Modulo II: Pensamiento computacional con Python

 4.- Pensamiento computacional con Python

En los últimos años, el pensamiento computacional y la programación para abordar y resolver problemas de manera útil y eficiente han llegado a ser tan importantes, con la llegada de la revolución industrial a nivel global, profesionales de diferentes carreras y áreas han optado y decidido involucrarse en el rubro de la programación con lenguajes de última generación. En este sentido, Python es uno de los favoritos por ser un lenguaje de programación interpretado, pero sobre todo por su filosofía simple de uso.

En el pensamiento computacional existen cuatro elementos claves: la descomposición, la abstracción, el reconocimiento de patrones y la escritura de algoritmos. El pensamiento computacional es el proceso de reconocimiento de aspectos de la informática en el mundo que nos rodea, y aplicar herramientas y técnicas de la informática para comprender y razonar sobre los sistemas y procesos tanto naturales como artificiales

https://chat.openai.com/share/53135ad9-c78a-48ac-a292-db15b45e417a

En este ejemplo podemos ver la introducción al pensamiento computacional y su importancia en la resolución de problemas. 

# Script de ejemplo para descomposición de un problema

def resolver_problema():

    # Paso 1: Identificar el problema

    problema = "Realizar un seguimiento de las tareas diarias"

    # Paso 2: Descomponer en tareas más pequeñas

    tarea1 = "Hacer una lista de tareas"

    tarea2 = "Asignar prioridades a cada tarea"

    tarea3 = "Marcar tareas completadas"

    # Paso 3: Implementar en Python

    print(f"Paso 1: {problema}")

    print(f"Paso 2: {tarea1}")

    print(f"Paso 3: {tarea2}")

    print(f"Paso 4: {tarea3}")

# Llamada a la función

resolver_problema()

En esta entrada, podemos explorar cómo las estructuras de control como bucles y condicionales en Python pueden ayudar en el pensamiento computacional.

# Script de ejemplo para el uso de bucles en Python

def contar_hasta_n(n):

    for i in range(1, n+1):

        print(i)

# Llamada a la función

contar_hasta_n(5)

En el campo agronómico, podemos crear una entrada que muestre cómo aplicar el pensamiento computacional para resolver problemas específicos en la agricultura. Por ejemplo, un script que simule el seguimiento de datos de cultivos.

# Script de ejemplo para seguimiento de datos agronómicos

datos_cultivo = [25, 30, 22, 35, 28]

promedio = sum(datos_cultivo) / len(datos_cultivo)

print(f"El promedio de crecimiento es: {promedio}")

https://www.youtube.com/watch?v=MGA066-Fs0E