2021秋季软件工程实践总结

叶语殇 2021-12-20 12:19:43
这个作业属于哪个课程构建之法-2021秋-福州大学软件工程
这个作业要求在哪里 2021秋季软件工程实践总结
这个作业的目标对这学期的软工实践做一个总结,包括个人总结、团队总结分析、提出建议等
团队undefined
学号031902203

一、个人总结

1)对比开篇博客对课程目标和期待,“希望通过实践锻炼,增强计算机专业的能力和就业竞争力”,对比目前的所学所练所得,在哪些方面达到了期待和目标,哪些方面还存在不足,为什么?

经过这段时间的软工实践,总的来说还是有所收获,我对软件工程的原理以及小程序开发的流程有了更清晰的掌握,在面对未学过的知识或者开一个新项目时,可以找到一些学习途径和学习方法。
存在的不足:在如何做好一个小程序,即一个优质小程序所需的专业知识上我还没学透彻,或者说只处于刚入门的阶段。

2)实践总结和给个人提升

统计一下在这门软件工程实践中,完成了多少行的代码;

大概有2000行吧

软工实践的各次作业分别花了多少时间?(做一个列表)

作业名称花费时间\h
第一次个人编程8
第二次个人编程12
第一次结对编程10
第二次结对编程15
团队现场编程7
alpha冲刺30
alpha冲刺完善15

3、哪一次作业印象最深刻?为什么?
第二次结对编程。
因为第二次结对编程让我真正接触到小程序这个东西,当我通过向同学请教以及学习网上的小程序开发文档知识时,我第一次在自己的电脑上设计自己的博饼小程序,这对我来说可以说是一个跨越的进展,从大学以来,之前我们一直都只是学习代码算法,平时只是为了刷题,完成作业。但是这次我可以通过我的专业知识去设计一个小程序,去真正的付诸实践,对我来说是非常真实的,让我感觉原来我学的这些东西都是很有用的,很富有创造力的,也激励着我学习软工。

问题答案
累计花了多少个小时在软工实践上84
平均每周花多少个小时12
学习和使用的新软件微信开发者工具、墨刀、vscode
学习和使用的新工具微信开发者工具、墨刀、 github
学习和掌握的新语言、新平台WXML、WXSS、JS
学习和掌握的新方法markdown 的使用、软件实践的流程
其他方面的提升沟通能力、自主学习能力

二、团队总结

这次团队实践,我是负责前端的一部分界面。首先要非常感谢我们小组的前端负责人,因为我们很多人在前端上都是刚入门,基本上没有什么项目经验, 然后我们的前端大佬就基本上是手把手教我们,甚至在我们遇到很多问题的时候也给出了很多建议,在我们提交各自界面后,他还是非常认真的帮助我们一一修改,并且最后能够顺利完成。其次就是软工实践真的很需要大家在一起沟通协作,我们自己工作时总是会遇到很多问题,而面对面沟通可以非常大地提高我们的团队效率,好在这个学期我担任院心理部部长,有一间专门的活动室可以供团队开发项目。最后要感谢老师和助教给了我们小组很多的建议,让我们不断地完善自己的小程序。

三、提出建议

对下一届软件工程实践的建议,或者对于开学初的你,对于大一的你,对于老师,助教有什么建议,以及对于后来人的期许。
建议:建议大二暑假就把大家拉进群,然后分享各种各样的学习资料,老师或者助教不需要教,只要有空点拨一下就好,我们把站线拉长,因为大三课实在太多了,对我自己来说有各种各样的大作业,比如说Linux,操作系统,数据库,网络管理等等,更不用说还有10几门考试,到现在我已经考了8门,真的感觉时间很难安排,很多时候想多花点时间在软工上面,但是其他科的任务也很紧急,自顾不暇。每次在找学习资源上面花的时间最多,建议老师可以把作业要求写的再细一点,刚开始多分享一些学习路径和方法。

四、团队分析

我想我们的团队在第一次团队协作编程的时候还处于萌芽阶段。第一次的团队合作,尤其在现场编程的时候有了迅速的磨合,虽然不算顺利,但大家的配合度都很高,都在为了同一个目标努力前进。之后 alpha 冲刺过程,团队进入了磨合期,大家也更加熟悉。不过我们的项目开发还是太依赖前后端负责人,这样前后端负责人的压力太大了,希望大家都可以多学习一些知识,减轻前后端大佬们的压力。

