个人作业3——个人总结(Alpha阶段)

本文总结了一个基于微信的在线签到系统的Alpha阶段项目进展,包括团队协作、个人贡献及遇到的问题。提出了改进团队协作、代码管理和测试等方面的建议。

个人总结

 我们在alpha 结束之后, 每位写一个博客, 总结自己的alpha 过程,

 

1.团队的整体情况

Alpha阶段我们团队项目进行的还不错,这和全队积极讨论和努力的共同成果。整个团队奋起直追,进度也赶上了。虽然团队博客的得分不是最高的(因为没有及时提交),但是我们每一位在这个过程中都尽职尽责,学到了团队协作的重要性,学到了完成一个项目所该具备的素质。

2.我做了哪些工作

我们做的项目是 基于微信的在线签到系统 ,我的主要工作,原形设计,部分代码,博客的完成。

3.我是否完成了pm分配的任务

PM分配的全部任务都完成了

4.不足的地方

我们项目刚好是用php编写,由于我们都没有接触过php,所以很不熟练,导致进度有待加强。

5.对团队的建议

在合作中,大家要一起想办法解决问题,不要只让一个人解决所有问题,这样换做是谁都会丧失热情。

5.提出5个问题

问题一:哪些代码需要添加单元测试 ?为何要进行单元测试?绝大部分的软件有很多人合作完成,大家的工作互有依赖关系。如何能让自己负责的模块功能定义尽量明确,模块内部的改变,不会影响其他模块的变化,质量得到稳定的,量化的保证?

  原因是单元测试有不少的优点,能够给我们的工作带来很大的帮助。单元测试的优点1.帮助开发人员编写代码,提升质量、减少bug。如果大家分析一下我们bug原因的构成,我想有会有一部分bug的原因是开发人员在编写工作代码的时候没有考虑到某些case或者边际条件。造成这种问题的原因很多,其中很重要的一个原因是我们对工作代码所要完成的功能思考不足,而编写单元测试,特别是先写单元测试再写工作代码就可以帮助开发人员思考编写的代码到底要实现哪些功能。例如实现一个简单的用户注册功能的业务类方法,用单元测试再写工作代码的方式来工作的话开发人员就会先考虑各种场景相关,例如正常注册、用户名重复、没有满足必要的填写内容......等等,之后就会编写相关的测试用例public Class UserSerivceTest(){}

  我看了这一段。如何能让自己负责的模块功能定义尽量明确,有这个问题 哪些代码需要添加单元测试 ?。 我查了资料,,根据我的实践,我得到这些经验。 但是我还是不太懂    

问题二:第七章P139:MSF过程模型是什么样的?怎么对CMMI的支持?

问题三:第六章,6.2:敏捷冲刺如何划定难度分?具体任务又该如何分配呢?有些组员认领的任务很多,有些组员认领的任务很少,有的组员说分配任务的时候请分配我能完成的。

问题四:第八章P143 :如何更好的获取用户需求?如何选择获取需求的方式?

问题五:第十三章:软件测试,我们写出来的软件该怎样去维护?该从哪个方面的层次去测试?

 

 

工程师自我评价:

人的能力和成长路径都是有多种选择,没有一定之规。 但是很多人喜欢数量化, 所以下面的的每项回答都可以换算为一个分数, 以满足部分读者的需求:

(C)1.保持高标准,不要受制于破窗理论(broken windows theory)[i]。 当你看到不靠谱的设计、糟糕的代码、过时的文档和测试用例的时候,不要想 “既然别人的代码已经这样了,我的代码也可以随便一点啦。”

    a) 从来没听说过;   b) 我就是这样随便过来的;  c) 如果有明确要求,我可以做好。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

