「BUAA SE Individual Work1」阅读和提问

20373673-于敬凯 2023-02-26 09:57:05

「BUAA SE Individual Work1」阅读和提问

Part 0 前言

项目内容
这个作业属于哪个课程2023年北航敏捷软件工程
这个作业的要求在哪里个人作业-阅读和提问(作业说明链接)
我在这个课程的目标是学习现代软件工程开发的模式,锻炼团队协作开发的能力
这个作业在哪个具体方面帮助我实现目标通过阅读《构建之法》了解现代软件工程概念
了解软工的工程性、团队成员的配合以及PM的职责
调研CI/CD等各种现代工具及最佳实践

Part 1 阅读提问

问题1:根据软件的不同、团队规模的不同以及团队成员的不同,最合适的团队模式肯定有所区别。那么在一个团队刚成立的时候,该如何快速先行选择一个团队模式开展工作,且这个模式虽然未必最佳但是至少是次最佳?(不能回答的问题)

文章简述

定位:第5章团队和流程 5.2节 软件团队的模式P91-P95

5.2.1 主治医师模式

5.2.2 明星模式

...

5.2.10官僚模式

资料支撑

一个创业公司团队可能由于创业初期所有人都干劲满满,因此具体的团队模式不是很重要;一些大型的成功的软件公司如米哈游能够以工业能力维护五百余人的原神项目组,持续稳定高质量产出内容并交付;一些巨型软件公司如阿里巴巴虽然大而完善,但是内部的大公司病已经初现端倪,可能需要更好地团队管理方法。

提问原因及个人思考

本次敏捷软工中,虽然和队友之前就相识,但是以这样大型的软件项目一起合作还是第一次。由于敏捷开发的敏捷性,我们可能没有办法做完善的评估来选择最合适的团队模式,那么我们该如何在初期快速决策出一个次最佳团队模式以尽快使工作步入正轨呢?如果初选了一种团队模式,在工作中又该如何适时调整,不断趋近最佳模式呢?(不能回答的问题)

问题2:如何合适地分而治之?

文章简述

定位:第8章 需求分析 8.7节 分而治之 P177

一个团队项目要在一段时间内完成诸多任务,满足用户的需求,实现团队的目标...这时候我们需要一个角色站出来领导大家,把看似巨大无从下手的项逐步分解为可以操作的工作。PM是责无旁贷的领导者

资料支撑

在很多团队中,PM往往不是最精通技术的那个,他可能对技术、管理、市场等多方面都有所涉猎并有较好的大局观,但这也就导致了他对技术细节不可能了解的很清楚。

提问原因及个人思考

对于上述情况,一个PM应该将一个软件项目分割到什么样的粒度才是既准确又合适的呢?粒度太大,会导致项目仍然需要分割;粒度过细,涉及的技术可能PM本身也不甚了解,且将大家的工作更加碎片化了。另外,在这个过程中,是更采用集体决策,还是个人决策?如果集体决策,是采用民主集中还是绝对多数?多数人是不是可能大局观不够,只能了解到自己的细分技术领域,而无法对整个项目的分解提供帮助呢?

问题3:如何推行高效工作工具如源代码管理工具Git等?(不能回答的问题)

文章简述

定位 第11章 11.6节 实战中的源代码管理 P242-246

软件学院的学生果冻在移山公司实习,他问阿超:为啥需要源代码管理?...我的最新代码是质量最高的,有质量最高的代码还不够吗?

资料支撑

尽管目前Git等源代码管理工具在大学低年级就为大家所知道,但是依然有很多人不喜欢、不习惯使用这样的工具,他们可能更喜欢使用微信直接发一个压缩包,这带来了代码管理的很大问题。除此之外,其他新工具的使用也难以推广,如开会记录、搜集资料、通知发布,很多人都喜欢微信群直接发,这给文档整理以及工作的有序展开带来了麻烦。

提问原因及个人思考

在我参与的一门课程的助教团队工作中,我也遇到了类似的问题,团队助教技术高超,但是却并非都善于或喜欢使用这些工具。即使强行推广,大家的积极性也不够高。面对这样的情况,我们该如何去逐步树立、推广和规范团队的工具使用,让大家既乐意,又主动地使用这些工具呢?

问题4:对于渐进发布的产品,如何使用合适的工具或解决方案以实现最佳DevOps?(不能回答的问题)

文章简述

定位:第15章 稳定和发布阶段 15.2节 渐进发布和DevOps P331-P333

在往后的几年中,由服务稳定性和效率推动的各种开发工作被归纳为一种新的开发模式Development-Operations(DevOps)...

资料支撑

强大的团队往往有完善高效的工具链,他们能以最佳工具链实现来最大限度发挥个人和团队的能力。

提问原因及个人思考

虽然我们目前从技术上和最顶尖的团队们有很大差距,但是从最佳工具如DevOps开始,我们可以站在巨人的肩膀上(成熟高效的工具链)进行开发和训练,趁手的工具会让工作事半功倍。那么,我们该如何快速确定团队的工具链呢?最近读书和搜索资料发现了很多解决方案提供商,但是针对于我们特定场景的需求,仍不是很确定什么样的工具是最好的。

问题5:如何用科学的方法或者技术辅助提高领导力进而快速带领团队成长?(不能回答的问题)

文章简述

定位:第17章 人,绩效和职业道德 17.3节领导力——带领团队成长 P384

资料支撑

优秀的领导具有长远的目光、宏大的格局、广博的技术、深厚的人格魅力以及高超的管理艺术,可以带领团队持续前进,不断取得新的成就。但是,我们知道在相当多的企业中有非常多的团队和项目,这意味着有非常多的领导可能并不是各个层面都做到最好。但是,这些企业的团队和项目依旧出色。

提问原因及个人思考

在上述情况中,这些企业和团队使用了什么科学的方法或者技术来辅助提高领导力,弥补在个人魅力、管理艺术等较个性化方面的不足呢?

