一次痛并快乐的旅程——回首我的软工实践
一、学期回顾
1.1 回顾第一次博客作业,你对于软件工程课程的想象
对比开篇博客你对课程目标和期待,“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,在哪些方面达到了你的期待和目标,哪些方面还存在哪些不足,为什么?
达到的期待和目标
在选课的时候,对柯老板已有所了解,一开始还有所纠结,后来报着大三得多提高自己的心态选择了K班。在这门课之前,我没有过项目的经历和经验。对这门课的期待就是能够和同学一起合作实现项目,设计出一个有现实意义的产品。回顾一学期的软工大作业完成的过程,我主要负责的模块是学生端小程序的实现,好几次在冲刺博客的时候破防了,但在这段时间也确确实实有所成长。在上这门课之前,目标是学习一些前端的技术以及学习项目的整个实现过程。在这一学期的磨练中,基本实现了自己的目标。在此基础上,我和组员们经历了许多次的现场编程,不仅自身有所提高,也增强了我的团队意识,获得了宝贵的团队项目经历,一起挑战,一起向前!
存在的不足
在前期没有很好地进行规划,处于边学习技术边实现项目的状态,导致在实现项目的过程中效率较低,这点需要在后续的项目开发过程中进行改进。还有就是一开始直接使用原生的小程序进行开发,没有进行组件化开发,导致效率较低,后续需要进行改进
1.2 回顾你在这门课程中的投入与产出
非评测组
在软工实践课程当中我编写了5500行代码。
在团队项目中我参与了易点名的设计与开发。
软工实践的各次作业分别花费的时间:
时间 作业 花费时间 09.03~09.04 首次博客作业 2h 09.09~09.20 个人编程作业 25h 09.23~10.14 结对编程作业 26h 10.24~10.28 结对编程作品互评 1h 09.30~10.23 团队介绍、选题报告、需求分析报告 2h 10.30~11.06 团队项目之现场编程 15h 11.06~11.19 团队项目Alpha冲刺阶段与中期总结 31h 11.21~12.20 团队项目Beta冲刺阶段与终期总结 30h 12.22~01.08 个人学期总结博客作业 2h
在软件工程课程上花费的时间(预计花费时间参考:贴出你在首次博客作业中“你打算平均每周拿出多少个小时用在这门课上”这个问题的回答)
- 针对上述问题(1)、(2)、(3),你对这门课的期待是什么?你打算平均每周拿出多少个小时用在这门课上,以达成你的期待以及你在(1)或(2)或(3)上的目标?(10')
- 对于这门课最大的期待就是通过这门课的学习能真正提高自己的实践能力,和队友做出满意的项目成果。打算平均每周拿出6~7个小时用在这门课上,以达到目标,达不到再适当增加时间。
累计时间 实际周均时间 预计周均时间 105(h) 15(h) 6~7(h) - 针对上述问题(1)、(2)、(3),你对这门课的期待是什么?你打算平均每周拿出多少个小时用在这门课上,以达成你的期待以及你在(1)或(2)或(3)上的目标?(10')
1.3 令你印象最深刻的是哪一次作业或哪一场答辩?为什么这次作业或这场答辩令你印象深刻?
令我印象最深刻的是结对编程作业。因为这次作业是我一个人负责开发的部分,对于当时具备不多开发经验的我是一次挑战。由于第一次做小程序的开发,因此我在结对编程的前期先接触并学习了许多关于小程序开发的知识,在中后期才进行相应项目的开发。在开发过程中,遇到了许多困难,通过上网查阅和学习了许多资料,并请教同学才勉强完成结对编程的作业。在这过程中,对于个人编程能力还是有许多提升的,这也为后续团队大作业进行了铺垫。结对编程是我印象最深刻的作业。
二、总结收获
2.1 展开说说你的软工实践故事
- 非评测组: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。
- 个人编程:重新学习了很久没有练习的python语言,爬虫的过程中遇到了许多困难,用以前学过的知识无法完成,因此去学习了新的爬虫技术,最终才完成了个人编程作业。但其中仍有许多不足,例如可视化的展示等工作并没有很好的完成。
- 结对编程:首先很感谢队友的原型设计具有良好的ui界面,我通过查阅资料学习了小程序的开发技术,才逐步完成结对编程的作业
- 现场编程:对于现场编程,我认为需要先预习auto.js的相关技术才能提高现场编程的效率,我主要实现了中等题目,也主要得益于现场编程前的自学。很感谢队友带飞!
