2022秋软工实践5:团队作业2-项目Beta测试答辩&课程总结

LinQF39 2022-12-23 23:32:24

博客提交截止日期:2023-01-08 24:00

请大家在此次作业的开头添加格式描述

这个作业属于哪个课程<班级的链接>
这个作业要求在哪里<作业要求的链接>
团队名称<组id-团队名称>
学号<你的学号>
Video demo 链接<https: ...>
GitHub 链接<https: ...>

答辩要求

时长要求

4分钟PPT演示+5分钟项目展示+3分钟答辩。(答辩总时长严格限制在12min内,超时将扣除一定分数)

PPT要求(4min,20')

  1. 项目的成员分工、项目的实际进度曲线、燃尽图。
  2. 遇到哪些问题,以及是怎么解决的
  3. 项目的实际架构:前后端开发框架,使用到的技术,部署的流程等
  4. 描述项目的测试工作安排、测试工具选择和运用、项目测试评述
  5. 列出alpha冲刺后项目所存在的问题清单,并针对alpha冲刺的问题给出团队的探索思路和解决过程。
  6. 依据需求文档,展示系统架构图(包含的功能点),开始进行项目展示。

项目展示要求(5min,65')

  1. 需要提前进行展示演练,可采用投屏等方式,注意准备过程所需时间算入总答辩时长。
  2. 展示时需要覆盖该项目所有主要功能页面以及特色功能。

评分标准:

  • 上线运行:10'
  • 整体流畅:10'
  • 页面美观:15'
  • 操作逻辑合理:15'
  • 特色功能:15'

答辩要求(3min,15')

  1. 回答老师、助教、其他同学的提问时,做到保持礼貌,先答后辩,条理清晰。
  2. 每个问题问答时长不超过一分钟。
  3. 其他组的同学可进行提问。

答辩后(12.26前),每组在Q群里提交一份答辩PPT,命名:组ID-Beta测试答辩。

     

    课程总结(需在该作业下每人提交一份博客)

    本次作业将影响最终成绩,请大家认真撰写,并在DDL(2023.01.08 24:00)之前提交。

    该博客需包含以下部分:

    1.总结与收获:个人编程/结对编程/现场编程/团队项目实践中的经验总结+实例/例证结合的分析

    2.技术与工具:介绍学习到的新技术或生产力工具以及它们给你带来了哪方面的作用?请分点列出

    其余可发挥自己的想法进行自由创作,格式自定,说出你想说的话,课程建议,发生的故事,想要感谢的人,职业规划等等。

     

    视频链接与Github链接

    1. 软件项目展示视频:假想小组将推销你们的软件项目,为了让客户接受你们的项目,制作该软件项目销售视频。视频自由创意,视频中尽可能的体现你们的软件功能中创新的部分(即与其它竞品软件不一样的地方),及你们软件的功能点等。该视频时长2-5分钟。每组制作一个,每个成员在自己的博客中共享该链接。
    2. 博客提交时,也附上项目的Github链接,对于部署难度较大的项目,请在Github上描述部署过程。
    ...全文
    1927 1 打赏 收藏 举报
    写回复
    用AI写文章
    0人已提交
    完成率0%
    暂无数据
    1 条回复
    切换为时间正序
    请发表友善的回复…
    发表回复
    031902238崔佳雪 2023-01-19
    • 打赏
    • 举报
    回复
    代码转载自:https://pan.quark.cn/s/a4b39357ea24 自动驾驶是当前科技界高度关注的研究方向,其研究范畴涵盖了人工智能、计算机视觉、机器学习以及传感器融合等多个重要学科。这份题为"自动驾驶论文"的资料,无疑为人们提供了一个深入了解这一复杂系统的机会。以下是基于其标题和描述所呈现的一些关键知识点的详细阐述: 1. **自动驾驶技术**:自动驾驶指的是车辆在无需人类驾驶员参与的情况下,借助各类传感器和智能算法来感知周围环境,制定行驶路线,并执行驾驶行为。这种技术的核心宗旨在于提升交通安全性、缓解交通压力,并改善出行体验。 2. **Python编程语言**:Python是一种在数据处理和科学计算领域得到广泛应用的高级编程语言,由于其语法简洁且拥有丰富的库支持,经常被应用于自动驾驶领域的数据处理、模型构建和系统集成。 3. **源代码分析**:论文中提供的源代码可能包含了自动驾驶算法的实现细节,可能涵盖环境感知模块(包括图像处理、激光雷达数据解读)、决策模块(涉及路径规划、行为分析)、控制模块(涵盖车辆动力学建模、控制策略设计)等,这些代码可作为学习和研究自动驾驶算法的实践范例。 4. **计算机视觉**:自动驾驶系统中的计算机视觉技术主要用于识别道路标识、行人、其他车辆等,这通常涉及图像分类、目标识别和语义分割等任务,常见的技术包括卷积神经网络(CNN)、区域提议网络(RPN)、YOLO、Faster R-CNN等。 5. **机器学习**:机器学习是自动驾驶技术的核心,用于训练模型以理解和预测复杂的驾驶情境。深度学习,特别是深度强化学习,在决策制定和控制策略方面已取得显著进展。 6. **传感器融合**:自动驾驶汽车通常装备多种传...

    125

    社区成员

    发帖
    与我相关
    我的任务
    社区描述
    软件工程A2022秋
    软件工程 高校
    社区管理员
    • LinQF39
    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