软工个人总结

news/2024/12/30 18:04:27/文章来源:https://www.cnblogs.com/xuxuanyu/p/18637428

结束了?

一、学期回顾

1.1 课程想象与现实

最初听闻软件工程课程,脑海中浮现的是一群程序员在电脑前敲打着代码,创造出一个个功能强大的软件。想象着自己能通过这门课,精通多种编程语言,独立开发出令人惊艳的应用程序。可是在第一次编程作业布置下来时,发现自己什么也不会,不知从何下手。

如今学期结束,在所学所练方面,确实掌握了软件从需求分析、设计到编码、测试的整套流程,熟悉了如 Python编程语言的实际应用,学会了使用 Git 进行版本控制,这些实实在在的技能达成了部分期待。然而,在项目的架构设计优化、应对大规模代码的调试能力上,仍感不足。原因在于课程项目的复杂度有限,实战经验欠缺,遇到复杂场景时难以迅速拿出最优方案。

1.2 投入与产出

在软工实践课程当中我编写了约 5000 行代码。
我在个人第二次作业中独立完成了“羊了个羊”类似游戏的开发。

在结对编程中,与伙伴完成了一款“跨界合作平台”的小程序

我参与了 “剑来” 的设计与开发,在团队中担任前端开发人员,负责页面设计,页面功能的基本实现。

软工实践的各次作业分别花费的时间:

作业 花费时间
第一次个人作业 1h
第二次个人作业 10h
第一次结对作业 4h
第二次结对作业 80h
第一次团队作业 40h
第二次团队作业 30h
现场编程作业 3h
团队作业 alpha 冲刺 50h
团队作业 beta 冲刺 30h

在软件工程课程上花费的时间:

累计时间 实际周均时间 预计周均时间
248h 31h 10h

1.3 印象深刻的瞬间

印象最深刻的当属团队作业 beta 冲刺阶段。那一周里,团队成员们为了修复测试反馈的各种 bug,每天从早到晚都坐在电脑前,不断地改进优化,不断地写代码。

当最终成功上线稳定版本,看到“剑来”游戏能完整的运行,那种成就感无与伦比,深刻体会到团队力量汇聚爆发的震撼。

二、总结收获

2.1 软工实践故事

在个人编程时,为了实现一个复杂算法,反复查阅资料、调试代码,从最初的逻辑混乱到逐渐清晰,明白了扎实的基础知识和耐心调试的重要性。
结对编程时,与搭档相互启发,避免了很多思维盲区,像做界面设计,两人互补审美与技术实现,成品远超预期。
团队项目中,沟通协调是关键,成员技能各异,合理分工才能高效推进,如开发 “剑来”,前端、后端、测试各司其职又紧密配合,保障项目成功。

2.2 新技术与工具助力

•Lightly:Lightly是一款功能强大的集成开发工具(IDE),支持Python/C/C++/Java/JavaScript/PHP/HTML等多种语言在线编程。Lightly自动构建开发环境,提供优秀的IDE编程体验,项目实时存储在云端,可以与朋友协作开发或分享项目。Lightly是TeamCode旗下的完全免费的云端IDE,支持高亮显示、自动补全、多语种选择、安装第三方库、多人在线协作等功能。Lightly对高频移动、多平台切换等场景也十分适用。

2.3 技术外的成长

•团队协作:学会倾听他人意见,尊重不同想法,共同朝着目标努力,理解 1 + 1 > 2 的团队力量。
•时间管理:面对多项作业与项目节点,合理规划时间,制定任务优先级,保证各项任务有序推进,不再手忙脚乱。
•文档撰写:从需求文档到用户手册,规范的文档写作让项目思路清晰展现,便于团队传承与外部对接。

2.4 随心而记

在编程的过程中,总是能遇到奇奇怪怪的bug。“不是哥们,这怎么不能运行。”“bsgm,这怎么能运行”

因此,每次在解决不了问题的时候,常常想着,“要不我就摆了吧,总有人能写出来的。”

可是看着小组同学们都在为自己的分工努力,我觉得我也得尽力,不能半途而废。
时间过得很快,没想到软工实践这么快就结束了。之前还总是担心代码怎么写,最后到底能不能实现。现在全都是已经告一段落了。回想起这几个月的经历,不由得有点恍惚,感觉结束的有点突然,是不是在做梦。

三、致谢

这一学期的软件工程课程,是知识的积累、能力的成长,更是青春奋斗的见证,感恩一路相伴!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/860774.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

UML之关联

关联指两个类之间的各种联系。UML使用各种单实线表示关联,但关联所能够表达的信息远不只是一条实线所传递的依赖。关联指两个类之间的各种联系。UML使用各种单实线表示关联,这个单实线可以是直线(垂直的、水平的或者倾斜的)、折线甚至曲线。 事实上,关联也是展示类的属性的…