...全文
294 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
助教-牛易明 2023-03-04
  • 打赏
  • 举报
回复

针对问题5,确实存在以个人魅力为主导的团队,但是并不意味着这些团队取得的成就就更加突出。相反,过于注重依靠个人魅力形成凝聚力的团队反而会忽视团队内部的建设,因此我认为这个问题本身的前半部分并不完全成立。对于后半部分,其实基本的进度管理等手段足够支撑实现一个优秀的项目,而其余的潜在优化手段则需要根据团队的性质考虑。

内容概要:本文研究了基于Q-Learning自适应强化学习的PID控制器在自主水下航行器(AUV)运动控制中的应用,旨在提升其在复杂海洋环境下的控制性能。通过建立AUV的动力学模型,将Q-Learning算法与传统PID控制相结合,实现控制器参数的在线自适应优化,有效增强了系统的响应速度、稳定性和抗干扰能力。研究采用Matlab进行仿真验证,结果表明该方法在轨迹跟踪与姿态控制方面具有优越表现,为水下机器人智能控制提供了可行的技术路径与理论支持。; 适合人群:具备自动控制理论、强化学习或水下机器人建模背景,从事相关科研工作的研究人员、高校研究生及工程技术开发者。; 使用场景及目标:①应用于高精度、强鲁棒性的水下机器人运动控制系统设计;②开展智能PID控制器在非线性、时变系统中的参数自整定研究;③作为强化学习在复杂工业控制场景中落地的典型案例参考,推动算法与工程实践融合。; 阅读建议:建议结合提供的Matlab代码进行仿真实验,重点剖析Q-Learning与PID融合的架构设计、奖励函数设定及参数收敛过程,可进一步拓展至与其他智能优化算法(如DQN、Actor-Critic)的对比研究,深化对自适应控制机制的理解。
已经博主授权,源码转载自 https://pan.quark.cn/s/a4b39357ea24 Matlab 被视为一种功能卓越的编程平台,特别是在数值运算和数据分析方面展现出广泛的应用价值。在应对多元非线性回归的挑战时,Matlab 拥备多种工具和函数,支持用户对复杂的数据进行构建模型和适配。本指南将重点阐释在 Matlab 环境下如何执行多元非线性回归分析。 我们需要掌握三种关键的回归指令: 1. `polyfit(x,y,n)`:此函数适用于拟合一元幂函数,能够导出一个多项式模型。例如,若知晓数据呈现二次函数形态,可选择`n=2`来适配一个二次曲线。 2. `regress(y,x)`:这是一个多元线性回归指令,能够处理多个自变量对因变量的影响。即便数据并非完全呈现线性特征,该函数也能提供一个线性近似。 3. `nlinfit(x,y,’fun’,beta0)`:这是最为通用的非线性回归指令,适用于适配任何类型的函数,无论是一元或多元,前提是用户能够定义函数形式(`fun`参数)。 回归分析的核心在于寻找一组最优的系数,使得模型能够最恰当地描述数据。这通常涉及选择一个合适的函数形态,随后通过最小化误差平方和来估算系数。在Matlab中,`regress`指令主要用于处理线性模型,而`nlinfit`则处理更为复杂的非线性模型。 对于多元线性回归模型,我们可以用如下形式进行表述: \[ y = \beta_0 + \beta_1x_1 + \beta_2x_2 + \cdots + \beta_px_p + \epsilon \] 其中,\( y \)是因变量,\( x_1, x_2, \ldots, x_p \)是自变量,\( \beta_0, \beta_1, ...
内容概要:本文系统阐述了基于BP神经网络的语音特征信号分类方法,并提供了完整的Matlab代码实现。研究围绕语音信号的数据预处理、特征提取、神经网络结构设计、模型训练与分类测试等核心环节展开,详细展示了BP神经网络在语音识别任务中的应用流程。通过构建多层前馈网络模型,利用误差反向传播算法优化权重,实现了对不同语音类别特征的高效分类,具有较强的工程实践价值和技术可复现性。; 适合人群:具备信号处理与机器学习基础知识,熟悉Matlab编程语言,从事语音识别、模式识别、人工智能等相关领域研究的学生及科研人员;特别适用于开展课程设计、毕业设计或科研项目的初级与中级研究人员。; 使用场景及目标:①深入理解BP神经网络的基本原理及其在语音信号分类中的具体实现过程;②掌握Matlab环境下语音信号特征提取与分类模型构建的全流程技术;③为语音识别、人机交互、智能听觉系统等实际应用场景提供可靠的算法基础与代码参考。; 阅读建议:建议读者结合所提供的Matlab代码逐行分析其实现逻辑,重点关注数据输入格式、网络参数初始化、训练迭代过程及分类性能评估;可通过调整隐含层节点数、学习率、激活函数等超参数,观察模型收敛性与分类准确率的变化,从而深化对神经网络调参策略的理解。

78

社区成员

发帖
与我相关
我的任务
社区描述
2023年北航敏捷软件工程,主讲教师罗杰、任健。
软件工程 高校
社区管理员
  • clotho67
  • neumy
  • BrownSearch
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