软件工程实践团队作业-站立式会议+α冲刺

kawayo306 kawayo306 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

截止时间

本次作业截止时间为:2026年10月29日 23:59
注:博客发布后需要审核,请同学们记得提前发布博客,避免影响作业提交。


一、作业要求

  • 1篇置顶集合随笔

    • 在本次任务过程中,团队要有一篇单独的随笔置顶,集中记录下方描述的所有博客链接,方便老师助教查看和统计。
  • 代码规范、冲刺任务与计划

    • 冲刺开始前,要求提交一篇关于团队的代码规范、本次冲刺任务与计划的随笔,并且要求各小组引入AI技术员(设计师、程序员、测试员等),描述如何驱使AI帮助团队完成任务。代码规范请参考阿里巴巴Java开发手册终极版v1.3.0、华为内部代码规范等设计。(18%)【覆盖课程目标7】
  • 7篇冲刺随笔

    • 在本次作业时间范围内,安排冲刺七天。每天举行站立式会议,讨论项目每个成员从昨天站立式会议到现在的进展、存在的问题/遇到的困难、从现在到明天站立式会议的安排。单独列出AI技术员的工作情况,可以在每篇随笔的"成员进展"部分中加入AI技术员的贡献,详细描述AI如何帮助团队解决问题或提高效率。
    • 要求团队在冲刺的七天内,每天发布一篇冲刺随笔,共七篇。(30%)【覆盖课程目标3】
    • 随笔中需提供当天站立式会议照片一张,会议照片应该是每天冲刺会议的真实非摆拍照片,可以挡住脸保护隐私 (如果出现照片复用的情况当天冲刺日志不计分),展示项目燃尽图;
    • 提供适当的项目程序/模块的最新运行图片/gif/视频 (如果缺少,当天冲刺日志-1.5分)
    • 每个成员描述自己从昨天站立式会议到现在的项目进展、存在的问题/遇到的困难、从现在到明天站立式会议的安排、心得体会(可以以表格的形式列出)
      • 团队成员的工作如果是开发工作必须有代码签入,给出签入记录对应的Issue内容和链接/图片 (如果缺少,当天冲刺日志-1分)
      • 团队成员的工作如果是测试等其他工作,需提供具体的结果,如截屏、测试报告等 (如果缺少,当天冲刺日志-1分)
  • 1篇测试随笔

    • 阅读学习《构建之法》第2章和13章,建立冲刺阶段的测试并行工作。根据不同项目,选择和运用合适的测试工具,并在冲刺过程中逐步展开自动化测试工作。单独发布一篇测试随笔,描述项目的测试工作安排、测试工具选择和运用、测试用例文档、测试体会、项目测试评述,可以特别强调AI技术员在自动化测试方面的作用(例如,描述如何选择和运用AI辅助的自动化测试工具,以及AI如何帮助提高测试效率和准确性)。(10%)【覆盖课程目标3】
  • 1篇冲刺总结随笔

    • 发布一篇冲刺总结随笔,描述
      1. 项目预期计划、现实进展(可以提供项目的运行图片、gif、视频或可运行的项目链接、项目文件等)(12%)【覆盖课程目标7】
      2. 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(20%)【覆盖课程目标6】
      3. 对下阶段展望,附上答辩 PPT 链接(5%)【覆盖课程目标7】
      4. 回顾AI技术员在整个冲刺过程中的表现,分析AI技术员的贡献,并展望下一阶段如何更好地利用AI。(5%)【覆盖课程目标7】
  • 项目课堂演示、答辩

    • 制作答辩PPT。可以对冲刺阶段做一个总结,比如燃尽图、项目完成情况、存在的问题,还有对下一阶段冲刺的规划等等,重要的是将alpha阶段完成的过程和结果展示出来。
    • 自行设计评审表,以腾讯共享文档的形式

二、评分标准

  1. 答辩得分(与之前计分规则一致)= 最终小组的排序评分 * 0.25 + 助教打分总和/(助教人数) * 0.35 + 老师打分总和/(老师人数) * 0.40
  2. 博客得分 = 82(随笔) + 18(代码规范、冲刺任务与计划)
  3. 本次作业得分 = 答辩得分 * 60% + 博客得分 * 40%

三、博客规范

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:
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>
这个作业的目标<写上具体方面>
其他参考文献...
1、提交规则
  • 博客以班级作业页面的提交时间为准;需要提交的代码以小组的云仓库的提交时间为准;
  • 在deadline前交,分数为实际得分 ;
    • 若帖子发布后在审核(帖子显示404),可以在deadline 之前先于作业页面提交链接,再等待审核通过
    • 不接受上传失败、网络原因等补交理由
  • 补交:在deadline 后两天内提交视为补交,分数为实际得分 * 50%;写了但是忘记提交作业和补交扣分一致
  • 缺交:在deadline 之后两天未补交视为博客缺交,分数为0分;
  • 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!);
  • 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;

注:提前提交的作业,如果能积极响应助教和老师的反馈并在deadline前做出相应修改,在后续评分时,这些修改完善也会被纳入考量。提早准备好处多~ 请同学们注意,deadline之后不允许再编辑博客内容

2、注意事项

班级群如果发布相关通知也是作业要求一部分,请及时查看群通知; 若需要在群填写相关信息,未能在deadline之前完成填写的,**扣实际得分的50%**; 如对作业存在疑问,请在deadline之前三天在班级群提出; 若助教对作业要求有修改,会在群内公告,请务必查看并按新的要求完善作业; 请及时回复老师或助教的点评并作出相应修改。即使提交了作业,也应该关注班级群中助教的公告!

3、疑惑解疑

若有对题意不清或者有不理解的地方,可在QQ群中直接提问

...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