(C)2. 主动解决问题。当看到不靠谱的设计,糟糕的代码的时候,不要想“可能别人会来管这个事情” ,或者“我下个月发一个邮件让大家讨论一下”。要主动地把问题给解决了[ii]

   a) 不懂啥是靠谱的设计;   b) 随便应付一下即可;  c) 如果有明确要求,我可以做好。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(C)3. 经常给自己充电,身体训练是运动员生活的一部分,学习是软件工程师职业的伴侣。每半年就要了解和学习一些新的相关技术。通过定期分享(面对面的分享,写技术博客等)来确保自己真正掌握了新技术。

   a) 从来不看书;   b) 看了就忘;  c) 有时分享。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(B)4.  DRY (Don't Repeat Yourself)——别重复。在一个系统中,每一个知识点都应该有一个无异议的、正规的表现形式。

   a) 从来没听说过;   b) 听说过,但是认为意思不大;  c) 这要讲场合。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)5.  消除不相关模块之间的影响,在设计模块的时候,要让它们目标明确并单一,能独立存在,没有不明确的外部依赖。

   a) 从来没听说过;   b) 出了问题再说吧;  c) 想做,但是不知道怎么衡量效果。  d) 能够在多种语言和架构中做到     e) 不但主动做, 还会影响同事一起做好

 

(E)6.  通过快速原型来学习,快速原型的目的是学习,它的价值不在于代码,而在于你通过快速原型学到了什么。

   a) 从来没听说过;   b) 把原型直接用于产品,不然就浪费了;  c) 不用原型,一直在产品中直接改。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)7.  设计要接近问题领域,在设计的时候,要接近你目标用户的语言和环境。

   a) 从来没听说过;   b) 按我的想法设计,用户以后会适应的;  c) 大概同意,但是怎么接近用户呢?  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(C)8.  估计任务所花费的时间,避免意外。在开始工作的时候,要做出时间和潜在影响的估计,并通告相关人士,避免最后关头意外发生。工作中要告知可能的时间变化,事后要总结。

   a) 做完了,就知道花费了,不用事先估计;   b) 大概估一下,不必在意时间   c) 如果有明确要求,我可以做好。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(C)9.  图形界面的工具有它的长处,但是不要忘了命令行工具也可以发挥很高的效率,特别是可以用脚本构建各种组合命令的时候。

   a) 一直用鼠标和GUI;   b) 到时候问牛人;  c) 正在学习命令行工具。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)10. 有很多代码编辑器,请把其中一个用得非常熟练。让编辑器可以实现自己的定制,可以用脚本驱动,用起来得心应手。

   a) 只用老师教的一个;   b) 随意;  c) 没有任何定制。  d) 会定制,并且分享给其他人     e) 还会学习和使用各种编辑器的扩展。

 

(B)11. 理解常用的设计模式,并知道择机而用。设计模式不错,更重要的是知道它的目的是什么,什么时候用,什么时候不用。

   a) 从来没听说过;   b) 模式没用;  c) 每写100行程序,我就尽量用一个模式。  d)有实际使用的经验     e) 能用具体代码说明模式的利弊

 

(C)12. 代码版本管理工具是你代码的保障,重要的代码一定要有代码版本管理。

   a) 从来没听说过;   b) 用QQ,u盘即可;  c) 领导要求才用。  d) 经常用     e) 不但主动做, 还会影响同事一起做好

 

(D)13. 在debug的时候,不要惊慌,想想导致问题的原因可能在哪里。一步一步地找到原因。要在实践中运用工具,善于分析日志(log),从中找到bug。同时,在自己的代码里面加 log.

