软件工程笔记:敏捷是什么

《软件工程》学习笔记 软件工程是技术与管理的结合,需掌握方法学、过程模型、质量控制与团队协作。通过理论学习与项目实践(如开发一个全流程项目),可深化对核心概念的理解。 阅读详情

敏捷是什么

— 笔记整理自 北京理工大学 计算机学院

典型瀑布模型开发

计划、过程管理、团队管理

需求 -》 设计 -》 编码 -》测试 -》部署

活动之间存在隔阂

分工明确是优点还是缺点?

备注:图片托管于github,请确保网络的可访问性

从瀑布到车轮

备注:图片托管于github,请确保网络的可访问性

敏捷宣言(对重型方法的宣战)

  • 个体和交互胜过过程和工具
  • 可以工作的软件胜过面面俱到的文档
  • 客户合作胜过合同谈判
  • 响应变化胜过遵循计划

宣言落地

  • 不同的敏捷方法采用的实践不同
  • 响应变化 — 快速迭代
  • 客户协作 — 快速迭代
  • 可工作的软件 — 持续交付
  • 个体与互动 — 站会和看板

XP - SCRUM - 精益

敏捷特征

  • 敏捷目标: 灵活和有效(言之有理,行之有效)
  • 开发过程: 快速增量迭代(每个版本都有所推进,螺旋式提升)
  • 管理风格: 自组织和自管理(促进式,非压制)
  • 响应变化: 自适应性

不同于重型方法的预测,应对变化的方式是制定更加详尽的计划来完成的;敏捷方法则不需要制定详细的计划,通过团队建设,过程的管理来达到自适应的结果

灵活和有效

  • 更好的响应变化的需求、更快的开发进度和更高的质量
  • 方法的灵活和创新
  • 有效的含义
    • 成功 (速度提高,质量提高了,团队建设了)
    • 失败 (尽早暴露了问题,及时止损,也是一种有效)

快速增量迭代

  • 小步快跑:小版本,小周期(2周 ~ 4周)
  • 随时看到效果(开发工作可视性)
  • 收集反馈(感知变化)
  • 随时修正(应对变化)
  • 维持团队成员开发积极性

自组织团队

  • 培养团队是关键
  • 自组织与自管理
  • 一个团队不只是一群人
  • 成员自动自发,默契,协作,互补
  • 共同的目标,共同的工作理念和文化
  • 建立在团队个人能力和松散管理的基础之上
    • 开发能力(业务能力)
    • 自我约束能力(逃避责任还是承担责任)
    • 松散管理(主动认领)
    • I can, I up

自适应性

  • 需求变更可以为客户创造竞争优势
  • 需求是不稳定的和全天候的
  • 对需求稳定性的判断和预测很难
  • 通过建立过程的自适应性来解决不可预测性
  • 原地踏步式的连续适应性变化收效甚微
  • 必须是增量式适应
复旦961-软件工程笔记 答疑 20191206知识点 画类图时,聚合情况相较于组合情况稍多,例如出现XX行为,XX列表,就要想到多个xx行为聚合成xx列表(比如外借,打印外借列表,就要想到是多个外借情况组成的外借列表;再比如书籍,书籍列表也是聚合关系) 不同项目有不同功能,用来实现这些核心功能的代码就叫业务逻辑 20190806 涉及到概念同一本书上给出很多不同定义,两本书之间描述也有差异,答题时候怎么答?清华的定... 阅读详情

相关推荐

STM32与威纶通触摸屏RS485通信实战:Modbus RTU协议与避坑指南

在工业自动化与嵌入式系统开发中,串行通信是实现设备间数据交换的基础技术。RS485总线凭借其差分信号传输、抗干扰能力强、支持多点通信及长距离传输等特性,成为工业现场广泛应用的物理层标准。其核心原理是利用一对双绞线进行平衡传输,有效抑制共模噪声。在协议层,Modbus RTU作为开放、简洁的主从式应用层协议,定义了统一的数据模型(如线圈、寄存器)和功能码,极大简化了不同厂商设备间的互操作性。结合STM32微控制器的UART外设与威纶通(Weinview)人机界面(HMI),可以构建稳定可靠的监控与控制系统。本

