145679联合王国——冲刺总结随笔

145679联合王国 145679联合王国 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
这个作业属于哪个课程2024软件工程实践
这个作业要求在哪里团队作业——alpha冲刺
这个作业的目标代码规范、冲刺任务与计划
其他参考文献《构建之法》

项目预期计划、现实进展

预期计划现实进展
前端完成大部分页面基本实现计划
后端完成大部分接口接口超额完成
实现基本推荐算法除冷启动问题,算法已实现

各成员在冲刺阶段的收获和心得体会、组员分工协作情况、在Alpha阶段的工作量比例

学号收获和心得体会组员分工协作情况工作量
052203130在项目开发中,发现及时更新接口文档并确保清晰的注释和说明是非常重要的。这样可以让团队成员在调用接口时更加清楚每个字段的用途和类型,从而减少沟通上的误解,避免重复劳动和错误。定期的沟通和同步也是有效的手段,能够帮助团队快速发现潜在问题。错误处理和日志记录也在开发中逐渐显现出重要性。对常见错误和异常进行捕获处理,不仅可以提升系统的稳定性,还能在出错时为后续的排查提供详细的日志信息,便于快速定位问题。这让我认识到,系统的鲁棒性不只是功能的完整性,更体现在对错误的容忍度和应对措施上。后端 音乐模块接口编写13.2%
152201106项目中需要及时和团队成员沟通,后端编写的过程中,需要多和同为后端的队友沟通避免重复和冲突,还要及时和前端对接,了解前端的情况,以便提高开发效率。此外,及时编写准确的接口文档也是必要的,在和队友对接和团队使用中能提高便捷性。异常处理也是必要的,方便追踪问题及时修改。写好代码后也要及时测试及时修改。本次团队过程是难得的用java编写项目的机会,平时golang用习惯了,很多项目逻辑结构和语法使用的时候经常习惯性沿用golang习惯,写的时候慢慢避免这个影响了。这也是个难得的学习java的机会,此前经常会耽搁java的学习,这次让我有了个学习+实践的过程,十分宝贵珍贵。最后,本次实践让我对团队项目实践有了进一步的认识。社区互动接口编写13.2%
052201224过去十天中,个人化音乐推荐系统的理解与实现取得了显著进展,经历了数据集选择、算法理解、数据预处理和团队协作等挑战。音乐数据集种类繁多,但大多不符合推荐算法需求,需要大量精力进行调整和预处理。理解和实现推荐算法尤其在音乐特征语义分析和相似度计算上难度较大。除了实现算法,还需评估不足并改进,这让我深刻认识到特征语义、可解释性和用户交互的重要性。音乐推荐涉及复杂特征分析,需要结合音乐语义和用户交互信息来建立用户画像,从而提高推荐效果,要求不断学习和探索。在模型与后端系统集成过程中,通过团队沟通克服了数据库等问题,成功开发了用户数据接口,提升了工作效率。总体而言,构建推荐系统的复杂性超出预期,但每次进展都带来成就感。推荐系统开发不仅是算法问题,还涉及数据准备、特征选择和系统协作,持续改进是关键。用户数据预处理,查找、封装、优化推荐算法13.2%
072203218从技术层面来看,编写推荐算法是一项复杂而富有挑战的任务。需要深入分析用户的行为数据,挖掘其中的规律,以便为他们提供个性化的推荐。每一次模型的调整和优化都伴随着无数次的数据实验与逻辑推理。每当看到算法的准确性提高,内心的成就感便油然而生。然而,技术虽重要,团队的协作同样不可或缺。作为组长,我努力营造一个开放、包容的氛围,让每位成员都能畅所欲言,充分发挥各自的优势。通过定期的讨论与反馈,团队的凝聚力不断增强,创新思路如泉涌而出。在团队管理中,我学会了倾听与引导,懂得了如何平衡不同的声音与思路,使团队朝着共同的目标迈进。调研数据集、优化推荐算法、编写gRPC13.2%
062200244这次的Alpha冲刺是一段充满挑战与收获的宝贵经历。我学习了前端开发的相关技术,对Vue框架等有了更为深刻的理解。同时,我更加认识到成员之间沟通的重要性,团队合作中沟通是不可欠缺的一部分。这次冲刺也让我认识到了自己的不足之处。例如,在开发过程中,我有时会对可能出现的问题预估不足,导致在实现时经常遇到困难。同时,我也意识到自己在技术方面还有待提高,需要继续学习和改进。由于Alpha冲刺阶段直接和我的部分比赛时间冲突,导致我难以抽出时间,没能为团队做出太大贡献,希望能在下一冲刺阶段及时弥补。在未来的开发中,我会更加严格要求自己,不断提升自己的技术水平,为团队的发展贡献更多的力量。同时,我也期待在后续的冲刺中,能够继续与团队成员一起努力。学习前端框架,辅助前端工作,完成冲刺第四日博客7.6%
052207115在软件工程实践alpha冲刺中,我深入学习了许多关于前端开发的核心技术,尤其是Vue框架的应用。在整个过程中,我不仅掌握了封装网络请求的方法,深化了html、css的技术,还学会了封装第三方组件和如何实现父子组件之间的通信与数据传递,这些技能让我在开发中更加得心应手。在这个项目中,我深入理解了组件式开发的思想,学会了如何将复杂的界面拆分为独立的、可复用的组件,这不仅提升了开发效率,也使得代码更加清晰、易维护。通过与团队成员的协作,我也体会到了团队合作的重要性,大家分工合作、相互支持,共同推动项目的进展。总的来说,这次实践让我更加熟悉了前端开发的流程,也提升了我的技术水平和解决实际问题的能力。通过不断的学习和实践,我相信自己在未来能够更好地应对更加复杂的开发任务,达到更高的技术水平。前端 负责制作导航栏、首页、歌单列表、“我的音乐”、歌曲搜索、音乐播放器13.2%
092200201虽然项目中大部分的技术栈之前都有学过,但只是浅尝辄止,本次项目对于我而言更多是对之前所学知识的一次全面整合和回顾,诚然分布式架构和多种中间件的使用提高了项目的上手和理解难度,在架构搭建和环境部署调试也花了很多时间,但我认为这些是值得且必要的。同时这也是我第一次和其他同学协作开发以及跟前端进行对接,让我体会到在设计时考虑的不充分反映到开发上就是沟通和时间成本的增加。在alpha阶段,我在业务逻辑,代码复用,并发性能考虑的还不够周到,我想这些会在beta阶段进行完善。最后感谢后端的其他两位同学能够协助我共同完成所有接口的开发,甚至超额完成了任务,respect项目架构搭建 中间件部署 网关、用户、聊天模块编写 搜索接口实现13.2%
042201126在本次项目中,我主要负责前端的社区模块开发,这一过程中遇到了不少困难,但也因此学到了很多宝贵的知识。例如,通过项目实践,我深入掌握了 Vue、JavaScript、TypeScript 等前端技术,进一步理解了如何构建更合理的项目架构。项目架构的合理性让我认识到降低代码耦合度的重要性,这不仅能让项目结构更加清晰,也有助于项目后续功能的快速扩展。由于这是我第一次在多人协作的环境下完成项目开发,使用团队合作工具的过程中遇到了一些不熟悉的地方,但也逐渐掌握了如何更高效地进行团队协作。我深刻体会到团队沟通的重要性,及时有效的交流能够大大提高开发效率,减少由于理解偏差而产生的问题。在今后的项目中,我会继续优化自己的开发方法和沟通技巧,为团队合作和项目质量做出更大贡献。前端 负责展示社区模块、展示动态、用户基本的注册登录等界面13.2%

