zoukankan      html  css  js  c++  java
  • 软工实践个人总结

    一、请回望第一次作业,你对于软件工程课程的想象

    对比开篇博客你对课程目标和期待,“希望通过实践锻炼,增强计算机专业的能力和就业竞争力”,对比目前的所学所练所得,在哪些方面达到了你的期待和目标,哪些方面还存在哪些不足,为什么?

    • 达到:增强了实践锻炼能力,也增强了计算机专业的能力,在文档编写方面注意规范(尤其被各种挑刺),然后自己负责的东西一定要从头做到尾(不然你不知道被别人经手后你的东西会变成什么样子),也学习了很多知识,提高了自己找bug的能力,观摩了别人的学习方法等等。
    • 不足:在学习新知识方面,有时候还会给自己找借口;在细致方面还是不太够,继续肝!

    总结这门课程的实践总结和给你带来的提升,包括以下内容:

    Q:统计一下,你在这门软件工程实践中,完成了多少行的代码;
    A: 502(个人编程)+ 923(结对编程)+ 851(团队) = 2276

    Q: 软工实践的各次作业分别花了多少时间?(做一个列表)

    作业 花费时间(h)
    第一次博客作业 1
    第一次个人编程 5
    结对编程作业 26
    团队现场编程 4
    团队需求分析报告 4
    团队选题报告 4
    α冲刺六次 25
    β冲刺六次 13
    其他 10
    总计 92

    Q: 哪一次作业让你印象最深刻?为什么?
    A: α最后一次冲刺吧,当时我记得第二天要答辩,当天晚上一直在活动室找bug,改代码,(因为os实验报告也迫在眉睫),于是整晚都在肝,早晨六点多才回去睡了一小会会。(人生第一次通宵)看到了日出,当时的感慨就是我居然从天亮忙到了天亮,不过带来的身体反应也是极其大的,立个flag,不熬夜了,身体太虚了,受不了~不过收获还是颇丰的,起码α阶段一些已经发现的bug也改掉了,实验报告也做完了。

    Q: 累计花了多少个小时在软工实践上?平均每周花多少个小时?同时贴出开篇博客“你打算平均每周拿出多少个小时用在这门课上”的回答
    A: 累计92H,每周5.75H
    期待就是我可以了解一下软件开发过程,并且开发成功,然后提高我的实践能力(毕竟这种机会不多!)。具体时间的话,现在还没有正式完成作业,体会不到难易程度,无法估计自己需要用多少时间。

    Q: 学习和使用的新软件;
    A: pycharm,GUI,intellij idea64,vscode

    Q: 学习和使用的新工具;
    A: intellij idea64,GUI

    Q: 学习和掌握的新语言、新平台;
    A: js;博客园,github,markdown,web开发

    Q: 学习和掌握的新方法;
    A: 快捷找bug以及一些快捷键的使用

    Q: 其他方面的提升。
    A: 找资料找的更顺手了,有了集体意识和集体荣耀感,会更多地为团队考虑吧,(一致对外),更多从自身出发找问题,吐槽无用,工作量才是王道!

    二、写下属于自己的人月神话——个人或结对或团队项目实践中的经验总结+实例/例证结合的分析

    在结对编程中吧,两个小白完全不懂,然后迷迷糊糊的开始搞,从找软件啊,然后开始↓写代码,花了几个下午的时间吧,基本做完了,肝完的倒是挺快,虽然结果不尽人意,但是也算是付出了自己的努力;在团队实践过程中吧,小白学会了写前端接口,并且和后端接口能连起来我就觉得挺嗨皮,就感觉可能大佬看起来很微不足道的事情吧,但是经过自己的手瞧敲出来的东西还是不一样的(亲儿子一样),(虽然有很多bug)

    三、这学期下来,你最感谢的人是谁?有什么话想要对TA说呢?

    最感谢的人是珊珊&金杰吧,大部分时间和珊珊一起肝,还有刚开始入手web,对一些查错什么的完全不懂,辛苦金杰帮忙找分析问题,(膜拜大佬)

    四、个性发挥,包括图文、照片和创意等


    第一次放杨超越,嗯,超越姐姐保我吧(虽然还是不信哈哈哈哈哈)

  • 相关阅读:
    《Machine Learning in Action》—— 白话贝叶斯,“恰瓜群众”应该恰好瓜还是恰坏瓜
    《Machine Learning in Action》—— 女同学问Taoye,KNN应该怎么玩才能通关
    《Machine Learning in Action》—— Taoye给你讲讲决策树到底是支什么“鬼”
    深度学习炼丹术 —— Taoye不讲码德,又水文了,居然写感知器这么简单的内容
    《Machine Learning in Action》—— 浅谈线性回归的那些事
    《Machine Learning in Action》—— 懂的都懂,不懂的也能懂。非线性支持向量机
    《Machine Learning in Action》—— hao朋友,快来玩啊,决策树呦
    《Machine Learning in Action》—— 剖析支持向量机,优化SMO
    《Machine Learning in Action》—— 剖析支持向量机,单手狂撕线性SVM
    JVM 字节码指令
  • 原文地址:https://www.cnblogs.com/houyaqian/p/12182577.html
Copyright © 2011-2022 走看看