「MOSS - 07」MOSS队：Alpha阶段初始任务分配

原创 已于 2023-04-05 21:37:39 修改 · 251 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#敏捷开发

于 2023-04-05 21:19:59 首次发布
MOSS队在2023年北航敏捷软件工程课程中，进行了Alpha阶段的项目规划。团队依据功能规格书和技术规格书，将目标拆解为前端和后端的子任务，分别预估了42h和61h的工作量，并在GitHub上分享了项目仓库链接。

「MOSS - 07」MOSS队：Alpha阶段初始任务分配

项目内容
这个作业属于哪个课程2023年北航敏捷软件工程
这个作业的要求在哪里团队项目-Alpha阶段项目计划
我们在这个课程的目标是熟悉敏捷开发的方法论，并通过实际开发产品进行实践。
这个作业在哪个具体方面帮助我实现目标根据功能规格说明书中明确要在Alpha阶段实现的功能，以及技术规格说明书中团队提出的软件架构设计，将Alpha阶段目标分解成一系列子任务，落实到人，提高效率。

Author: MOSS队

Date: 2023.04.05

Part 0 仓库地址

  • GitHub 组织地址：https://github.com/MOSS2023ASE

  • 前端项目地址：https://github.com/MOSS2023ASE/service-frontend

  • 后端项目地址：https://github.com/MOSS2023ASE/service-frontend

Part 1 前端

前端任务预估总和时间为42h

在这里插入图片描述

在这里插入图片描述

Part 2 后端

后端任务预估总和时间为61h

在这里插入图片描述

在这里插入图片描述

MOSS2023
关注
「MOSS - 19」MOSS队：Alpha阶段项目展示
MOSS2023的博客
05-03 588
MOSS - 00」MOSS队：团队介绍。在项目进行的过程中，我们也根据实际情况进行了一定调整。成员分工于敬凯PM，项目管理，运维姜雨竺前端开发，架构设计，原型设计史泽宇前端开发，前端测试，原型设计王小鸽前端开发，API对接，原型设计王雪竹前端开发，原型设计陈楚岩后端开发，数据库叶颜函后端开发，后端测试以字典序陈楚岩我喜欢睡觉。在本次团队开发中主要担当后端开发的工作。姜雨竺第一次实习那个夏天我说再也不要沾前端了，从此写了一整年的前端。在本次团队开发中主要担当。
「MOSS - 17」MOSS队：Alpha阶段测试报告
MOSS2023的博客
04-27 410
Author: MOSS队。
「MOSS - 08」MOSS队：Alpha阶段项目计划
MOSS2023的博客
04-05 185
Author: MOSS队。
「MOSS - 18」MOSS队：Alpha阶段软件发布声明
MOSS2023的博客
04-27 312
Author: MOSS队。
「MOSS - 32」MOSS队：Beta阶段项目展示
MOSS2023的博客
06-10 564
MOSS - 00」MOSS队：团队介绍。在项目进行的过程中，我们也根据实际情况进行了一定调整。成员分工于敬凯PM，项目管理，运维姜雨竺前端开发，架构设计，原型设计史泽宇前端开发，前端测试，原型设计王小鸽前端开发，API对接，原型设计王雪竹前端开发，原型设计陈楚岩后端开发，数据库叶颜函后端开发，后端测试以字典序陈楚岩我喜欢睡觉。在本次团队开发中主要担当后端开发的工作。姜雨竺。
「MOSS - 31」MOSS队：Beta阶段软件发布声明
MOSS2023的博客
06-03 265
Author: MOSS队。
「MOSS - 05」MOSS队：功能规格说明书
MOSS2023的博客
04-05 407
Author: MOSS队。
LLaMA的解读与其微调(含LLaMA 2)：Alpaca-LoRA/Vicuna/BELLE/中文LLaMA/姜子牙
热门推荐
结构之法 算法之道
03-22 8万+
还开始研究一系列开源模型(包括各自对应的模型架构、训练方法、训练数据、本地私有化部署、硬件配置要求、微调等细节)​该项目部分一开始是作为此文《》的第4部分，但但随着研究深入 为避免该文篇幅又过长，将把『第4部分 开源项目』抽取出来 独立成本文。
【ChatGPT】Reverse-o1模型：深度解析RL的关键要素及如何将RL与LLM融合
热爱人工智能的一个要卡拉米！
12-05 920
首先，需要明确状态空间和行为空间的定义。在o1模型中，状态空间由Token序列组成，而行为空间则是模型在每个状态下可以选择的行为。通过将RL与LLM融合，构建复杂逻辑推理系统，为AI技术的发展提供了新的方向。尽管面临着状态空间巨大、搜索复杂度高等挑战，但通过优化搜索算法和奖励模型，可以实现更高效的推理能力。未来，随着技术的不断进步，RL与LLM的结合将为更多应用场景提供智能解决方案。
14、混合整数凸规划与 k - 路径：理论与算法解析
moss5的博客
09-16 22
本文探讨了混合整数凸规划求解器的性能差异，并深入研究了k-路径的理论与算法。通过引入辅助图和拟阵结构，提出了高效识别k-路径的算法，并设计了最小权重k-路径的多项式时间近似算法。研究揭示了k-路径与拟阵之间的深刻联系，解决了其识别、包含性及优化问题，为网络路由和图论提供了新的理论基础与应用前景。
48、超越GAIL：AIRL、f - MAX、FAIRL、RS - GAIL等方法解析
moss5的博客
09-26 48
