Informatique Appliquée (Python)

Le cours INF1303 — Informatique Appliquée (Python) (UE3, semestre S1) apprend à programmer en Python pour résoudre des problèmes concrets de génie électrique : bilans énergétiques, résolution de circuits, traitement de fichiers de mesures, tracé de courbes et premières simulations. Python est gratuit, fonctionne sur un ordinateur modeste et dispose de bibliothèques scientifiques de référence (NumPy, Matplotlib, SciPy) : c’est l’outil idéal pour un technicien ou un futur ingénieur nigérien qui doit exploiter les données d’un onduleur PV, dimensionner un pompage solaire ou préparer les cours de simulation (SIM4102). Chaque notion est illustrée par un script testé, et chaque leçon se termine par des exercices corrigés.

Objectifs d’apprentissage

• Programmer en Python pour résoudre des problèmes d’ingénierie électrique.
• Analyser et visualiser des signaux et courbes électriques avec NumPy et Matplotlib.
• Automatiser les calculs de circuits, de dimensionnement et d’analyse de données.
• Développer la logique algorithmique indispensable aux outils de simulation GEEL.

Prérequis

Logiciel Bureautique (LBU1503) ; Mathématiques Générales 1 (MGE1102) : fonctions usuelles, trigonométrie, systèmes linéaires, notion de dérivée.

Plan du cours

1. Leçon 1 — Bases de Python
2. Leçon 2 — NumPy et Calcul Scientifique
3. Leçon 3 — Matplotlib et Visualisation
4. Leçon 4 — Applications GEEL

Travaux pratiques

Les 16 h de TP se font sur poste (Python 3 avec NumPy, Matplotlib, SciPy — distribution Anaconda ou installation via pip ; éditeur Spyder, Thonny ou Jupyter). Chaque leçon comporte un TP guidé : bilan énergétique d’une habitation ; analyse d’un fichier CSV de production PV ; tracé d’un diagramme de Bode ; mini-projet « caractéristique d’un module PV et réponse d’un filtre RC ».

Modalités d’évaluation

Volume horaire : CM 8 h, TD 4 h, TP 16 h, TPE 12 h (charge totale 40 h), 2 crédits. Évaluation : contrôle continu 100 %, nature TP (pratique) : scripts rendus à chaque TP (exactitude, lisibilité, commentaires), test sur machine et mini-projet final avec figures exportées.

Bibliographie

• M. Lutz, Learning Python, O’Reilly.
• R. Johansson, Numerical Python, Apress.
• Documentation en ligne : numpy.org, matplotlib.org, scipy.org.
• G. Swinnen, Apprendre à programmer avec Python 3, Eyrolles (libre en ligne).