2023秋软工实践团队作业——alpha冲刺

fzusdn fzusdn 墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年,写一次发全网 我也要 + 加入社区

团队作业—alpha冲刺

ddl:2023.11.18 23:00

请大家在此次作业每一篇博客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<写上团队名称即可>
这个作业的目标<写上具体方面>
作业正文....
其他参考文献...

1篇冲刺计划

  1. 针对团队先前的工作进行总结与思考,并给出改进的方案

  2. 冲刺阶段的团队分工(表格形式)

  3. 建立并给出团队项目的Github库

10篇冲刺日志:团队名称-冲刺日志(第几天)

冲刺日志由团队队长在完成一次冲刺后提交,每篇随笔中需要写下每个成员的日志,具体如下,

  1. 以表格的形式阐述每位同学的本次冲刺的进度:完成的任务,完成任务时长,剩余时间,并汇报完成任务遇到的问题,处理的方式

  2. 给出本次冲刺的站立式会议内容记录,包括会议内容、会议过程(照片、视频等形式)

  3. 需给出给出Github的签入记录以及本次冲刺项目运行的截图(不必是完整的项目运行结果,可以是部分实现的功能模块的运行结果),介绍开发的进展,并给出本次冲刺进展的燃尽图

  4. 团队成员贡献表,给出团队成员的贡献程度(百分比)以及相应的贡献

  5. 要求每次在这一节中汇报每日对应实现UML设计中的子用例。对于先前设计,如有变动需要强调改进的部分,并给出软件新的时序图、状态图、活动图,

1篇置顶的冲刺集合:团队名称-冲刺集合,放置10次团队冲刺博客的链接

  1. 使用markdown的链接、表格来呈现

  2. 标注清楚每一篇日志博客的名称,以及对应的日期、当天完成的工作量、剩余的工作量、已完成工作量占总工作量的百分比

  3. 当天的冲刺日志应及时添加到这篇随笔中

  4. 随笔末尾附带团队项目的github仓库

1篇冲刺总结随笔:团队名称-冲刺总结

  1. 附带冲刺计划的链接

  2. 包含冲刺日志集合的所有内容

  3. 描述项目预期计划

  4. 项目的现实进展

  5. 每位成员的过程体会

  6. 组员的分工及在整个阶段的工作量比例

  7. 附带代码仓库地址、PPT链接地址

1个vlog,名字自拟

  1. 展示冲刺计划

  2. 展示每天冲刺日志的重要内容,并展示开发过程与人员交互过程

  3. 视频内容要求采用剪辑(如每天拍摄一段的视频进行整合)

  4. 视频要求3-5分钟

  5. 建立起一个主题或主线,串起这个vlog

博客分数【100'】占比:

  • 1篇冲刺计划【10'】

  • 1篇冲刺集合【5'】

  • 10篇冲刺日志【10 * 6 = 60'】

  • 1个vlog【10'】

  • 1篇冲刺总结【15'】

github仓库

  1. 建立好对应的代码仓库

  2. 建立一个团队文档仓库,将此次作业的PPT和测试文档,及之前作业的所有团队文档和PPT一起放到此仓库中

  3. 使用建立分支或者发pr的方式进行协作,每有一个较大的进展,请发布一个对应的版本release,版本号应遵守行业的命名规范

答辩PPT

  1. 项目的成员分工和预期计划

  2. 项目的实际进度曲线、燃尽图

  3. 遇到哪些问题,以及是怎么解决的

  4. 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

  5. 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

  6. 成员的过程体会

答辩流程

  1. PPT演讲

  2. 作品展示,请演示的同学携带电脑,电脑需要预先调试好项目,确定可以运行,如果需要使用手机或其他设备投屏到电脑,请预先准备预先调试好;

  3. vlog演示

  4. 每组将严格限制演示时长(15分钟内):PPT演示+作品演示(10分钟)、vlog展示(5分钟)

现场评审要求:

a)打分项,包括:PPT质量(20′)、演讲(10′)、功能完成度(30′)、UI设计和交互体验(20′)、团队协作(10')、测试工作(10');此外还有填写存在问题和建议等的部分; b)打分要求:尊重他组,认真打分,实事求是,对所有组采用一个标准,分数能真实反应其他组的报告质量和本组的统一意见,禁止一锅端平的情况;

评分标准

1) 答辩队伍互评(20%),评审表助教会准备 2) 助教评分(答辩演示50%,博客40%,代码规范评审10%),取结果的80% 3) 这次作业得分 = 答辩队伍互评得分 (20%)+ 助教评分(20%)

