当前位置: 首页 > news >正文

学期回顾随笔_102301412_章鸿晨

**## 一、学期回顾

1.1 回顾对于软件工程课程的想象
在课程开始前,我期待软件工程实践课能超越单纯的编码,成为一个模拟真实产业环境的练兵场。我希望能系统学习从需求分析、设计、开发到测试、部署、运维的全流程,体验团队协作、项目管理,并接触到现代软件开发中常用的工具链和方法论。

  • 达到期待的方面
    1. 完整流程体验:课程通过循序渐进的团队项目,确实让我完整地走了一遍软件开发生命周期。从最初的需求调研、原型设计,到技术选型、迭代开发、测试,再到最后的部署和展示,我有了全局视角。
    2. 团队协作与项目管理:通过使用Git进行版本控制、利用Issue和Project进行任务追踪、撰写周报、进行例会,我深刻体会到了团队协同工作的模式和规范的重要性。
    3. 工程化工具链:课程强制或引导我们使用了一系列工具,如GitHub/Gitee、CI/CD(如GitHub Actions)、API设计工具(如Swagger)、项目管理工具等,这极大提升了开发效率和组织性。
  • 存在的不足及原因
    1. 部分技术深度有限:由于项目周期和课程进度的限制,对于一些选用的新技术(如某个特定云服务或框架的高级特性),往往只能达到“能用”的程度,缺乏时间和动力去深入钻研其原理和最佳实践。
    2. “用户”反馈的模拟性:虽然我们进行了需求调研,但最终用户往往是老师、助教或同学,与真实市场用户的反馈强度和多样性存在差距,使得我们对产品“市场契合度”的感知有一定局限。这主要是受限于课程的教学环境。

1.2 回顾在这门课程中的投入与产出

  • 这学期大概写了5000行代码左右,主要集中在前端页面、与后端的一些函数上。 在“智能助手”项目中,我主要负责前端页面以及后端的部分逻辑,例如完成前端待办事项清单页面设计以及与后端的api接口对接/完成后端智能任务匹配模块。
作业 花费时间
第一次团队作业(组队与选题) 5小时
第二次团队作业(需求分析与原型设计) 15小时
第一次团队项目作业(技术选型与架构设计) 20小时
第二次团队项目作业(Alpha冲刺开发与测试) 20小时
第三次团队项目作业(Beta冲刺与优化) 8小时
第四次团队项目作业(发布与总结) 5小时
  • 在软件工程课程上花费的时间(含课堂、作业、自主学习)

    累计时间 实际周均时间 预计周均时间
    约73小时 约8小时/周 约8小时/周

1.3 令你印象最深刻的是哪一次作业或哪一场答辩?为什么这次作业或这场答辩令你印象深刻?

令我印象最深刻的是第二次团队项目作业。

我们原以为经过反复打磨的“会议办公AI系统”平台已经具备清晰定位,却在这次评审中受到了一次关键而深刻的叩问。课程老师与行业导师一针见血地指出:如果你们的产品只是将笔记、提醒、资源推荐等功能简单聚合,那么它与市面上已有的学习工具相比,独特性与不可替代性究竟在哪里?

答辩结束后,我们立即组织复盘,重新梳理产品逻辑:不再仅仅做一个“功能齐全”的工具,而是围绕“会议办公”这一核心,重构系统架构。

这次经历给我的收获远超出课程作业本身。它教会我的,不仅是如何做产品,更是一种本质性的思考方式:真正的创新,源于对问题本质的深刻洞察,而非对现有方案的简单优化

二、总结收获

2.1 技术之外,这门课程还给你带来了哪些方面的提升?

  1. 沟通与协作能力:学会了如何在团队中清晰表达技术观点、撰写可操作的任务描述、主持高效的站会,以及在出现分歧时如何寻求共识。
  2. 文档与表达习惯:从README、设计文档到测试报告、总结PPT,课程强迫我养成了“编码未动,文档先行”和“善于总结与展示”的习惯,这对任何工程工作都至关重要。
  3. 抗压与问题解决韧性:在Deadline临近和突发Bug面前,从最初的焦虑到后来能冷静分析、寻求资源、逐步推进,心理素质和处理复杂问题的能力得到了锤炼。

三、致谢

一个学期过去,我特别想感谢课程老师和助教:感谢你们精心设计的课程体系、每次作业的细致反馈,以及在答辩时提出的犀利而富有建设性的问题。你们的指导让我们始终朝着“工程化”的正确方向前进。

同时感谢所有为此付出努力的人,这段充满挑战与收获的软工实践旅程,因你们而完整。**

http://www.jsqmd.com/news/155953/

相关文章:

  • CSS 颜色
  • 7.C++入门:类和对象|日期类的实现|取地址运算符重载|const成员函数|初始化列表|类型转换
  • PyTorch安装教程Linux版:Ubuntu+CUDA+cuDNN完整流程
  • Python 3 推导式
  • YOLOv11目标检测模型训练实战(基于PyTorch-CUDA镜像)
  • PyTorch-CUDA-v2.6镜像发布:开箱即用的AI训练环境
  • Docker Compose编排多个PyTorch服务,构建AI微服务架构
  • Vue.js 过渡 动画
  • SSH密钥登录PyTorch容器,提高远程开发安全性
  • C 函数指针与回调函数
  • 生成何以智能?——论道法术器贯通的生成式AGI新范式及其技术实现
  • Thinkphp_Laravel框架开发的vue植物园性毒源成分管理系统_y2201
  • 无需复杂配置!PyTorch-CUDA基础镜像一键启动GPU训练
  • Java计算机毕设之基于SpringBoot+Vue的英语学习平台设计与实现基于springboot的大学生英语学习平台(完整前后端代码+说明文档+LW,调试定制等)
  • AI论文写作神器:6大工具一站式搞定选题到降重,1小时完成初稿效率翻倍!
  • 8.C++入门:类和对象|static成员|友元|内部类|匿名对象|对象拷贝时的编译器优化
  • 深度学习入门必看:如何在Windows上安装PyTorch GPU版本
  • C++ 模板
  • Git下载慢?教你用国内镜像加速克隆PyTorch相关项目
  • Java计算机毕设之基于springboot的宾馆客房管理系统Springboot+vue宾馆酒店客房管理系统(完整前后端代码+说明文档+LW,调试定制等)
  • 利用PyTorch-CUDA-v2.6镜像实现大模型Token生成加速
  • Thinkphp_Laravel框架开发的vue职位数据采集与数据分析系统设计与实现
  • YOLOv11模型训练新选择:PyTorch+GPU云环境部署指南
  • 生成何以智能?——基于六十四卦状态空间的原理认知新范式
  • Thinkphp_Laravel框架开发的垃圾分类系统的设计与实现
  • Markdown写技术博客 + PyTorch训练模型,全流程自动化实践
  • PyTorch安装卡在‘Installing, this may take a few minutes...’?一招解决
  • HarmonyOS 分布式硬件实战指南:从原理到可运行 Demo
  • 01.高安全用户表的设计
  • Anaconda Prompt常用命令速查表(PyTorch专用)