Se baser sur:
  - ce que les étudiants connaissent (au moins un peu) déjà.
  - ce que les étudiants peuvent utiliser par eux même et chez eux
  - des choses réutilisables en entreprise

Pour utilisation arduino et raspberry en milieu industriel, voir: https://www.industrialshields.com/?gclid=CjwKCAiAg8OBBhA8EiwAlKw3kpWuYSmc776wUvBJwfby8GhTSZIGBZ6L3-76TCbFTYiySTxZN7xztBoCiZAQAvD_BwE



=====Arduino=====
Tout un écosystème:
  * matériel
  * logiciel
  * communauté

cartes UNO et NANO à 2 ou 3 euros

Utilisable par les étudiants chez eux
Outils de développpement minimalistes, simples à installer et à utiliser 

Beaucoup de ressources disponibles:
  * documentation
  * exemples logiciels et matériels
  * cartes d'extensions achetables

langage C++ simplifié: Programme de haut niveau utilisant des librairies HAL simples à utiliser (la plupart utilisant l'approche objet)

Pas de débuggueur: ce n'est pas vraiment un problème si utilisé pour faire des programmes de haut niveau simples

Architecture matérielle modulaire: Approche lego pour assembler un calculateur (du attiny 8 broches à un gros STM nucléo) et des périphériques

Possibilité d'accés à bas niveau aux ressources du microcontroleur pour illustrer le matériel dans un second temps.


=====Python=====

Utilisé partout et pour de bonne raison: de l'automatisme jusqu'à l'apprentissage profond en passant par les statistiques, les IHM, le développement WEB....

====Outils de développement====
  * simple comme Notepad
  * léger comme idle3
  * complet comme pyCharm
  * en ligne comme Jupyter


====Apprentissage de l'algorithmie====

  * Oblige à structurer le code en l'indentant
  * Masque (quasi complètement) les problèmes liés à la gestion des données  (exemple type Entier), types listes, dictionnaires, tuples etc..
  * Passage de paramètres E/S beaucoup plus simple qu'en C, plusieurs valeurs de retour possible (évite la gymnastique pour passer de schéma bloc aux prototype de fonctions)
  * Le code est suffisamment lisible pour sauter l'étape algo papier
  * Pas d'accès direct en mémoire et de pointeurs (évite les fuites etc)
  * Langage interprété, les étudiants peuvent essayer le code ligne par ligne avant de l'inclure dans leur programme, cela remplace le debuggueur
  * Très bon pour s'initier à l'approche objet, syntaxe bien moins lourde que le C++ pour créer des classes

====Domaines d'application====
  * calcul symbolique avec Sympy (en remplacement de matlab)
  * calcul numérique avec numpy (en remplacement de matlab)
  * affichage et interface homme/machine: QT, matplotlib, OpenGL
  * réseau
  * simulation
  * ... tout!  


====Plateformes matérielles====
Peut être utilisé sur:
  * PC windows, linux ou mac
  * PC sur carte type raspberry Pi 
  * microcontroleurs évolués (STM Nucléo ou Raspberry Pico (4$) par exemple )
  * navigateur web + smartphone portable par exemple avec Jupyter

L'apprentissage de l'algorithmie sur PC puis le passage à de l'embarqué sans changer de langage serait bien plus lisse qu'actuellement (C++ puis C au S2)

====Les fausses limitations====
  * Pas utilisé dans l'industrie: de plus en plus faux car python permet de déployer rapidement des preuves de concept, qui finalement sont souvent suffisemment performante
  * Pas assez performant: oui il y a un surcout en puissance de calcul et mémoire mais les performances des matériels augmentent (on ne developpe plus que très peu en assembleur d'ailleurs!)
  * Pas utilisable en embarqué: faux, il y a de plus en plus de cartes qui le supportent


====Concernant les performances====
  * Utilisation de librairies optimisées avec des bindings vers pythons: par exemple numpy et openCV. Python utilisé pour le haut niveau par l'étudiant
  * traduction du code python vers C++ avec l'outils Cython: ajout du typage statique et génération automatique des bindings



=====Tests unitaires=====
Actuellement:
  * tests unitaires des composants créés en VHDL à l'ancienne (sans testbench et avec contrôle visuel des chronogrammes produits)
  * sensibilisation en seconde année option automatisme en ethernet industriel pour du code C/C++


=====Profiling=====
Outils de mesure de consommation des ressources (mémoire, temps CPU etc..)

Il faudrait sensibiliser les étudiants à ces concepts (et leur parler un minimum de complexité algorithmique)

=====Outils de gestion de versions=====
Actuellement découverte en seconde année de l'outils GIT en bus de communication/ethernet industriel

Utilisation souhaitable dès la première année: 
  * utilisation en local pour que l'étudiant voit ce qu'il fait par rapport aux fichiers fournis et à chaque exercice
  * utilisation simplifiée avec une seule branche et un seul utilisateur par projet

Initialisation d'un suivi:  
  cd ~/dossieràsuivre
  git init
  git add *.c*  *.pro
  git commit -m'initial version'

Création d'une version:
  cd ~/dossieràsuivre
  git commit -a -m'exercice 2 fait et validé'

Visualisation des versions
  gitk 

Ainsi en seconde année, une utilisation plus poussée serait possible

=====Outils de documentation de code=====
Obliger les étudiants à faire de la doc (certains IDE aident en le faisant automatiquement)

Utiliser un outils comme Doxygen 


====Documentation sur l'outils de documentation Doxygen====
https://www.doxygen.nl/manual/starting.html
 

https://www.doxygen.nl/manual/docblocks.html



https://www.doxygen.nl/manual/doxygen_usage.html


 
https://www.doxygen.nl/manual/config.html#:~:text=The%20format%20is%20ext%3Dlanguage,free%20formatted%20Fortran%3A%20FortranFree%2C%20unknown


https://franckh.developpez.com/tutoriels/outils/doxygen/




====Utilisation de Doxygen pour ce projet====
Dans le dossier des fichiers source, taper pour générer le fichier de configuration de la doc:
  doxygen -g  

Editer le fichier de configuration Doxyfile
  gedit Doxyfile &

Régler:
  FILE_PATTERNS          =  *.cpp *.h *.ino
  EXTRACT_ALL=YES
  EXTENSION_MAPPING      = ino=C++

Pour compiler la doc et l'ouvrir dans un browser
  doxygen Doxyfile && chromium-browser html/index.html