El coneixement d’algoritmes i de programació és fonamental per a l’estudi de la ciència de dades i l’analítica, així com per a les aplicacions informàtiques generals en ciències i enginyeria. L’assignatura cobreix els conceptes fonamentals d’algoritmes, tipus de dades, estructures de control, gestió de fitxers, classes i mètodes. Aquestes eines algorítmiques es connecten amb els conceptes de programació en Python: tipus i estructures de dades, control del flux d’execució, definició de funcions, entrada/sortida de fitxers i classes i mètodes per a la programació orientada a objectes.
No es requereix coneixement previ a nivell universitari.
L’objectiu principal d’aquesta assignatura és estudiar els fonaments de la programació i les bones pràctiques d’implementació en el llenguatge de propòsit general Python.
Els objectius específics són dotar els estudiants de les següents capacitats:
• Proposar solucions algorítmiques a problemes bàsics en ciència de dades, estadística i matemàtiques fonamentals.
• Construir programes utilitzant adequadament les estructures de dades de Python, el control de flux i la gestió de fitxers, així com les unitats de modularització.
• Comprendre els fonaments de la programació orientada a objectes i utilitzar classes en Python per resoldre problemes en els àmbits esmentats.
- Sistemes numèrics, model de computador de programa emmagatzemat i representació de nombres.
- Estructures de control seqüencials i condicionals: operacions booleanes o lògiques. Estructures de control condicionals o de selecció (simples, múltiples i imbricades).
- Estructures de control iteratives: bucles for i while; bucles imbricats; combinacions de for i while; instrucció break.
- Estructures de dades tipus arrays i operacions associades: vectors i matrius. Operacions element a element i a nivell d’array; mètodes de cerca i ordenació.
- Estructures de dades en Python: llistes, diccionaris, conjunts (sets) i tuples: creació, operacions i aplicacions.
- Funcions en Python: concepte (codi reutilitzable), pas d’arguments, exemples, recursivitat.
L’assignatura consta de dues sessions setmanals. Cada sessió es divideix en dues parts: una primera part magistral en què el professor explica els nous continguts, i una segona part en què els estudiants treballen en nous exercicis per consolidar la matèria. Cada dues o tres sessions es duen a terme activitats d’avaluació individuals o en grup mitjançant proves escrites, lliurament d’exercicis realitzats a casa, etc.
Activitats pràctiques d’avaluació: 20% (Nivell d’ús de la IA: 4)
Examen parcial (part de programació + teoria): 30% (Nivell d’ús de la IA: 1)
Projecte en grup (informe + presentació oral): 25% (Nivell d’ús de la IA: 4)
Examen final (part de programació + teoria): 15% (Nivell d’ús de la IA: 1)
Participació a classe: 10% (Nivell d’ús de la IA: 1)
Nivell d’ús de la IA: La descripció dels nivells següents segueix les directrius adoptades per La Salle-URL i especificades a l’enllaç web proporcionat a continuació.
Nivell 1: Sense IA.
No està permès l’ús de la IA en cap fase de la tasca. El treball s’ha de dur a terme íntegrament sense assistència artificial.
Nivell 4: IA per dur a terme tasques, amb avaluació humana.
S’autoritza l’ús de la IA per completar parts específiques de la tasca. El focus ha d’estar en l’anàlisi crítica i en l’avaluació humana del contingut generat.
https://estudy2526.salle.url.edu/pluginfile.php/5049/mod_page/content/468/Escala%20AIAS%20_eng.pdf
Resultats d’aprenentatge de l’assignatura:
R1. Comprendre els conceptes bàsics de programació necessaris per escriure i depurar codi.
R2. Explorar les capacitats de Python per a la creació, emmagatzematge, extracció, processament i visualització de dades.
R3. Desenvolupar habilitats pràctiques per a la resolució de problemes i el treball en equip en aplicacions informàtiques.
Bibliografia recomanada:
• Downey, A. B. (2024). Think Python: How to Think Like a Computer Scientist (3rd ed.). O’Reilly Media.
• Python Software Foundation. (2026). The Python Tutorial. Python 3.14 documentation.
El professor pot proporcionar material addicional de pràctica.