软件工程实践寒假作业

本文围绕软件工程实践,回顾了作者的专业选择和初衷,强调了阅读《构建之法》的重要性,并分享了对职业规划的思考,包括对团队角色的理解和个人编码能力的提升。作者期待通过课程学习提升编程和团队协作能力。
这个作业属于哪个课程软件工程实践-2023 学年-W 班
这个作业要求在哪里软件工程实践寒假作业
这个作业的目标学习markdown语法、阅读《构建之法》
其他参考文献《构建之法》、菜鸟教程

一、gitcode上传代码

在这里插入图片描述
仓库地址

二、回首过去

2.1 当初你为什么选择软件工程这个专业?

源于兴趣,幻想着自己学成后可以自己做游戏,但同时我还觉得,真正意义上的兴趣的发现是很难的事,在深入学习一门学科之前,我们往往
并不知道自己是真的对它有兴趣,还是只是崇拜一些高手,或是只看到了它某些光鲜亮丽的部分,但也算是权衡利弊后的选择吧。

2.2 当初对软件工程这个专业的期待和想象是什么?

希望软件工程未来的发展有我一席之地吧,能独当一面,独立地开发软件。

2.3 当初希望自己是如何投入这个专业的学习的?曾经做过什么准备,或者立下过什么FLAG吗?

就想着自己能够愿意花时间学习就可以了。

三、立足当下

个人资料

  • 腹肌屎壳郎
  • 帅照腹肌屎壳郎
  • 平平无奇,无获奖或项目经历

四、展望未来

4.1阅读《构建之法》,并阅读构建之法社区中前人提出的问题,选择5个及以上的问题写下自己的思考。要求在自己的思考中贴上原问题的链接。

问题1:如何能“证明”一个软件是可以继续发展的?
我认为可持续发展的软件应具备以下特征: 该软件是可更新迭代的,是不会随着硬件发展而被淘汰的;该软件是可持续创造收益的,而不是“入不敷出”的; 该软件的用户是源源不断的,不会同时被所有人抛弃的。
问题2:个人在团队中角色就像是一个流水线上的机器吗?
我认为不是,人具有机器没有的独特情感,我愿意称之为情怀。 虽然在软件开发过程中,每个人各司其职,犹如流水线上的机器做着自己该做的事情,但是软件开发需要团队合作与交流,显然机器没办法做到这点。
问题3:代码量与个人的编码能力有直接关系吗?
我认为这个问题不能一概而论,一个有着大量代码经验的程序员,他的编码能力一定高于大部分代码经验少的程序员,但不是绝对的。敲的代码量上去了,编码能力自然就提高了,也就是熟能生巧。也就是不能说某个程序员敲的代码量少,他的编码能力就一定弱。
问题4:工作时是否应该带着个人、感情驱动的因素?
我认为必须要带入一部分情感,否则我们人跟机器人有什么区别,但不能过多。工作中夹杂过多的个人感情时,会失去对工作的客观、公正的评判。
问题5:“技能”比“解决问题”更重要吗?
我认为解决问题比技能重要,至少是在我们计算机领域。目前这个技术飞速迭代的时代,我们学习掌握的技能数量永远没有技术迭代更替来的快,所以我认为解决问题更适应目前的时代。

4.2 你未来的职业规划是什么?

目前阶段对于未来的规划就是先考上研究生,在研究生阶段多做项目,丰富个人简历,其他的事目前还没考虑。

4.3 对于软件工程实践课程,你有什么理解和期望?

我认为这门课是对于前几个学期学习的编程语言以及对于系统的分析方法的融合,同时也要求我们掌握一个软件从最初的构想到最终实现的过
程。 我希望能从这门课中继续锻炼我的编程能力,特别是团队协作能力(包括但不限于与人沟通交流的能力、发现问题解决问题的能力、按
时完成任务的能力),为之后的工作打下坚实的基础。

五、思维导图和学习路线

5.1思维导图

Java思维导图

5.2学习路线

学习时间计划

内容概要:本文系统探讨了CUDA并行计算优化技巧在计算机竞赛中的实战应用,重点解决暴力枚举在大规模数据下超时的问题。通过将独立的解空间验证任务分配给GPU海量线程并发执行,显著提升计算效率。文章围绕图论(全源最短路径Floyd-Warshall算法)和数值计算(多初始值牛顿迭代求解非线性方程)两大高频竞赛场景,详细剖析了线程索引映射、原子操作、常量内存、流并发等核心优化技术,并提供了串行与并行代码对比及性能分析。结果显示,在A100和RTX 3090等GPU上,加速比可达72至150倍,实现从分钟级到秒级甚至毫秒级的性能突破。此外,文章展望了动态并行、多GPU协同、AI辅助调优等未来趋势,强调CUDA优化对培养软硬件协同思维的重要意义。; 适合人群:具备一定C/C++编程基础和算法竞赛经验,熟悉基本图论与数值计算问题,希望提升高性能计算能力的高校学生或竞赛选手(尤其是参与ACM、ICPC、NOI等赛事的1-3年备赛者); 使用场景及目标:①掌握如何将传统暴力枚举算法转化为GPU并行版本;②深入理解Floyd-Warshall和牛顿迭代等经典算法的并行化限制与优化策略;③学习CUDA内存模型、线程组织与同步机制在实际问题中的应用; 阅读建议:建议结合文中代码案例在支持CUDA的环境上动手实现并调试,重点关注线程映射、内存访问模式与数据依赖处理,同时对比串行与并行版本的运行效率,深化对并行计算本质的理解。
评论 6
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