当前位置: 首页 > news >正文

102301210-郑烨的软件工程学期总结

软件工程课程学期总结

一、学期回顾

1.1 回顾我对于软件工程课程的想象

在本学期开始之前,我对软件工程课程的期待主要集中在三个方面:
一是系统了解软件开发的完整流程;
二是通过团队实践提升实际工程能力;
三是学习如何在真实项目中进行规范化协作。

从目前的学习与实践结果来看,这些目标在较大程度上得到了实现。在课程中,我逐步掌握了软件开发的整体思路,尤其是在团队项目中,对“软件并非只是写代码,而是围绕需求与协作展开”的理解更加深入。
但同时也存在一定不足。一方面,受时间和经验限制,对复杂系统的架构设计仍停留在较为宏观的层面;另一方面,在项目初期对需求变更的预估不足,导致部分设计在实现阶段需要反复调整。这些问题主要源于工程经验不足,对实际开发复杂性的认识仍不够全面。

1.2 回顾我在这门课程中的投入与产出

在软工实践课程中,我编写了约420行代码。

在团队项目中,我参与了智能旅游助手的设计与开发,主要承担的角色包括:

  • 负责部分需求分析文档的撰写
  • 参与部分系统整体架构的分析与设计
  • 提供后端技术支持

软工实践各次作业的投入时间如下:

作业 花费时间
第一次团队作业 6h
第二次团队作业 10h
第一次团队项目作业 16h
第二次团队项目作业 12h
第三次团队项目作业 20h
第四次团队项目作业 18h

在软件工程课程上的总体时间投入如下:

累计时间 实际周均时间 预计周均时间
82h 8.2h 7h

总体来看,本学期在软件工程课程上的投入是充足的,时间投入与学习收获基本成正比。

1.3 印象最深刻的一次作业或答辩

令我印象最深刻的是第三次团队项目作业。在这一阶段,代码从空空如也到颇见成效,我主要负责与后端逻辑相关的问题排查与代码部分的支持。
在冲刺期间,由于后端部分存在接口逻辑不一致和数据流转异常的问题,系统在运行过程中频繁报错。为保证项目进度,我在多次调试未果后选择在晚上集中时间进行排查,逐行检查后端代码与接口调用逻辑,最终定位并修复了关键问题,虽然确实调试到了很晚,但终于让系统能够稳定运行。
这次经历让我深刻体会到,软件工程不仅是按计划推进的过程,也常常需要在关键节点投入额外精力去解决实际问题。同时,我也意识到前期接口设计如果不够严谨,往往会在后期以调试成本的形式“集中爆发”。这次经历,让我对工程责任感和系统性思考有了更加直观而深刻的认识。

二、总结收获

2.1 我的软工实践故事

在多次团队项目实践中,我主要负责需求分析和架构相关工作。在项目初期,我通过与团队成员反复沟通用户需求,将较为模糊的功能设想整理为结构化的需求文档。
在项目推进过程中,我还结合 AI 工具对后端实现方案进行辅助分析,并参与讨论系统整体架构的可扩展性,使我对软件工程中的设计权衡有了更直观的认识。

2.2 学习到的新技术或生产力工具

  • AI 辅助工具(终于将ai调试的不像个傻子一样了):提升了后端设计与问题分析的效率
  • 需求分析与建模方法:帮助我将抽象需求转化为清晰、可实现的文档
  • 更好的文档制作工具(主要是md编写):美化文档

2.3 技术之外的提升

  • 团队协作与角色分工有了更加清晰的认识
  • 提升了沟通能力与需求表达能力
  • 学会从工程整体视角而非个人视角思考问题
  • 增强了对软件工程规范与流程的重视程度

2.4 如果还有什么想记录的或者想说的,就写在这吧

通过本学期的软件工程课程,我对未来的专业发展方向有了更加清晰的认识。相比单纯实现功能,我逐渐对系统设计以及后端开发产生了更浓厚的兴趣。

三、致谢

在本学期的软件工程课程中,我特别感谢我的团队成员和任课老师。在项目推进过程中,团队成员之间相互配合、积极沟通,使项目能够顺利完成;老师的反馈,也帮助我不断修正认知偏差。
感谢大家在一次次讨论、修改与尝试中给予的支持与耐心,这些经历将成为我学习软件工程过程中非常宝贵的回忆。

http://www.jsqmd.com/news/161408/

相关文章:

  • 6款AI论文神器实测:效率飙升100%,轻松告别拖延症! - 麟书学长
  • Docker镜像源推荐:PyTorch-CUDA-v2.7一键拉取与部署
  • 2025年终证券开户券商推荐:从产业投行到财富管理的5家高价值券商盘点。 - 品牌推荐
  • Java计算机毕设之基于SpringBoot的高校餐饮档口管理系统的设计与实现基于SpringBoot的大学食堂管理系统的设计和实现(完整前后端代码+说明文档+LW,调试定制等)
  • 2025年终手机炒股券商推荐:交易体验与投顾服务双维度实测TOP5排名。 - 品牌推荐
  • 2025年AI大模型学习路线图:从零基础到专家的完整指南_AI大模型学习路线(非常详细)收藏这一篇就够了!
  • CF1047C Region Separation - Link
  • PyTorch-CUDA-v2.7镜像中举办黑客松活动推广平台使用
  • 2025年终手机炒股券商推荐:聚焦智能工具与服务的5强深度解析 - 品牌推荐
  • Java毕设选题推荐:基于springboot+vue影视推荐系统的设计与实现电影推荐系统设计与实现【附源码、mysql、文档、调试+代码讲解+全bao等】
  • 对比测试:手动安装PyTorch vs 使用PyTorch-CUDA-v2.7镜像
  • PyTorch-CUDA-v2.7镜像跑Stable Diffusion效果如何
  • PyTorch-CUDA-v2.7镜像中对比传统‘pytorch安装’方式的十大优势
  • Java毕设项目:基于springboot+vue影视推荐系统的设计与实现(源码+文档,讲解、调试运行,定制等)
  • Java毕设项目:基于SpringBoot的高校餐饮档口管理系统的设计与实现(源码+文档,讲解、调试运行,定制等)
  • 2025年终证券开户券商推荐:不同投资需求下的券商选择指南与排名。 - 品牌推荐
  • 技术人文与企业价值观如何融合
  • PyTorch-CUDA-v2.7镜像预装了哪些常用库?pip list一览
  • JS删除数组里的某个元素方法
  • AI智能体协作提升财务报表分析的准确性和效率
  • CF1047虚拟赛总结 - Link
  • PyTorch-CUDA-v2.7镜像中评估推理延迟影响因素
  • 无需重复造轮子:直接使用PyTorch-CUDA-v2.7基础镜像
  • 论文AI率压不下去?这十大降AI工具真有用
  • PyTorch-CUDA-v2.7镜像中推出订阅制套餐增加收入稳定性
  • 中国一号信令(China No.1 Signaling)
  • PyTorch-CUDA-v2.7镜像内CUDA工具包版本说明
  • 阿里云系统磁盘总读BPS突然增长很高,导致网站502 Bad Gateway
  • AI率太高了怎么降?十大降AI工具一次讲清
  • PyTorch-CUDA-v2.7镜像中实现模型版本控制与回滚机制