1. INTRODUCCIÓN AL PENSAMIENTO COMPUTACIONAL CON PYTHON

 

 

1.     INTRODUCCIÓN AL PENSAMIENTO COMPUTACIONAL CON PYTHON

 

1.    Introducción:

El pensamiento computacional es un enfoque para resolver problemas, diseñar sistemas y entender el comportamiento humano que se basa en los conceptos fundamentales de la informática.

 

Sección 1: ¿Qué es el Pensamiento Computacional?

 

El pensamiento computacional implica una serie de habilidades y técnicas que permiten abordar problemas complejos de manera efectiva y eficiente con estrategias que pueden ser implementadas con computadoras. Incluye conceptos como la descomposición, el reconocimiento de patrones, la abstracción y la creación de algoritmos.

Ejemplo en Python:

 

Descomposición: Dividir un problema grande en partes más pequeñas y manejables.

 

Script Python:

 

Sección 2: Reconocimiento de Patrones

 

El reconocimiento de patrones implica identificar similitudes o patrones recurrentes dentro de datos o problemas para simplificar el proceso de solución.

 

**Script Python**:

 

 

Sección 3: Abstracción

 

La abstracción implica enfocarse en la información relevante e ignorar los detalles irrelevantes para simplificar el entendimiento y la solución de problemas.

 

Script Python:

 

 

Sección 4: Algoritmos

 

Un algoritmo es un conjunto de pasos ordenados y finitos para resolver un problema específico.

 

Script Python:

 

Aquí utilizando google colab:

 

Conclusión:

 

En conclusiones podemos indicar que el pensamiento computacional es una habilidad cognitiva que implica la capacidad de abordar problemas y situaciones de manera lógica y estructurada, similar a como lo haría una computadora. Incluye la descomposición de problemas en partes más pequeñas, la identificación de patrones y la creación de algoritmos o pasos para resolverlos. Además, el pensamiento computacional también se relaciona con la capacidad de pensar de manera abstracta y lidiar con problemas complejos de manera eficiente. Es una habilidad valiosa en la resolución de problemas y se utiliza en campos como la informática, la programación y otras disciplinas relacionadas con la tecnología, por ejemplo en caso de mi profesión den Agronomía me permite resolver casos de riegos tecnificados, predicciones climatológicas, problemas de diagnósticos de fertilidad de suelos y su interpretación.