weixin_33925615的博客 337

软件工程务实——敏捷开发

敏捷软件开发( agile software development), 又称敏捷开发,是从20世纪90年代开始逐渐引起广泛关注的-些新型软件开发方法,它是一类轻量级的软件开发方法,提供了一组思想和策略来指导软件系统的快速开发并响应用户需求的变化。随着软件交付周期的日益加快,迭代式敏捷开发方法渐成标准,已经成为大多数软件开发团队的必选项。迭代对整个团队的需求、架构、协同及测试能力都提出了更高的要求,敏捷可以被看成是迭代式开发的一种导人方式,只不过敏捷的范围其实比迭代化开发更大些。

weixin_64278441的博客 3345

cuda安装时出现错误 Unable to locate package cuda-toolkit-12-4

cuda安装时出现错误 Unable to locate package cuda-toolkit-12-4

4872

敏捷思维方法论1-为什么要敏捷?

第一章:世界已经变了 传统的开发方式已经不能适应时代的发展。 2005年之前,大多数软件开发项目都是采用“瀑布法”。什么是瀑布法?将整个项目划分为多个阶段,每个阶段都要经过严格的评审,每一个阶段的工作做的足够好时才允许进入下一个阶段。这种开发方法会导致进度缓慢,最终可能需要延迟几个月甚至几年的时间才能交付产品,而且,往往会制造出用户不想要的产品。 瀑布法会把所有细节用一张甘特图来进行表现,以便能够...

handone_的博客 1589

南京邮电大学《数学实验》模块二(函数的迭代)参考答案

【代码】南京邮电大学《数学实验》模块二(函数的迭代)参考答案。

qq_1293730064的博客 3万+

南 京 农 业 大 学 试 题 纸 附表(rape.csv)是25个油菜材料,测得每个材料的千粒重、亚油酸等的含量. (1) 对物质含量的八个指标作主成分分析,画出碎石图和主成分得分图; (2) 选

(1)请用n1

Mrrunsen的博客 498

软件工程----敏捷模型

与瀑布模型不同,在软件测试的敏捷模型下,开发和测试操作都是同时进行的。摆脱浪费---促进学习---推迟承诺---及时交货---赋予团队全力---建立诚信---优化整个过程。短迭代是存在的,即FDD生命周期使用基本迭代和短迭代来有效地按计划完成工作,并保持大型项目的进行。域模型和功能列表是在生命周期的前两个活动中构件的,而后两个活动则获得了70%以上的工作量。定义:Scrum是一种敏捷开发方法,专注于基于团队的开发环境中的任务管理。代码审查---测试---增量开发是有益的---简单---设计---集成测试。

Dragonlongbo的博客 1112

optee技术简介

OP-TEE(Open Portable Trusted Execution Environment)是一种开源的可信执行环境(TEE),专为ARM TrustZone架构设计。TEE是一种独立的执行环境,运行在主操作系统之外,为敏感任务提供安全的计算空间,如加密、身份验证、密钥管理等。

baron-周贺贺-代码改变世界ctw 1281

敏捷文化_敏捷需要文化变革吗?

敏捷文化 如果伍德·艾伦是敏捷教练顾问,他可能会说: “#没有文化改变的敏捷是一种空洞的经历; 但随着空虚的经历,它是最好的之一” 我坐在敏捷会议上(我在这里包括Lean和Kanban),我听到人们说“要真正成为敏捷,您需要文化变革。” 我同意他们的观点。 是的,如果您真的想变得敏捷,并且要从敏捷中获得最大的收益,则需要改变组织的文化以采用敏捷方式。 我同意。 我也知道,每个关...

danpu1174的博客 479

《QGIS快速入门与应用基础》079:KML/KMZ格式:Google Earth兼容

KML/KMZ是专为地理可视化设计的空间数据格式,原生兼容Google Earth,支持点线面要素标注与多媒体集成。KML为XML文本格式,KMZ是其压缩版本。该格式优势在于可视化表现力强、跨平台共享便捷,适合地理标注、路线分享等场景,但存在属性支持弱、大数据量处理效率低等局限。QGIS中可便捷加载和导出KML/KMZ数据,需注意编码设为UTF-8、勾选"导出样式"以保留可视化效果。建议中小规模标注数据使用KMZ格式,确保关联资源完整,提升共享效率。