对下阶段展望

完善前端页面,完善推荐算法(解决冷启动)、后端排查bug

...全文

相关推荐

关于AI开发方法论-以文档为索引的高质量协作开发:让一次现象描述精准命中几个代码块

对AI的编码规范进行约束

nLif

YOLO26算法车道线检测+训练好的模型+360张数据集+pyqt可视化界面.zip

附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[未获取()] 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 55 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9512** mAP50-95 | 0.6746 Precision | 0.8796 Recall | 0.8825 train/box_loss | 0.8608 train/cls_loss | 0.7232 val/box_loss | 0.9955 val/cls_loss | 0.5511 【训练过程分析】 这轮训练我经历了从初始到稳定的曲折过程。前 20 个epoch,loss 曲线呈现了陡峭的下降趋势,mAP50 指标从 0.8 开始逐步攀升,仿佛在寻找一个合适的平衡点。然而,从第 21 个epoch 开始,mAP50 的提升速率显著放缓,整体曲线显得有些曲折,有时甚至停滞不前,让我一度以为训练出现了问题。直到第 35 个epoch,loss 开始逐渐趋于平稳,这标志着模型已经找到了一个较好的收敛区间。到了最后的 20 个 epoch,尽管 mAP50 依旧在稳步上升,但提升幅度已经不大,这意味着模型已经接近其性能天花板。 在这个过程中,我重点关注了 box_loss 和 cls_loss 的变化。初期阶段,box_loss 快速下降,从 0.9 逐渐降至 0.86,而 cls_loss 则从 0.75 逐步下降至... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

guo_xiao_xiao_

syslog_test.py

syslog_test.py

薛定谔的__猫

Simulink “双碳”背景下汽车减少碳排放建模与仿真

内容概要:本文围绕“双碳”战略背景,系统阐述了基于Simulink的汽车碳排放建模与仿真技术,重点引入模糊PID控制优化动力系统性能,以实现节能减排目标。文档整合了多个Matlab/Simulink科研仿真案例,涵盖无刷直流电机(BLDC)控制、三相PWM整流器、电池管理系统、路径规划、信号处理、智能优化算法及图像处理等领域,全面展示Matlab在智能控制与绿色能源系统中的应用价值。同时强调科研应兼具严谨逻辑、创新思维与工具赋能,并提供完整的仿真资源链接与学习路径支持实践落地。; 适合人群:具备Matlab/Simulink基础,从事自动化、电气工程、车辆工程、控制科学、电力电子及智能制造等相关领域的科研人员或高年级本科生、研究生;适用于开展节能减排、新能源系统优化、智能控制算法研究等课题的研究者。; 使用场景及目标:①学习在Simulink中构建汽车能耗与排放仿真模型并应用模糊PID进行动态优化;②掌握BLDC、PWM整流器等关键部件的建模与控制策略设计;③借鉴丰富案例提升科研效率,拓展在智能控制、路径规划、信号处理等方向的应用能力;④通过提供的网盘资源获取完整代码与资料,支撑论文写作与项目开发。; 阅读建议:建议按照资源目录顺序系统学习,结合百度网盘提供的Matlab/Simulink代码动手实践,重点关注控制策略的设计、仿真结果的分析与优化过程,同时注重培养科研思维与工程实际问题的结合能力。

荔枝科研社

西部牛仔_1794033330851.apk

西部牛仔_1794033330851.apk

程泓森
评论
收藏 已收藏
分享
返回顶部