本文深入解析了超越生成对抗模仿学习（GAIL）的多种先进算法，包括LS-GAN、AIRL、f-MAX、FAIRL和RS-GAIL。文章详细阐述了各算法的原理、优化目标、优势及应用场景，对比了它们在训练稳定性、学习效果和复杂度方面的差异，并通过图像生成、机器人控制和金融投资等实际案例展示了其应用价值。这些方法在解决传统GAIL局限性的同时，拓展了模仿学习与逆强化学习的能力边界，具有广泛的应用前景和发展潜力。
【LLM大模型】指令微调、peft高效参数微调
发现问题，并解决问题，批判性思维
05-07 1万+
LLaMA 是 Meta AI 发布的包含 7B、13B、33B 和 65B 四种参数规模的基础语言模型集合，LLaMA-13B 仅以 1/10 规模的参数在多数的 benchmarks 上性能优于 GPT-3(175B)，LLaMA-65B 与业内最好的模型 Chinchilla-70B 和 PaLM-540B 比较也具有竞争力。通过使用与 ChatGLM（chatglm.cn）相同的技术，ChatGLM-6B 初具中文问答和对话功能，并支持在单张 2080Ti 上进行推理使用。
BaiChuan2-7B-finetune完整微调代码（Swanlab可视化工具）
weixin_44312617的博客
11-24 1361
SwanLab是一款完全开源免费的机器学习日志跟踪与实验管理工具，为人工智能研究者打造。基于一个名为swanlab的python库可以帮助您在机器学习实验中记录超参数、训练日志和可视化结果能够自动记录logging、系统硬件、环境配置（如用了什么型号的显卡、Python版本是多少等等）可以完全离线运行，在完全内网环境下也可使用SwanLab官方文档 | 先进的AI团队协作与模型创新引擎Environment Card：实验参数卡片Charts：记录loss和accuracy。
Baichuan-13B 介绍及微调
dzysunshine的博客
07-19 6825
2023年7月11日，百川智能发布Baichuan-13B！
JAVA毕业设计含文档和代码springboot凉州区助农惠农服务平台
最新发布
11-30
JAVA毕业设计含文档和代码springboot凉州区助农惠农服务平台
【四轴飞行器的位移控制】控制四轴飞行器的姿态和位置设计内环和外环PID控制回路（Simulink仿真实现）
11-30
【四轴飞行器的位移控制】控制四轴飞行器的姿态和位置设计内环和外环PID控制回路（Simulink仿真实现）内容概要：本文围绕四轴飞行器的位移控制展开，重点介绍如何通过设计内环和外环PID控制回路来实现对其姿态和位置的精确控制。外环负责根据期望位移生成姿态指令，内环则依据这些指令调节飞行器的实际姿态，从而实现稳定的位置跟踪。整个控制系统在Simulink环境中进行建模与仿真，便于验证控制策略的有效性与鲁棒性。文中详细阐述了四轴飞行器的动力学模型、控制结构设计原理以及PID参数整定方法，帮助读者深入理解飞行器控制的核心机制。; 适合人群：具备自动控制理论基础和Simulink仿真经验的高校学生、科研人员及从事无人机控制开发的工程师。; 使用场景及目标：①用于教学实践中帮助学生掌握多变量控制系统的设计方法；②为无人机姿态与位置控制系统的开发提供可复现的仿真框架；③支持进一步研究高级控制算法（如串级控制、自适应控制）在飞行器中的应用。; 阅读建议：建议读者结合Simulink模型同步操作，动手调试PID参数以观察系统响应变化，加深对内外环协同控制机制的理解，并可在此基础上拓展为非线性或智能控制策略的研究。
【嵌入式开发】Rust与C++互操作技术指南：基于FFI与bindgen的混合编程及渐进式迁移方案设计
11-30
内容概要：本文是一份关于在嵌入式环境中实现Rust与C++互操作的工程实践指南，系统介绍了如何将Rust逐步集成到现有的C/C++驱动框架中。内容涵盖互操作机制（如FFI、extern "C"、bindgen工具）、构建系统集成（Cargo与Make/CMake等）、内存与所有权管理、中断处理、调试测试流程及性能优化，并提供完整的实战案例——用Rust实现I2C传感器驱动并集成到C项目中。文章强调安全性、兼容性和渐进式迁移策略，附有大量可运行代码和常见问题解决方案。; 适合人群：具备一定嵌入式开发经验，熟悉C/C++，并希望引入Rust提升代码安全性的中高级工程师或技术团队；适合正在考虑语言迁移或模块重构的开发者； 使用场景及目标：①在现有C/C++项目中安全嵌入Rust模块，降低内存安全隐患；②实现高效跨语言调用，优化关键组件的可靠性与维护性；③通过bindgen自动化绑定、联合构建与调试，完成实际驱动开发与性能验证； 阅读建议：建议结合示例代码动手实践，重点关注FFI边界设计、内存安全规则和构建脚本配置，在真实嵌入式平台上进行调试与测试以掌握全流程。
zhongyanghan_Risk-prediction-of-credit-card-transaction-fraud-based-on-L
11-30
zhongyanghan_Risk-prediction-of-credit-card-transaction-fraud-based-on-L
Garfield-0927_JavaExperiment_34704_1763630740306.zip
11-30
Garfield-0927_JavaExperiment_34704_1763630740306
Moss-viz: 实现Moss软件相似性度量的可视化工具
"Moss-Viz" 是一种可视化工具，它被设计用来在节点链接图中展示Moss（Measure of Software Similarity，软件相似性度量工具）的分析结果。Moss是一种广泛使用的软件相似性检测系统，主要用于教育领域检测学生作业中...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值