2023年福大-软件工程实践-W班
软件工程实践第一次作业
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 关注 + 加入社区目录
- 0 作业基本信息
- 1 准备工作
- 1.1 华为云代码托管
- 2 往日种种
- 2.1 当初你为什么选择软件工程这个专业？
- 2.2 当初对软件工程这个专业的期待和想象是什么？
- 2.3 当初希望自己是如何投入这个专业的学习的？曾经做过什么准备，或者立下过什么FLAG吗？
- 3 立足当下
- 3.1 个人信息
- 3.2 专业技能
- 3.3 项目与实习
- 4 未来展望
- 4.1 构建之法与相关问题
- 问题一 如果AI工具能够自动生成大部分程序，人类软件工程师的角色将如何重新定义？
- 问题二 为什么“软件工程的核心在于权衡（Trade-off）”，而不是追求“零缺陷”或“完美质量”？
- 问题三 在软件工程层面，我们是否需要建立“反过度商业化设计”的设计原则或伦理规范？
- 问题四 复杂项目中，如何高效地进行"程序理解"？
- 问题五 开源项目的商业价值如何体现?
- 4.2 职业规划
- 4.3 课程理解
- 5 思维导图和学习路线
- 5.1 思维导图
- 5.2 学习路线
0 作业基本信息
| 这个作业属于哪个课程 | ttps://bbs.csdn.net/forums/FZU_university_2026 |
|---|---|
| 这个作业要求在哪里 | https://bbs.csdn.net/topics/620518050 |
| 这个作业的目标 | 注册CSDN；学习markdown语法；阅读《构建之法》；建立CodeArts仓库；绘制学习路线 |
| 其他参考文献 | 《构建之法（第四版）》邹欣 |
1 准备工作
1.1 华为云代码托管
2 往日种种
2.1 当初你为什么选择软件工程这个专业？
不同于大部分同学，我是在进入大学之后的转专业中选择了软件工程专业。软件工程这个专业在很多方面都是和我原先的专业相反的。有更好的就业，更高效的学习路径，更具想象力的前景。再加上我很早就接触过算法，相对别的专业来说，软件工程与我更容易一些。于是我就逃难到软件工程专业了。
2.2 当初对软件工程这个专业的期待和想象是什么？
一开始对软件工程的了解很肤浅，认为就是创造一些有意思的软件之类的。也期待可以创造一些属于自己的东。在我的想象中，这里有数不清的岗位和高额的薪水，随便学学就可以有较高的水平。现在回首来看完全不是这样的。
2.3 当初希望自己是如何投入这个专业的学习的？曾经做过什么准备，或者立下过什么FLAG吗？
当初几乎没有做什么准备，也没有想过应该怎样学习，完全是浑浑噩噩的。
3 立足当下
3.1 个人信息
| 姓名 | |
|---|---|
| 专业年级 | 软件工程2024级 |
| 兴趣爱好 | 电影，音乐，足球 |
3.2 专业技能
- 编程语言：c,c++,java,JavaScript
- 技术框架: SpringBoot,Vue3,RuoYi,MYSQL
3.3 项目与实习
- 项目经历：
浙江智能化运营与风险管控平台 | 实习开发工程师
2026.8 -2026.9 - 项目描述：面向运营商的企业级运维管理平台，涵盖业务系统、指令库、物理机、网元、链路等资源的全生命周期管理，支持变更轨迹追踪、权限控制、数据导出等功能。
- 我的角色：独立完成模块的全栈开发，实现账号的增删改查、条件筛选、数据导出功能。设计登录账号+专业的联合唯一校验机制，保障数据一致性。实现变更轨迹功能，通过自定义注解 + 反射机制追踪字段变更记录。通过多表关联查询（字典表、用户表）实现数据翻译，优化前端展示。
- 实习经历
新大陆软件工程有限公司 | java开发 |2026.7-2026.8
4 未来展望