五、软件要求

详见https://bbs.csdn.net/topics/603694455

七、个性发挥,包括图文、照片和创意等

祝老师,助教以及同学们身体健康,事事如意。感谢您的观看。

...全文
1358 1 打赏 收藏 转发到动态 举报
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
CSDN-Ada助手 2023-01-13
  • 打赏
  • 举报
回复
您可以前往 CSDN问答-软件工程 发布问题, 以便更快地解决您的疑问
内容概要:本文围绕“阶梯碳下考虑P2G-CCS与供需灵活响应的IES优化调度”展开,基于Matlab平台构建综合能源系统(IES)在阶梯式碳交易机制下的优化调度模型。研究深度融合电制气(P2G)与碳捕集、利用与封存(CCS)技术,结合需求侧灵活响应机制,旨在提升系统的低碳运行能力与经济性。通过建立多能流耦合的优化模型,协调电力、天然气、热力等多种能源形式的协同调度,有效降低系统碳排放强度,并借助YALIMIP工具包调用求解器进行高效求解。文档提供了完整的代码实现、模型构建流程与结果分析方法,涵盖从问题建模到仿真实现的全过程,具备较强的可复现性与科研参考价值。; 适合人群:具备电力系统、能源系统或优化建模相关背景的研究生、高校教师及工程技术人员,尤其适合从事综合能源系统、碳减排策略、P2G与CCS技术集成研究的专业人员,需熟练掌握Matlab编程与基本的数学规划知识。; 使用场景及目标:①用于研究阶梯式碳交易政策下综合能源系统的低碳经济调度策略;②支撑P2G-CCS技术与需求响应机制在IES中的仿真集成与性能评估;③作为撰写高水平学术论文(如EI/SCI收录)的技术基础与复现资源,推动碳中和背景下能源系统优化方向的创新研究。; 阅读建议:建议结合百度网盘提供的完整代码与资料包,按照模块逐步调试程序,重点理解目标函数的设计逻辑、碳交易成本的建模方式、约束条件的数学表达及求解器的配置方法,同时关注多能耦合设备的建模细节,配合公众号“荔枝科研社”获取持续的技术支持与案例拓展。
内容概要:本文系统研究了基于卷积神经网络(CNN)与支持向量机(SVM)融合的CNN-SVM混合模型在数据分类预测中的应用,尤其聚焦于工业故障识别领域。通过Matlab平台实现,该方法首先利用CNN强大的多层次特征提取能力对原始输入数据进行深度特征学习,自动捕获关键局部模式与空间结构信息,随后将提取的高层特征作为输入传递至SVM分类器,借助SVM在高维空间中小样本条件下卓越的分类性能与泛化能力完成最终判别任务。文中详尽阐述了模型的整体架构设计、网络参数配置、训练优化流程及特征迁移机制,充分结合了深度学习在特征表达上的优势与传统机器学习在分类决策上的稳健性。实验部分通过实际故障数据集验证了该混合模型相较于单一CNN或SVM模型在分类准确率、鲁棒性和抗过拟合能力方面的显著提升,证明了其在复杂故障诊断任务中的有效性与先进性; 适合人群:具备一定机器学习与深度学习理论基础,熟悉Matlab编程环境,从事故障诊断、模式识别、智能制造、电力系统监控或工业数据分析等相关领域的研究生、科研人员及工程技术开发者; 使用场景及目标:① 应用于旋转机械、电力设备、航空航天等领域的多类别故障识别与状态监测;② 掌握深度特征提取与传统分类器融合的技术路径,提升小样本、高噪声环境下数据分类的精度与可靠性;③ 为撰写高水平学术论文、开展科研项目或工程实践提供可复现的算法框架与完整代码支持; 阅读建议:读者应深入理解CNN与SVM的协同工作机制,重点分析特征提取层与分类层之间的接口设计,建议动手运行并调试所提供的Matlab代码,尝试在不同数据集上进行迁移实验与参数调优,以全面掌握该混合模型的应用技巧与优化策略。

189

社区成员

发帖
与我相关
我的任务
社区描述
福州大学软件工程教学,推行邹欣老师“构建之法”。
软件工程 高校
社区管理员
  • Dawnfox
  • REP1USONE
  • 纪华裕
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