培训新人实录

通过一个具体案例,讲述了Java新手从初次编程到理解软件开发生命周期的过程。从需求分析到最终交付,强调了良好的编程习惯和代码组织的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在讲解了许多相关的概念的东西,新人自己也看了很多Java方面的书和项目所需要的一些相关文档后,我决定了解一下他的开发水平,于是就出了个题目,包含几个小的功能,打印出来(做证据)给他,让他试着做一下。

大约用了三天时间,期间要求我给过若干提示(都是技术方面的),告诉我完成了。演示程序,我发现有的功能根本不是我想要的,有的功能根本达不到我的要求(还好我有证据)。我试着操作一下,Bug百出。然后我又看代码,只有一个类,所有功能都写在里面,没有任何注释,变量全是1234等数字。

如果我是客户,对于这样的东西,我只能让推倒重做了。

这个结果比我预想的要糟糕的多。不过也正常,新人刚从学校出来,没有任何开发经验,完全跟做作业没什么区别。拿到作业题目,马上写完交差,结果,得了个60分,很满足的扔一边去了。

正好借此机会多教点东西吧。于是我就给他讲了一下最最基本的开发流程,从分析需求开始,直到交付代码。然后推倒重来了。由于新人有之前的失败的惨痛教训(程序必须重写),效果不错。

1.对于需求,要仔细分析,一条都不能漏。不能自己瞎猜,不能确定的要及时沟通交流。对需求进行整理并分类,记录在某些地方,以便以后进行确认。(反面教材,拿到需求就闷头开始做。)
2.调查需求相关知识。对需求所用到的不了解的相关知识进行调查。
3.进行设计。即使不写各种设计文档,不画各种UML图,起码也要在草稿上把package划分一下,各种类设计一下,各个类之间的关系想一下。(反面教材,一个类搞定所有东西。)
4.编码过程。先搭好整个框架,然后添加各个功能的具体代码。最好先写好测试用例。期间对代码进行不断重构,提高代码质量。注释一定要写。搞不定的地方多多思考,不要太依赖别人。(反面教材,一个类搞定所有功能,变量方法名混乱,无任何注释,无测试用例,总说"坐这里帮我把这块搞定吧"。)
5.觉得代码都写的差不多了,好歹自己做一下功能测试,并且对照需求看是否偏离或者遗漏,有问题就修改,直到不能再发现问题。(反面教材,不作测试,赶紧交差。)
6.觉得没问题了,至少找经验丰富的人员进行一下代码review,尽可能多发现问题,直到修改完毕。(反面教材,代码写完,赶紧交差。)
7.交差。起码这个时候再拿到QA那边,问题已经不多了。代码质量也比较高了。

当然上面的过程写的比较直白,没有用特别的专业用语,也裁减了很多流程,正式的CMMI流程比这个要复杂的多(要有很多很多的正式文档)。但是经过这样再普通不过的流程之后得到的程序,与之前的相比,已经是天壤之别了。经过这次培训,新人确实得到了很大的提高。

内容概要:该PPT详细介绍了企业架构设计的方法论,涵盖业务架构、数据架构、应用架构和技术架构四大核心模块。首先分析了企业架构现状,包括业务、数据、应用和技术四大架构的内容和关系,明确了企业架构设计的重要性。接着,阐述了新版企业架构总体框架(CSG-EAF 2.0)的形成过程,强调其融合了传统架构设计(TOGAF)和领域驱动设计(DDD)的优势,以适应数字化转型需求。业务架构部分通过梳理企业级和专业级价值流,细化业务能力、流程和对象,确保业务战略的有效落地。数据架构部分则遵循五大原则,确保数据的准确、一致和高效使用。应用架构方面,提出了分层解耦和服务化的设计原则,以提高灵活性和响应速度。最后,技术架构部分围绕技术框架、组件、平台和部署节点进行了详细设计,确保技术架构的稳定性和扩展性。 适合人群:适用于具有一定企业架构设计经验的IT架构师、项目经理和业务分析师,特别是那些希望深入了解如何将企业架构设计与数字化转型相结合的专业人士。 使用场景及目标:①帮助企业和组织梳理业务流程,优化业务能力,实现战略目标;②指导数据管理和应用开发,确保数据的一致性和应用的高效性;③为技术选型和系统部署提供科学依据,确保技术架构的稳定性和扩展性。 阅读建议:此资源内容详尽,涵盖企业架构设计的各个方面。建议读者在学习过程中,结合实际案例进行理解和实践,重点关注各架构模块之间的关联和协同,以便更好地应用于实际工作中。
资 源 简 介 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系, 详 情 说 明 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系,在此基础上重点分析了一种快速ICA实现算法一FastICA。物质的非线性荧光谱信号可以看成是由多个相互独立的源信号组合成的混合信号,而这些独立的源信号可以看成是光谱的特征信号。为了更好的了解光谱信号的特征,本文利用独立分量分析的思想和方法,提出了利用FastICA算法提取光谱信号的特征的方案,并进行了详细的仿真实验。 此外,我们还进行了进一步的研究,探索了其他可能的ICA应用领域,如音乐信号处理、图像处理以及金融数据分析等。通过在这些领域中的实验和应用,我们发现ICA在提取信号特征、降噪和信号分离等方面具有广泛的潜力和应用前景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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