软件工程实践总结&个人技术博客
软件工程实践总结&个人技术博客
为了不遗漏作业内容,这里有一份checklist方便同学们快速检阅。
截止时间
- 本次作业截止时间2024年12月14日 23:59 博客审核需要时间请各组提前发布博客
一、作业要求
第一部分:课程回顾与总结
寒假作业要求你在阅读构建之法社区中前人提出的问题,选择5个及以上的问题写下自己的思考。现在的你对这些问题有什么新的看法吗?
你是否在这门课中获得了成长呢?也许你有一些想要抒怀的地方,那么在这次总结中写下来吧。
-
给自己的总结博客起一个有意义的标题~
-
给出以前问题思考的博客链接。
-
请尝试对自己曾经思考过的问题再次进行解答,并阐明,是如何通过看书,实践,或者讨论弄清楚的。
-
是否原来的问题还不明白?如果有,请分析。
-
是否产生了新的问题?如果有,请提出。
-
软件工程这门学问有很多 “知识点”, 这门课强调 “做中学”——在实践中学习知识点。
- 请问你在项目的需求/设计/实现/测试/发布阶段(一共5个阶段)中,每个阶段收获最大的知识或能力是什么?
-
结合自己在个人项目/结对编程/团队项目的经历,谈谈自己的理解或心得。
-
结合这次课堂的学习经历,自我评分对七大课程目标的掌握程度(百分制),并作出相应解释。
- 目标1: 理解软件工程师的职业道德规范和实践要求,了解国情社情民情,理解软件产品对社会、健康文化等影响,树立积极向上的软件开发理念。
- 目标2: 掌握需求分析的全过程,能辨别客户表述的多样化要求,熟练使用需求表达工具,能够规范、准确地表达客户的需求,构建需求分析模型。
- 目标3: 掌握软件开发的全过程,遵循体系结构设计方法和基本设计原则,通过正式的技术评审,完成从体系结构设计模型、数据设计模型和构件级设计模型,形成面向高效可靠的服务组件设计方案或软件系统设计方案。
- 目标4: 能够执行从组件到软件系统的技术评测,具备设计模型的评判能力,具有创新设计意识,能够优选设计方案。
- 目标5: 遵循软件开发各阶段文档标准,采用规范的表达,掌握需求规格说明书、系统设计说明书、系统测试报告等文档撰写方法,具备与业界同行交流能力。
- 目标6: 具有良好的团队意识和合作技能,能够与其他成员开展有效的沟通和协作;能够组织、协调或指挥团队开展工作。
- 目标7: 能够辨别具体软件项目管理中涉及的构成要素,掌握软件规模和工作量的估算方法,能够选择合适的工具规划软件进度并对项目管理过程进行配置,具备初步的管理复杂软件工程项目的能力。
第二部分:个人技术总结
在第一次作业“准备篇”中你为自己制定了学习路线,现在学习的怎么样了?你在团队开发中是否担任了开发角色,你在开发中解决了哪些技术问题?获得了哪些技术进展?
请你从个人技术学习角度和团队开发技术角度中选择你最擅长的一个相关技术,进行分析描述并总结。
-
相关技术的粒度不宜太大,比如不应该选择诸如Java语言/Html/JS这样的大类,而是一个较细的分类,如Axios的使用总结、Spring Boot上传和下载文件、在团队开发中采用的推荐算法等。
-
可以从项目开发过程遇到的“坑”以及采取的解决方案出发,构思技术主题。
-
要求单独为这个相关技术撰写一篇博客并发布,请在实践总结博客中给出技术博客的链接和技术概述,格式参考如下:
-
1| [技术博客标题](链接) -
2| 概述:.......
-
-
博客的内容应该至少包括以下部分:
- 技术概述,描述这个技术是做什么的/什么情况下会使用到这个技术,学习该技术的原因,技术的难点在哪里。控制在50-100字内。
- 技术详述,描述你是如何实现和使用该技术的,要求配合代码和流程图详细描述。可以再细分多个点,分开描述各个部分。
- 技术使用中遇到的问题和解决过程。要求问题的描述和解决有一定的内容,不能草草概括。要让遇到相关问题的人看了你的博客之后能够解决该问题。
- 进行总结。
- 列出参考文献、参考博客(标题、作者、链接)。
二、格式和要求
1.提交规则
-
1.补交:在deadline 后两天内提交视为补交,得实际得分 * 50%;忘记提交作业和补交扣分一致; -
2.缺交:在deadline 之后两天未补交视为博客缺交,分数为0分; -
3.作业抄袭:当助教发现两篇博客文字/图片/代码过于相似时,判定两篇博客都为抄袭,分数都为-100%(注意是倒扣!); -
注:前几次作业有出现模仿去年博客的情况,一旦助教发现将进行扣分处理,请同学们 独立完成作业,严禁一切形式的模仿和抄袭 -
4.伪造提交:虽然作业博客没有完成,但是先提交到作业占位置,判定为伪造提交,分数得0分;
2.格式
-
1|为了方便其他学校的老师或者助教了解课程实况,请大家在作业开头添加格式描述: -
2| 这个作业属于哪个课程 | <班级的链接> | -
3| :---- | :---- | -
4| 这个作业要求在哪里 | <作业要求的链接> | -
5| 这个作业的目标 | <写上具体方面> | -
6| 其他参考文献 | .... |
三、评分标准
第一部分
-
【覆盖课程目标1】
- (20') 5个阶段中,每个阶段收获最大的知识或能力是什么?
- (10') 结合自己在个人项目/结对编程/团队项目的经历,谈谈自己的理解或心得。
- (10') 自我评估对通过课程的学习,对各个课程目标的掌握程度,并作出解释。
-
【覆盖课程目标5】
- (20') 回顾自己思考过的5到10个问题:尝试解答、继续分析、提出新问题。
第二部分
- (20') 回顾自己思考过的5到10个问题:尝试解答、继续分析、提出新问题。
-
【覆盖课程目标4】
- (40') 个人技术博客
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
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。
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。
Hybrid Mount
杂交挂载元模块 Hybrid Mount Metamodule
【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。