代码随想录——动态规划13.分割等和子集

思路 难点 我只想到了:“找一个子集,每个数取或不取求其和,看是否和另一个子集的和相等 ” 但是实际上既然是两个子集相等,那么只要和等于 sum/2 即可了! 取或不取用01背包,但是不知道怎么用。 只有确定了如下四点,才能把01背包问题套到本题上来。背包的体积为sum / 2 背…

深度解析 Transformer 模型中的位置嵌入(Positional Embedding)

在自然语言处理中,词语的顺序对句子的意义至关重要。然而,传统的自注意力机制无法区分词语的位置。本文深入浅出地介绍了**位置嵌入(Positional Embedding)**的概念及其在Transformer模型中的作用,解释了它如何帮助模型理解词语的顺序,从而提升文本处理的准确性。通过简单…

java8--方法--格式化输出--printf--索引

System.out.printf("%1$s %2$tB %2$te %2$tY","Due date",new Date()); 效果图:ps: 1.一个字符串需要有多个格式化单词,通过建立索引实现,索引值用%$包围,$后紧跟格式化的目标类型,后面按顺序传入变量或填写内容 2.t指定日期类型,b指定填充月份的完…

前端重学之Number

Number (尾附IEEE754解读) mdn文档 https://developer.mozilla.org/zh-CN/docs/Web/JavaScript/Reference/Global_Objects/Numberjs里的number是双进度浮点数 用IEEE745 编码 0b 0o 0x 分别表示 二进制 八进制 十六进制```js 0.tostring() //报错 0 .tostring()//正确 ```IEEE7…

DVWA靶场搭建及错误解决教程

前言 DVWA(Damn Vulnerable Web Application)靶场是一个旨在帮助安全人员和开发人员学习和提高网络安全技能的开源项目。它是一个故意存在多种安全漏洞的 PHP/MySQL 网络应用程序,通常用于学习和测试各种网络攻击技术 工具下载链接:https://pan.quark.cn/s/49ef556eb32b 搭…

招行面试:万亿GB网盘, 从0到1设计,如何实现?

本文原文链接 文章很长,且持续更新,建议收藏起来,慢慢读!疯狂创客圈总目录 博客园版 为您奉上珍贵的学习资源 : 免费赠送 :《尼恩Java面试宝典》 持续更新+ 史上最全 + 面试必备 2000页+ 面试必备 + 大厂必备 +涨薪必备 免费赠送 :《尼恩技术圣经+高并发系列PDF》 ,帮你 …

代码随想录——动态规划01背包

暴力:每一件物品其实只有两个状态,取或者不取,所以可以使用回溯法搜索出所有的情况,那么时间复杂度就是O(2^n),这里的n表示物品数量。 所以暴力的解法是指数级别的时间复杂度。进而才需要动态规划的解法来进行优化! 二维dp数组01背包确定dp数组及下标含义 dp[i][j]表示前…

2024-2025-1 学号20241315《计算机基础与程序设计》第十四周学习总结

作业信息这个作业属于哪个课程 2024-2025-1-计算机基础与程序设计)这个作业要求在哪里 <作业要求的链接>https://www.cnblogs.com/rocedu/p/9577842.html#WEEK14这个作业的目标 <写上具体方面>《C语言程序设计》第13-14章并完成云班课测试作业正文 https://www.cn…

2024-2025-1 20241415《计算机基础与程序设计》第十四周学习总结

2024-2025-1 20241415《计算机基础与程序设计》第十四周学习总结 作业信息这个作业属于哪个课程 2024-2025-1-计算机基础与程序设计这个作业要求在哪里 2024-2025-1计算机基础与程序设计第十四周作业这个作业的目标 自学《C语言程序设计》第13-14章作业正文 https://www.cnblog…

kubectl 命令行快速操作-2

9、对外暴露服务 参考:详解kubernetes五种暴露服务的方式 - 滴滴滴 - 博客园 前面只介绍了Nodeport方式,还有NodePort、LoadBalancer、ExternalName、Ingress方式,重点讲解Ingress方式。 nginx-ingress:GitHub - kubernetes/ingress-nginx: Ingress NGINX Controller for K…

主动式AI(代理式)与生成式AI的关键差异与影响

大型语言模型(LLMs)如GPT可以生成文本、回答问题并协助完成许多任务。然而,它们是被动的,这意味着它们仅根据已学到的模式对接收到的输入作出响应。LLMs无法自行决策;除此之外,它们无法规划或适应变化的环境。 主动式AI(代理式)的出现正是为了解决这一问题。与生成式AI…