   a) 从来没听说过;   b) 只会printf;  c) 加log 太麻烦,我的代码不会有bug 的。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(C)14. 重要的接口要用形式化的“合同”来规定。用文档和断言、自动化测试等工具来保证代码的确按照合同来做事,不多也不少。使用断言 (assertion) 或者其他技术来验证代码中的假设,你认为不可能发生的事情在现实世界中往往会发生。

   a) 从来没听说过;   b) 太麻烦,不用;  c) 想用,但没有时间。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(B)15. 只在异常的情况下才使用异常 (Exception),  不加判断地过多使用异常,会降低代码的效率和可维护性。记住不要用异常来传递正常的信息。

   a) 从来没听说过;   b) 抓住所有异常  c) 如果有明确要求,我可以做好。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(C)16. 善始善终。如果某个函数申请了空间或其他资源,这个函数负责释放这些资源。

   a) 从来没听说过;   b) 随缘;  c) 有时这样做。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(B)17. 当你的软件有多种技术结合在一起的时候,要采用松耦合的配置模式,而不是要把所有代码都混到一起。

   a) 从来没听说过;   b) 没有实践的机会;  c) 代码都在一起比较好管理。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(c)18. 把常用模块的功能打造成独立的服务,通过良好的界面 (API) 来调用不同的服务。

   a) 从来没听说过;   b) 拷贝代码过来用也可以  c) 如果有明确要求,我可以做好。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)19. 在设计中考虑对并行的支持,这样你的API 设计会比较容易扩展。

   a) 从来没听说过;   b) 并行不会出错的;  c) 任何代码都应支持并行。  d) 考虑在适当的层次支持并行     e) 不但主动做, 还会影响同事一起做好

 

(C)20. 在设计中把展现模块 (View) 和实体模块 (Model) 分开,这样你的设计会更有灵活性。 

   a) 代码都在一起比较好改;   b) 随缘啦;  c) 没搞清楚啥是V,啥是M。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(B)21. 重视算法的效率,在开始写之前就要估计好算法的效率是哪一个数量级上的(big-O)。

   a) 从来没听说过;   b) 我的数据量不大,无所谓;  c) 不会有效率问题的,现在CPU 都快了。  d) 主动测试程序效率,以验证估算     e) 不但主动做, 还会影响同事一起做好

 

(D)22. 在实际的运行场景中测试你的算法,不要停留在数学分析层面。有时候一个小小的实际因素 (是否支持大小写敏感的排序,数据是否支持多语言)会导致算法效率的巨大变化。

   a) 从来没听说过;   b) 想用,但不知道工具  c) 主要靠肉眼观察算法效率。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)23. 经常重构代码,同时注意要解决问题的根源。

   a) 从来没听说过;   b) 任何修改都可以叫重构;  c) 每天应该重构两次。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)24. 在开始设计的时候就要考虑如何测试 ,如果代码出了问题,有log 来辅助debug 么? 尽早测试,经常测试,争取实现自动化测试,争取每一个构建的版本都能有某些自动测试。

   a) 从来没听说过;   b) 我的代码不会出问题的;  c) 项目没有安排时间,我也没有提这事。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)25. 代码生成工具可以生成一堆一堆的代码,在正式使用它们之前,要确保你能理解它们,并且必要的时候能debug 这些代码。

   a) 从来没听说过;   b) 从来不看那些代码;  c) 那些代码没有bug。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(C)26. 和一个实际的用户一起使用软件,获得第一手反馈。 

   a) 从来没听说过;   b) 用户太蠢,不值得听反馈;  c) 想做但是没有机会。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(C)27. 在自动测试的时候,要有意引地入bug,来保证自动测试的确能捕获这些错误。

   a) 没听说过;   b) 不必这么麻烦;   c) 如果有明确要求,我可以做好。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)28. 如果测试没有做完,那么开发也没有做完。

   a) 从来没听说过;   b) 签入代码,就是做完了;  c) 。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(B)29. 适当地追求代码覆盖率:每一行的代码都覆盖了,但是程序未必正确。要确保程序覆盖了不同的程序状态和各种组合条件。

   a) 从来没听说过;   b) 覆盖20% 就好了;  c) 要覆盖至少60%。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(E)30. 如果团队成员碰到了一个有普遍意义的bug,  应该建立一个测试用例抓住以后将会出现的类似的bug。

   a) 从来没听说过;   b) 每个bug都是特殊的;  c) 测试用例不值得加  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)31. 测试:多走一步,多考虑一层。如果程序运行了一星期不退出,如果用户的屏幕分辨率再提高一个档次,这个程序会出什么可能的错误?