4.1 构建之法与相关问题
问题一 如果AI工具能够自动生成大部分程序，人类软件工程师的角色将如何重新定义？
原链接
AI包办代码实现之后，软件工程师从写代码的人转向对可信系统负责的人。编码能力不再是稀缺能力，判断力，领域知识，问责能力变得更为可贵。软件工程师将会分层，大量岗位将被取代。
问题二 为什么“软件工程的核心在于权衡（Trade-off）”，而不是追求“零缺陷”或“完美质量”？
原链接
因为软件工程不是数学证明，“零缺陷”“完美质量”只能在一定的约束内实现，不是普世目标。
1.资源始终是优先的，越接近完美，边际成本越高，收益越小。
2.质量属性彼此冲突，像安全与性能，灵活与简单，一致性与可用性。
3.过于追求完美会锁死架构，不利于未来适应新的场景。
4.完美本身是难以判定的。
问题三 在软件工程层面，我们是否需要建立“反过度商业化设计”的设计原则或伦理规范？
原链接
我认为不管什么行业在个人道德和工作要求发生冲突时，理论上都应该将个人道德放在职业精神之上。但是现实中这却很难做到，过度商业化严重破坏了用户的体验，有时甚至违法伦理，如在用户不知情的情况下收集隐私，利用成瘾性首个财富，损害用户的身心健康。我觉得法律的修订和个人的道德修养的提高是当下极为迫切的。
问题四 复杂项目中，如何高效地进行"程序理解"？
原链接
1.主要看大体，忽略细枝末节。避免浪费太多时间理解细节上的难点。
2.试着从端到端走一遍。
3.直接去问了解的人，要善于沟通。
4.用强大的ai工具辅助理解。
问题五 开源项目的商业价值如何体现?
原链接
1.开源可以加速创新，启用外部智力，降低研发维护成本。
2.开源可以抢占接口和标准，防御竞争。
3.带动相关产品，增强品牌力量。
4.2 职业规划
短期内，我希望广泛的先接触各类事物，寻找适合自己的。同时继续保持基础理论知识的学习。争取在大三上确定方向，并尽快投入更具有针对性的学习和实习。当下环境变化很快，对于未来的规划必须既有长远的灵活性，有也短期的可实现性。
4.3 课程理解
- 关于软件工程这门课，我的理解是这是一门引领我们从个人走向团队，从编程走向工程的课。编程课关注“程序是否正确、算法是否高效”；软件工程关注“需求是否清晰、架构是否合理、协作是否顺畅、质量是否可控、成本是否可接受、系统能否长期演化”。它处理的是软件危机：需求模糊、复杂度高、变化频繁、团队协作难、质量与成本冲突。
- 我希望通过这么课程了解更多宏观的软件知识，和一些偏向实际应用的内容。也期望老师可以带来更多专业知识以外的启示。
5 思维导图和学习路线
5.1 思维导图
5.2 学习路线
相关推荐
YOLO26算法心电图十二导联目标检测+训练好的模型+368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）：[导联I(I), 导联II(II), 导联III(III), 胸导联V1(V1), 胸导联V2(V2), 胸导联V3(V3), 胸导联V4(V4), 胸导联V5(V5), 胸导联V6(V6), 加压肢体导联aVF(aVF), 加压肢体导联aVL(aVL), 加压肢体导联aVR(aVR)] · 训练集：313 张 · 验证集：37 张 · 测试集：18 张 · 总计：368 张 该数据集聚焦于临床心电图信号的精准识别与定位，其核心检测目标为标准12导联心电图中的各个独立导联波形区域，涵盖肢体导联（I、II、III）与加压肢体导联（aVR、aVL、aVF），以及胸前导联（V1至V6），适用于心电图自动分析系统中对各导联位置的快速准确标注与分类。数据采集场景真实还原了医院心电图室或急诊监护环境下的标准心电图记录纸，波形清晰、基线稳定，具有高度临床参考价值。... 【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 57 个 epoch，最终轮指标： 指标 | 数值 mAP50 | **0.9708** mAP50-95 | 0.6344 Precision | 0.8990 Recall | 0.9191 train/box_loss | 1.2231 train/cls_loss | 0.9703 val/box_loss | 1.2779 val/cls_loss | 0.... 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。