LuckyHanMo的博客 781

PCB仿真软件:Altium Designer_(15).AltiumDesigner的版本控制与项目管理

在进行PCB设计时,版本控制和项目管理是确保设计质量和团队协作效率的关键。Altium Designer 提供了强大的版本控制和项目管理功能,可以帮助设计团队更好地管理和维护项目。本节将详细介绍如何在Altium Designer中进行版本控制和项目管理,包括如何使用版本控制系统、如何管理项目文件、如何进行团队协作等。

kkchenjj的博客 1205

软件工程 - chapter02 - 敏捷开发

3. 敏捷开发 3.1 什么是敏捷? 在开发一个软件过程中,软件构件在变化、团队成员在变化、技术在变化。我们开发必须适应这种变化。做到‘敏捷’地调整策略,成为一个能够适应这些变化的敏捷开发团队。 3.2 敏捷及变更的成本费用 敏捷过程(包含增量交付)能够降低变更的成本是因为软件产品以增量方式发布,而且在增量的内部变更能得到较好的控制。 使用增量交付,变更费用显著降低。 3.3 敏捷过程是什么? 软件开发是不可预测的。敏捷软件过程必须增量地适应,敏捷团队需要客户的反馈来做出正..

ZUCK的博客 4777

深入解析高通SA8775芯片:性能、架构与研发创新趋势

SA8775芯片凭借其强大的CPU、GPU和AI加速能力,能够应对现代智能系统中的复杂计算任务。它不仅适合高性能计算、深度学习应用,也在汽车、智能设备等领域有广泛的应用前景。无论是在自动驾驶系统中,还是在车载信息娱乐和高级嵌入式系统中,SA8775都展现了其出色的计算能力和能效平衡,是现代智能系统的重要硬件基础。SA8775芯片作为高通的高性能处理平台,具有出色的计算和AI加速能力,但也存在一些值得关注的地方。

weixin_43199439的博客 9354

软件工程笔记:敏捷不是万能药

敏捷不是万能药 — 笔记整理自 北京理工大学 计算机学院 对敏捷的误解 对人的要求很高 自组织,自管理,全职能 敏捷没有文档,也不做设计 不是没有文档,强调高效,灵活的交流 敏捷好,其他方法不好 争论没有实际意义 敏捷就是XP,就是SCRUM 敏捷方法成千上万, 追求的符合敏捷宣言所倡导的就是敏捷 每个项目都要遵循敏捷标准 世界上没有同一片树叶,要做到无招胜有招 有诸多因素会影响我们选择和实施项目 宣言真的能落地么? 每次迭代后无法交付 需求不清 开发流程过长 代码质

Wang的专栏 489

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

软件工程笔记:典型的敏捷开发方法:SCRUM和XP

典型的敏捷开发方法:SCRUM和XP — 笔记整理自 北京理工大学 计算机学院 典型敏捷方法之SCRUM 来源于橄榄球比赛的英语, scrum vi.参加并列争球 vt.抛(球)开始并列争球 n.扭打, 混乱, 并列争球 团队成员像打橄榄球一样迅速、富有战斗激情、人人你争我抢地完成同一个目标 通过以下三点来展开: SCRUM开发模型 SCRUM的三种角色 SCRUM的3个实践 开发模型 备注:图片托管于github,请确保网络的可访问性 product backlog 对应整理后的用

Wang的专栏 1276

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

软件工程学习笔记——第八周:敏捷开发方法-2

敏捷设计 Scrum模型

预见未来to50的专栏 222

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

软件工程学习笔记——第八周:敏捷开发方法-1

敏捷开发概述 极限编程

预见未来to50的专栏 209

【备战软考架构师系列笔记 · 003】软件工程篇 —— 软件开发模型(下篇:敏捷开发) ⭐⭐⭐⭐⭐...

软件开发模型笔记(下篇)—— 敏捷开发模型/方法 # 敏捷开发 ## 特点 ### 以人为本 ### 迭代、循序渐进 ### 适用于小团队和小项目 ## 敏捷开发宣言 ### 1、最重要的是通过尽早和不断交付有价值的软件满足客户需要 ### 2、即使在开发后期,也要拥抱变化。敏捷过程能够驾驭变化,保持客户的竞争优势 ### 3、经常交付可以工作的软件,从几周到几个月,时间尺度越短...

