Algorithmique et Python
Algorithmique des listes (recherches séquentielle et dichotomique, gloutons), statistiques descriptives avec numpy/pandas, approximation numérique, représentation de graphes et simulation de lois.
Choisissez une approche :
Comment rechercher un élément, un maximum, ou deux valeurs proches dans une liste Python ?
Parcourir une liste pour trouver un élément donné, un extremum, ou repérer les deux valeurs les plus proches.
Comment implémenter une recherche dichotomique dans une liste triée ?
Rechercher un élément dans une liste triée en divisant par deux l'intervalle de recherche à chaque étape.
Comment implémenter un algorithme glouton simple (rendu de monnaie, allocation de salles) ?
Construire une solution pas à pas en sélectionnant à chaque étape la meilleure option locale selon un critère donné.
Comment calculer les indicateurs statistiques d'un échantillon en Python ?
Utiliser numpy pour les tableaux numériques et pandas pour les données tabulaires afin d'obtenir moyenne, écart-type, variance, médiane.
Comment approcher numériquement la racine d'une équation en Python ?
Implémenter en Python une méthode itérative (dichotomie ou suite récurrente) pour approcher la solution d'une équation $f(x)=0$.
Comment représenter et parcourir un graphe en Python ?
Choisir une structure de données adaptée (matrice d'adjacence ou dictionnaire de listes) pour coder un graphe et en explorer les arêtes et voisinages.
Comment implémenter l'algorithme de Dijkstra pour les plus courts chemins ?
Calculer en Python les distances minimales depuis un sommet source vers tous les autres sommets d'un graphe pondéré à poids positifs.
Comment simuler une loi usuelle en Python et estimer ses caractéristiques ?
Générer un échantillon aléatoire d'une loi discrète usuelle avec `numpy.random` et estimer empiriquement son espérance et sa variance, puis comparer aux valeurs théoriques.