- 团队项目实践:在团队项目中,我主要负责学生端小程序的实现,实现了相关功能并且对ui界面进行改进。最难忘的是有一天晚上团队的开发人员都没有休息,都在熬实现项目的相关功能。
2.2 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帮助?
- 微信小程序:之前接触小程序的知识较少,在软工课的学习过程中学习了许多关于小程序的知识,并在一次次的作业中得到实践,让我对小程序有了一定的了解,同时学习了如何利用组件库进行小程序的开发,大大提高了开发的效率
- auto.js:在现场编程的作业中,我学习了相关文档,并进行了预热阶段的任务实现,在现场编程的过程中完成了中等作业部分
- python:在第一次的爬虫作业中,我重新学习了python的语法,学习了新的爬虫技术,让我更熟悉了python的许多库和相关的爬虫技术
- vue:组件化开发大大提高了开发的效率
2.3 技术之外,这门课程还给你带来了哪些方面的提升?
- 个人技术学习的规划:在学习一门技术的过程中,需要有一段时间的规划和练习,并且在学习到一定的程度之后进行实践
- 项目实现的进度安排:一个项目的实现必须要进行合理的规划,不能在最后阶段才进行冲刺,这会大大降低产品的质量。应该在前期就规划好各个部分的实现进度,并实时跟进项目。
- 团队的合作的提升:在团队项目的实现过程中,我深刻认识到了团队成员相互沟通并且合作的重要性,这不仅能够增强团队项目的开发效率,还能够大大增强团队成员之间的感情!
- 加强了个人的反思:在团队项目的开发过程中,个人不能脱离团队,应该时刻进行反思是否有为团队尽自己的一份力量,个人要有团队意识!
2.4 如果还有什么想记录的或者想说的,就写在这儿吧!
- 在软工课程的学习过程中,说实话学习技术需要时刻push自己,才能更好的成长。未来的道路很长,希望自己能够多多学习新的技术,并在实践中进行巩固。同时希望大家都越来越好,越来越强!
三、致谢
- 一个学期过去了,你特别想要感谢的人有谁?你们在完成什么任务的时候发生了什么故事?有什么话想要对TA说呢?
- 首先要感谢陈宏侨同学,作为易点名项目的组长,他很好的安排了团队项目工作的成员分工和进度安排,让项目顺利的进行最终较好地完成!在项目开发的过程中,宏侨哥哥十分耐心地为我们讲解了接口文档,让我们前端的开发大大提高了效率。
- 感谢易点名项目的所有成员,在我有困难时帮助我解决bug,没有各位成员的努力,我们就无法很好的完成本次项目。这让我深切感受到团队的力量,希望所有成员都越来越好。
- 感谢柯老板让我在这学期得到锻炼,留下了难忘的回忆。
相关推荐
心灵的觉醒:从unconscious到conscious的旅程
本书探讨了心灵觉醒的旅程,从无意识到有意识的转变。通过自我认知、情绪管理、内心探索和意识扩展等方面,我们揭示了心灵觉醒的奥秘。心灵觉醒对我们的生活和社会有着深远的影响,它有助于提升幸福感,增强心理健康,实现个人成长和心灵升华。本文旨在为读者提供一个全面的心灵觉醒指南,从理论基础到实践方法,帮助读者理解并实现从无意识到有意识的转变。本文将涵盖自我认知的重要性、情绪管理、内心探索、潜意识的力量、意识扩展、觉醒之路的挑战以及心灵觉醒的未来展望。
技术转移机构如何基于数据提升项目撮合精准度?.docx
技术转移机构如何基于数据提升项目撮合精准度?