企业级AI助手平台 开箱即用的全栈AI平台，支持多智能体协同、Supervisor模式编排、多种决策模式、RAG技术和流程编排能力 支持多厂商大模型统一接入与管理，安全可控的企业知识库与高精度检索优化
企业级AI应用开发框架，支持多厂商大模型统一接入与管理，安全可控的企业知识库与高精度检索优化能力，提供可视化流程编排、自主决策智能体与多智能体协同调度，兼容主流 Agent Skill 协议，帮助企业与开发者零门槛快速构建安全、高效、可落地的AI智能体应用与行业解决方案。
VLOOKUP_fixed.py
VLOOKUP_fixed.py
基于动态窗口法DWA的机器人路径规划研究（Matlab代码实现）
内容概要：本文系统研究了基于动态窗口法（DWA）的机器人局部路径规划算法，深入剖析其在动态环境中实现自主避障与实时轨迹优化的核心机制。文章详细阐述了DWA算法的速度空间采样策略、轨迹预测模型、动力学约束处理及多目标代价函数的设计原理，并通过构建完整的Matlab仿真框架验证算法有效性。结合典型场景的仿真实验，展示了机器人在复杂障碍物环境下如何实时生成安全、平滑且符合运动学约束的最优路径，充分体现了DWA在移动机器人导航中的实用性与鲁棒性。; 适合人群：具备机器人运动规划基础知识和Matlab编程能力，从事智能移动机器人、自动驾驶或服务机器人研发的研究生、科研人员及工程技术人员。; 使用场景及目标：①深入理解DWA算法的理论基础与实现细节；②掌握机器人局部路径规划的仿真实现方法；③为实际机器人系统的导航模块开发提供可复用的算法原型与代码参考；④作为进一步研究高级导航算法（如TEB、MPC）的技术基础。; 阅读建议：建议结合提供的Matlab代码逐模块分析与调试，重点关注速度采样、轨迹积分、障碍物距离计算及代价评估等关键环节，通过调整参数在不同地图环境中进行对比实验，以深刻把握算法性能与参数之间的关系，进而提升对实时路径规划系统设计的理解与应用能力。
【轴承故障诊断】用于轴承故障诊断的集中时频分析研究（Matlab代码实现）
内容概要：本文系统研究了用于轴承故障诊断的集中时频分析技术，重点解决了传统时频分析方法在处理非平稳信号时存在的能量分散与分辨率不足等问题。通过引入集中时频分析方法，能够有效聚焦信号能量，精确提取轴承故障特征频率，提升故障识别的准确性与时效性。文章详细阐述了该方法的理论基础，并结合仿真信号与实际实验数据验证其优越性能，同时提供了完整的Matlab代码实现流程，涵盖信号预处理、时频变换、参数优化及结果可视化等环节，便于读者复现与拓展应用。; 适合人群：具备一定信号处理理论基础和Matlab编程能力的研究生、科研人员，以及从事机械设备状态监测、故障诊断与预测性维护工作的工程技术人员。; 使用场景及目标：①应用于电机、风机、齿轮箱等旋转机械的早期轴承故障检测，实现故障预警；②提升工业设备运维系统的智能化水平，支撑预测性维护体系构建；③作为高校或研究机构在信号处理、机械故障诊断等课程中的教学案例与实践素材。; 阅读建议：建议读者结合文中提供的Matlab代码逐段运行与调试，深入理解集中时频分布的生成机制及其关键参数（如核函数选择、平滑窗口大小）对诊断效果的影响，并尝试将其应用于其他类型的机械故障信号分析中，开展对比研究以深化对该方法适用性的认识。