   a) 从来没听说过;   b) 如果有问题,用户会报告的,我们不用测这些;  c) 如果有明确要求,我可以做好。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(C)32. (带领团队)了解用户的期望值,稍稍超出用户的期望值,让用户有惊喜。

    a) 从来没听说过;   b) 我们决定用户的期望;  c) 如果有明确要求,我可以做好。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)33. (带领团队) 不要停留在被动地收集需求,要挖掘需求。真正的需求可能被过时的假设、对用户的误解或其他因素所遮挡。

   a) 从来没听说过;   b) 用户不说的,我们不做;  c) 如果有明确要求,我可以做好。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)34. (带领团队)把所有的术语和项目相关的名词、缩写等都放在一个地方。

   a) 从来没听说过;   b) 都记在我脑子里;  c) 大家看代码就好  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(E)35. (带领团队)不要依赖于某个人的手动操作,而是要把这些操作都做成有相关权限的人士都能运行的脚本。这样就不会出现因为某人休假而项目被卡住的情况。

   a) 从来没听说过;   b) 我们没有休假的,没关系;  c) 出了问题再说  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)36. (带领团队)要让重用变得更容易。一个软件团队要创造一种环境,让大家有轻松的心态来尝试各种想法 (例如,模块的重用,效能的提升,等)。

   a) 都听领导的;   b) 团队严肃紧张最好;  c) 不必尝试,失败的可能性太大。  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

(D)37. (带领团队)在每一次迭代之后,都要总结经验,让下一次迭代的进度安排更可靠,质量更高。

    a) 没有时间总结,直接做下一版;   b) 总结用处不大;  c) 如果上级有要求,就做一下;  d) 一直主动这样做     e) 不但主动做, 还会影响同事一起做好

 

 

转载于:https://www.cnblogs.com/smile12231/p/6840153.html

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界设计设计用户友好的界,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
Foodpanda 的全记录,包含 6000 条精心整理的记录,涵盖了从客户人口统计信息到订单、支付、评价和配送细节的各个方。它为数据分析师和研究人员提供了一个丰富的资源,可用于深入分析和洞察 Foodpanda 的业务运营和客户行为。 数据集内容客户人口统计信息:数据集详细记录了客户的年龄、性别、收入水平、地理位置等基本信息。这些信息有助于了解不同客户群体的特征,为精准营销和客户细分提供数据支持。 订单信息:每条记录都包含了订单的日期、时间、金额以及购买的商品或服务。通过分析这些数据,可以发现客户的购买习惯和偏好,例如哪些时间段是订单高峰期,哪些菜品最受欢迎。 支付信息:数据集中还包含了支付方式、支付状态和支付金额等信息。这些数据可以帮助分析不同支付方式的使用频率,以及支付成功率等关键指标。 评价信息:客户对订单、服务或产品的评分和评论也被记录在数据集中。这些评价数据对于情感分析和客户满意度研究至关重要,能够帮助 Foodpanda 了解客户的真实反馈,从而改进服务质量。 配送细节:数据集还详细记录了配送时间、配送地址和配送状态等信息。通过分析这些数据,可以优化配送路线和时间,提高客户满意度。 数据集的应用场景:客户行为分析:通过分析客户的购买习惯、偏好和评价,可以更好地了解客户需求,从而提供更个性化的服务。 客户流失预测:利用数据集中的客户行为和评价数据,可以构建模型预测哪些客户可能会流失,以便提前采取措施挽留。 客户细分:根据客户的人口统计信息和购买行为,可以将客户划分为不同的群体,为每个群体提供定制化的服务和营销策略。 销售趋势分析:通过分析订单数据,可以发现销售的增长或下降趋势,为业务决策提供依据。 情感洞察:通过分析客户的评价和评论,可以了解客户对产品或服务的情感倾向,及时发现潜在问题并加以改进。
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