超扭滑模与快速终端滑模的永磁同步电机无感控制:理论、离散化实现与仿真研究(Simulink仿真实现)
内容概要:本文系统研究了超扭滑模控制(STSMC)与快速终端滑模控制(FTSMC)在永磁同步电机(PMSM)无感控制中的应用,重点涵盖其理论基础、离散化实现方法及Simulink仿真验证。文章深入阐述了两种高阶滑模控制策略的设计原理,利用磁链无感观测技术实现转子位置与速度的精确估计,从而省去物理传感器,有效提升了系统的可靠性与鲁棒性。同时,提供了完整的Simulink仿真模型构建方案,包括控制器设计、关键参数整定及动态响应性能分析,充分验证了所提出的方法在零速与低速工况下的卓越控制性能和有效性。; 适合人群:具备电机控制、现代控制理论基础知识及熟练掌握MATLAB/Simulink仿真技能的研究生、科研人员与工程技术人员。; 使用场景及目标:①深入理解高阶滑模控制在电机驱动系统中的设计思想与具体实现;②掌握基于滑模观测器的无感控制核心技术;③开展永磁同步电机高性能控制算法的理论研究、仿真验证与工程化探索。; 阅读建议:建议将文中详尽的理论推导与Simulink仿真模型相结合进行学习,重点关注滑模面的构建、抖振抑制策略的实施以及离散化处理的细节,有条件的研究者可进一步将算法移植到DSP等硬件平台进行实验验证,以深化对理论的理解并检验其实际应用效果。
多源动态最优潮流的分布鲁棒优化方法(IEEE118节点)(Matlab代码实现)
内容概要:本文系统阐述了基于Matlab的多源动态最优潮流分布鲁棒优化方法,聚焦于IEEE118节点电力系统,旨在应对高比例可再生能源接入背景下源荷双重不确定性所带来的调度挑战。该方法深度融合分布鲁棒优化理论,通过构建能够抵御最坏情况概率分布的决策模型,有效提升了电力系统在复杂不确定性环境下的运行安全性、经济性与可靠性。研究不仅提供了完整的Matlab代码实现,便于结果复现与算法验证,还特别关注了含风电等新能源的现代电网低碳调度问题,为解决实际工程中的优化调度难题提供了强有力的理论支撑和技术工具。; 适合人群:具备电力系统分析基础和Matlab编程能力的研究生、科研人员及从事智能电网优化运行、能源系统规划等相关领域的工程技术人员。; 使用场景及目标:①研究含高比例可再生能源接入的电力系统动态最优潮流问题;②掌握分布鲁棒优化在电力系统经济调度、低碳调度中的建模思想与求解方法;③利用IEEE118标准测试系统进行算法有效性验证与性能对比分析;④基于所提供的Matlab代码进行二次开发,探索新型不确定性优化理论在电力系统中的创新应用。; 阅读建议:建议读者结合电力系统最优潮流、不确定性优化理论(特别是分布鲁棒优化)的背景知识进行学习,重点关注模型的构建逻辑、目标函数与约束条件的设计原理,以及Matlab代码的具体实现细节。在学习过程中,应动手调试代码,尝试修改系统参数(如新能源出力波动范围、负荷水平等),以观察不同场景下优化结果的变化,从而深刻理解该方法的适应性、优势及其潜在的局限性。
车间调度基于GA、PSO、SA、ACO、TS优化算法的车间调度比较研究(Matlab代码实现)
内容概要:本文系统性地比较了遗传算法(GA)、粒子群优化(PSO)、模拟退火(SA)、蚁群优化(ACO)和禁忌搜索(TS)五种智能优化算法在车间调度问题中的性能表现,并提供了基于Matlab的完整代码实现。研究聚焦于调度优化的核心目标——最小化完工时间(makespan),通过标准测试案例对各算法的收敛速度、求解精度和稳定性进行了深入对比分析,旨在为实际生产调度中算法的选择与改进提供科学依据。文中不仅详述了每种算法的设计思路与关键参数设置,还展示了其实现逻辑,便于读者理解、复现与拓展。; 适合人群:从事智能制造、工业工程、运筹优化等相关领域的研究人员,以及具备Matlab编程基础、希望将智能优化算法应用于实际调度问题的研究生和工程师。; 使用场景及目标:① 掌握主流智能优化算法在解决NP-hard车间调度问题上的具体应用与差异;② 学习如何利用Matlab实现并对比不同优化算法的性能;③ 为解决生产制造、物流配送等领域中的资源调度难题提供算法选型和技术参考。; 阅读建议:建议读者在阅读时重点关注各算法的Matlab实现代码和实验结果对比部分,动手运行代码以直观感受不同算法的寻优过程和效果差异。同时,可结合具体调度约束条件,尝试调整算法参数或融合多种算法思想,以深化对优化机理的理解。