WeskyNet 520

软件工程期末复习+考试总结(湖中大)

这个复习笔记主要是记录了软件工程学习中基本笔记,内容有些简略,但是基本涉及,下面指点出来的可以细细去学习一下,可以跟老师的PPT来。

m0_63231347的博客 4625

《软件工程之美》打卡第一周

在这里我和身边一些朋友特意整理了一份快速进阶为Android高级工程师的系统且全面的学习资料。涵盖了Android初级——Android高级架构师进阶必备的一些学习技能。附上:我们之前因为秋招收集的二十套一二线互联网公司Android面试真题(含BAT、小米、华为、美团、滴滴)和我自己整理Android复习笔记(包含Android基础知识点、Android扩展知识点、Android源码解析、设计模式汇总、Gradle知识点、常见算法题汇总。

2301_76327109的博客 963

PMP非常好考,但是不建议考!

2026年PMP考试备考指南:下半年黄金备考期启动。最新考纲调整,商业环境分值提升至26%,敏捷管理占40%,需针对性复习。科学备考3阶段:8-9月打基础,9-10月系统学习,10-11月冲刺模考。避开三大误区:目标松散、死啃教材、盲目刷题。考场注意分块作答、精准审题。提供全套备考工具和资料包,建议每日2-3小时系统学习,3个月可高效通关。

mm995420的博客 382

【软件工程】走进敏捷开发:灵活、协作、迭代的软件工艺之旅

敏捷开发,作为应对变革、迎合快速市场需求的得力工具,为软件开发注入了新的活力。在灵活应变、客户需求导向、团队高效协作的指引下,敏捷开发成为许多团队追求高质量、高效率软件交付的选择。然而,我们也要认识到敏捷开发的挑战和适用范围,以更明智的方式将其运用于不同的项目中。在这场软件工艺之旅中,敏捷开发既是指引方向的明灯,也是激荡激流的契机,期望读者通过本文对敏捷开发有更深入的了解,为未来的软件开发道路更添信心。

AliceNo的博客 1万+

软件工程学习笔记3——敏捷开发

敏捷宣言指出:敏捷不是一种方法论,也不是一种软件开发的具体方法,更不是一个框架或过程,而是一套价值观和原则。

qq_44778824的博客 1293

构建之法——现代软件工程 阅读笔记

敏捷开发的原则尽早并持续地交付有价值的软件以满足顾客需求。欢迎需求的变化, 并利用这种变化来提高用户的竞争优势。经常发布可用的软件,发布间隔可以从几周到几个月,能短则短。业务人员和开发人员在项目开发过程中应该每天共同工作。以有进取心的人为项目核心,充分支持信任他们无论团队内外,面对面的交流始终是最有效的沟通方式可用的软件是衡量项目进展的主要指标:敏捷流程应能保持可持续的发展。领导, 团队和用户应该能按照目前步调持续合作下去。只有不断关注技术和设计才能越来越敏捷.尽可能简化工作量的技艺。

m0_60308530的博客 1724

【2024软考架构师自学笔记】4. 软件工程基础知识

软件危机(Software Crisis)具体表现为软件开发进度难以预测、软件开发成本难以控制、软件功能难以满足用户期望、软件质量无法保证、软件难以维护和软件缺少适当的文档资料。软件工程是应用计算机科学、数学、逻辑学及管理科学等原理,开发软件的工程。软件工程借鉴传统工程的原则和方法,以提高质量、降低成本和改进算法。软件工程过程是指为获得软件产品,在软件工具的支持下由软件工程师完成的一系列软件工程活动,包括以下4个方面:P(Plan)——软件规格说明。规定软件的功能及其运行时的限制。

baidu_39879830的博客 1847

软件工程之美-笔记

软件工程之美 项目生命周期 规划 需求分析 设计 编码 测试 运行和维护 软件项目管理金三角 时间 范围 成本 全面提升软件工程能力与实践,打造可信的高质量产品 软件工程的核心 软件工程 = 工具 + 方法 + 过程 做中学 和 教中学 推荐配套书单 构建法 作者邹欣是微软的研发总监,同时在多所高校进行了软件工程的教学实践,在此基础上对软 件工程的各个知识点和技能要求进行了系统性整理,形成教材。也是本专栏很多很好的补 充。 人月神话 这是软件工程历史上的经典著作,内容发人深省,4

不懂先生的博客 4821
上一篇: 软件工程笔记:方法论来源于恐惧
下一篇: 软件工程笔记:典型的敏捷开发方法:SCRUM和XP
Wang's Blog
博客等级 码龄12年 7440粉丝 2427原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

打赏作者

Wang's Blog

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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