...全文
0人已提交
完成率0%
暂无数据

相关推荐

好用免费猴PDM查阅器v1.7

# 好用免费猴PDM查阅器 一个用 Python 写的 **PowerDesigner `.pdm` 模型阅读器**:不用装 PowerDesigner,双击就能把 `.pdm` 里的表、字段、主键、索引、外键、注释全部摊开看,任意内容可直接复制,并一键导出 Excel / HTML / Markdown / 建表 DDL。 - **v1.7**:彻底修掉「再点表就覆盖已打开的 sheet」——已打开的表单独记成一份标签列表,和左侧「选中」不再共用状态,**筛选框找表后再点,永远是新开一个标签、绝不动已有的**;已打开的表在清单里显示为**绿色**,再点它是「切回那个标签」,`Ctrl`+单击才关掉 - **v1.6**:左侧清单**点一下就打开**(不用再按 Ctrl / Shift);启动默认进「标签页切换」;标签页开着 5 张以上时切「并排分屏」会自动弹窗让你挑要保留的 4 张 - **v1.5**:两种多表视图 ——「并排分屏」(≤4 栏,窄栏也显示全部列,Shift+滚轮 / 中键拖动可横向滚动)+「标签页切换」(像 Excel sheet 一样一个表一个标签,最多 12 个,看另一张表时其余自动隐藏);exe 图标改用 Windows 原生多尺寸设置,标题栏/任务栏不再被拉伸糊掉 - **v1.4**:多表分屏 —— 左侧按住 Ctrl / Shift 多选表,右侧每张表开一个独立面板并排展示(最多 4 个,各栏自动等宽),超了会弹窗让你自己挑;exe 换成新的像素猴子图标 - **v1.3**:打开过的文件会被记住,下次启动自动载入同一批模型并回到上次查看的表,不用每次重新选 - **v1.2**:新增程序内复制(任意表格框选 → Ctrl+C / 右键复制,支持 Tab 分隔与 Markdown) - 单文件实现,`pdm_viewer.py` 一个文件

lz_N_one

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕“用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究”展开,系统阐述了卡尔曼滤波在动态系统状态估计中的核心作用,重点探讨了最优增益的递推计算方法与基于最小均方误差准则的状态更新机制。研究内容涵盖线性系统状态估计的完整流程,包括状态预测、协方差传播、创新计算、卡尔曼增益求解及状态校正等关键步骤,并通过Matlab代码实现了算法的仿真验证,展示了其在噪声环境下对系统状态进行高精度跟踪的有效性。文中不仅强调理论推导,还注重工程实现细节,帮助读者深入理解卡尔曼滤波的数学本质与自适应特性。; 适合人群:具备线性代数、概率统计及控制理论基础知识,熟悉Matlab编程语言,从事自动化、电子信息、通信工程、导航制导、信号处理、物联网或智能系统研发等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于传感器数据融合、目标跟踪、惯性导航(如GNSS/INS组合导航)、工业过程监控等存在噪声干扰的状态估计任务;②帮助读者掌握卡尔曼滤波从数学建模到代码实现的全过程,深入理解MMSE估计原理及其在提升系统鲁棒性与精度方面的关键作用;③为后续学习非线性滤波算法(如扩展卡尔曼EKF、无迹卡尔曼UKF)以及更复杂的多传感器融合架构奠定坚实的理论与实践基础。; 阅读建议:建议读者结合提供的Matlab代码逐行调试运行,重点关注预测与更新过程中各矩阵的维度变化与数值演化,尝试调整过程噪声与观测噪声的协方差参数,观察其对滤波收敛速度、估计精度及卡尔曼增益自适应调节的影响,从而深刻领会滤波器的设计思想与调参技巧。

李锦科研

适合政府进行产业链技术缺口识别的分析工具有哪些?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

BIZKEEN

Hybrid Mount

杂交挂载元模块 Hybrid Mount Metamodule

yiersansiwu123d

【储能选址定容】基于多目标粒子群算法的配电网储能选址定容(Matlab代码实现)

内容概要:本文系统阐述了基于多目标粒子群算法(MOPSO)的配电网储能选址定容优化方法,旨在科学解决储能系统在配电网络中的最佳安装位置与容量配置问题。研究构建了一个综合考虑网损最小化、电压偏差改善和投资成本节约的多目标优化模型,并采用改进的多目标粒子群算法进行高效求解,获得一组代表不同权衡关系的Pareto最优解集,进而结合模糊决策等多属性决策方法从中遴选出最理想的折衷方案。文中详细剖析了算法的核心原理、数学建削过程及求解策略,并提供了完整的Matlab代码实现,通过在标准IEEE测试系统上的仿真实验,充分验证了该方法在提升配电网运行经济性、改善电能质量及增强系统综合效益方面的有效性与优越性。; 适合人群:具备电力系统分析、优化算法基础知识的研究生、科研人员及从事电网规划、储能系统设计与运行的工程技术人员。; 使用场景及目标:①研究配电网中储能系统的科学规划与优化配置方法;②深入学习多目标优化算法在电力系统规划领域的实际应用与实现技巧;③掌握基于Matlab平台的电力系统仿真建模与优化编程能力,为相关课题研究提供技术支持。; 阅读建议:在阅读时应重点关注多目标优化模型的构建逻辑、粒子群算法的改进机制及其在电力系统约束处理上的实现细节,建议结合提供的Matlab代码进行逐行调试与复现,通过调整系统参数、约束条件和权重系数等方式,深入探究算法的性能表现和优化结果的变化规律,以达到融会贯通的学习效果。

天天程序猿
评论
收藏 已收藏
分享
返回顶部