notes comportent un seuil.
Il faut obtenir un minimum de 50% sur la moyenne pondérée de l'intra et du
final pour que les notes du projet et devoirs pratiques soient comptés à leur pleine
valeur, sinon la note de projet et devoirs pratiques se verra divisée par deux.

Les règlements concernant le plagiat seront strictement appliqués.

Extrait du règlement disciplinaire sur le plagiat ou la fraude de l’Université

de Montréal.
Constitue un plagiat :
1. Faire exécuter son travail par un autre;
2. Utiliser, sans le mentionner, le travail d’autrui;
3. Échanger des informations lors d’un examen;
4. Falsifier de documents.

Université de Montréal – DIRO Page 2 de 2

IFT1016 – Programmation I Plan de cours – Automne 2022

RÉFÉRENCES

1. Livre recommandé: Paul J. Deitel et Harvey Deitel, Intro to Python for

Computer Science and Data Science: Learning to Program with AI, Big
Data and The Cloud, Pearson, 2019

Université de Montréal – DIRO Page 2 de 2