n00bplace

“Uma estrutura de repetição é utilizada quando um trecho do algoritmo, ou até mesmo o algoritmo inteiro, precisa ser repetido. O número de repetições pode ser fixo ou estar atrelado a uma condição”. (ASCENCIO; CAMPOS, 2012, p. 95

Também conhecidas como laços ou loops, essas estruturas são fundamentais para evitar redundância e otimizar o código, que são pilares no Clean Code. Neste texto abordarei as três estruturas clássicas: para, enquanto e repita.

Estrutura de Repetição com Variável de Controle (Para)

Estrutura de Repetição com Teste no Início (Enquanto):

Conclusão

Dominar a lógica de repetição é saber que a escolha da estrutura não impacta apenas a máquina, mas também a legibilidade do sistema. Um código limpo é um código que comunica sua intenção. Ao escolher a estrutura correta, garantimos que o trecho de código desenvolvido esteja no caminho de ser sustentável e fácil de evoluir.

O mundo cibernético contemporâneo é erguido sobre o processamento de dados. E independentemente do tipo de informação, este ciclo operacional vital tem uma base sequencial bem definida de: entrada, processamento e saída (que é a base da arquitetura de Von Neumann, anyways :P).

Quando um dado é recebido por um computador, seja por um dispositivo de entrada (tal como seu teclado) ou oriundos de um sistema de persistência de dados (como um banco de dados), ele é convertido em sinais elétricos representados em código binário para o sistema computacional entender. E é no núcleo deste sistema, lá na unidade central de processamento também chamada de CPU, que o processamento realmente acontece.

Durante esta etapa são executadas operações matemáticas beeeem low level e lógicas orientadas por algoritmos. E quando por fim um algoritmo finaliza, é só aí que os resultados são enviados aos dispositivos de saída como o seu monitor :)

Dado todo esse contexto, quando falamos especificamente da etapa de processamento, sem dúvidas, podemos ter etapas mais minuciosas de pré-processamento, como a que é utilizada em Machine Learning para melhorar a qualidade dos dados, eliminar elementos que podem gerar resultados distorcidos e coisarada. Mas, sob uma perspectiva mais enxuta, como a de Ascencio (1999), a eficiência do processamento de dados depende da tríade:

• Análise: que é entender bem o problema;
• Algoritmo: que é projetar a solução de forma estruturada e lógica;
• Codificação: que é traduzir o algoritmo para alguma linguagem que a máquina entenda.

Dito tudo isso, a moral da história é: a eficácia do processamento de dados está tanto na capacidade de hardware quanto na engenharia lógica aplicada.

----------
Conversa rápida de rodapé não relacionada com o post:
Olá amigos, quanto tempo não? ^-^

Simmmm, depois de 6 anos retorno escrevendo justamente pelo mesmo motivo que iniciei: fixar estudos da faculdade kkkkkkkk. Não, eu não concluí o curso de 2018, longuíssima história curta: tranquei Análise e Desenvolvimento de Sistemas por causa de um trampo arrombado na época (que foi notícia de jornal e tudo) e aí voltei a estudar Engenharia de Software EAD em 2024 porque precisava da caralha de um papel para me candidatar em vaga de sênior gringa, mas nesta altura do campeonato que vos falo já tô pouco me fodendo para absolutamente TUDO relacionado a carreira profissional e tô só estudando porque gosto mesmo e é sobre isso kkkkkkkkk. Talvez seja uma fase de esgotamento profissional diferenciada? Talvez kkkkkkk mas sei lá, eventualmente entre hoje e a volta de Cristo escrevo mais sobre se quiserem ouvir fofocas :B

Mas é isso, beijos beijos e me contem como tá por aí ^-^