作业1

这个作业属于哪个课程	https://edu.cnblogs.com/campus/fzu/202501SoftwareEngineering/
这个作业要求在哪里	https://edu.cnblogs.com/campus/fzu/202501SoftwareEngineering/homework/13546
这个作业的目标	完成 GitHub 主页个人介绍，完成团队主页搭建；生成符合团队特色的 Logo；撰写博客，进行作业展示和自我评估，并在博客中展示和反思学习成果。
学号	102301405
团队主页	https://github.com/YQL-light/Groups-warehouses

自我介绍截图

一、技能树与技术偏好（自我评估）

（一）已具备的专业知识和能力

1. 数学基础能力：扎实掌握高数知识，能够运用数学思维分析实际问题，比如在处理数据优化、算法复杂度分析等问题时，可借助高数中的极限、导数等知识进行推导；同时掌握线性代数的矩阵运算、向量空间等内容，为后续机器学习中的矩阵操作奠定了良好基础。
2. 编程与数据结构能力：具备 C 语言基础，熟练掌握指针、结构体的基本用法，能够使用 C 语言实现简单的程序开发，例如编写数据结构相关的底层代码（链表的创建、插入、删除，栈和队列的基本操作等）；还掌握一定基本的 Golang 语言，了解 Golang 的基本语法和简单的并发编程思想。
3. 计算机系统认知能力：学习了数据结构课程，熟悉链表、栈、队列、二叉树等常见数据结构的实现与应用，比如知道如何用二叉搜索树提升数据查找效率，在处理有序数据查询场景时，能合理选择该数据结构优化查询性能；通过计算机组成原理课程，了解了软硬件交互逻辑，明晰程序在底层的运行机制，比如清楚指令的执行过程、内存的分配与管理方式，这有助于在程序开发中更好地进行内存优化和性能调优。

（二）感兴趣的技术方向

1. 计算机视觉方向：尤其关注图像识别、目标检测的实际应用场景。例如在自动驾驶中的环境感知方面，期望了解如何通过计算机视觉技术识别道路上的车辆、行人、交通信号灯等元素，为自动驾驶决策提供准确依据；在医学影像中的病灶识别领域，好奇如何利用相关技术辅助医生更精准地发现影像中的病灶区域，提高疾病诊断的效率和准确性。
2. 嵌入式技术：重点关注嵌入式系统在智能硬件、工业控制及物联网（IoT）领域的应用。在智能硬件方面，希望深入研究消费级嵌入式产品（如智能手环、智能家居控制器）的开发逻辑，理解如何通过嵌入式芯片（如 STM32、ESP32）实现传感器数据采集、低功耗控制及与手机 APP 的交互功能；在工业控制领域，好奇嵌入式系统如何保障工业设备（如 PLC 控制器、机床自动化模块）的实时性与稳定性，确保生产流程的精准运行；在物联网场景中，期待了解嵌入式终端如何实现数据的边缘计算与远程传输，搭建 “感知层 - 网络层 - 应用层” 的完整物联网链路。

（三）目前缺少的能力

1. 深度学习实践能力：仅具备基础理论认知，缺乏主流深度学习框架（如TensorFlow、PyTorch）的实际操作经验，无法独立完成模型搭建与训练。
2. Python编程能力：当前未系统掌握Python编程技巧，而Python是AI领域的核心开发语言，该技能缺失会限制计算机视觉方向的技术实践。
3. 软件工程系统开发能力：缺乏软件工程相关的系统开发经验，不熟悉软件开发的完整流程（如需求分析、系统设计、编码实现、测试部署、维护迭代），在团队协作开发、项目管理、代码规范制定与执行等方面能力不足，难以参与大型软件项目的开发工作。
   4.嵌入式开发实践能力：虽对嵌入式方向感兴趣，但目前缺乏嵌入式系统开发的核心技能，比如不熟悉嵌入式 C 语言的底层编程（如寄存器操作、中断处理）、实时操作系统（RTOS，如 FreeRTOS、uC/OS）的使用，也未掌握嵌入式硬件调试工具（如示波器、J-Link 仿真器）的操作方法，无法独立完成从嵌入式硬件选型到软件编程、调试的完整开发流程。

二、代码量现状与目标

（一）当前代码量

截至目前，累计代码量约8000-9000 行（原表述存在笔误，修正为合理区间），代码类型覆盖 C/C++、汇编、Golang、Python，以课程作业为主，个人项目为辅。
当前代码局限：
功能层面：以单一模块、独立功能为主，缺乏多模块协同的系统性开发经验；
技术层面：未涉及高并发（如多线程、分布式）、复杂硬件交互、跨语言集成相关代码；
项目规模：均为小型项目或实验性代码，未参与过团队协作的中大型软件项目，缺乏工程化的代码管理与规范实践。

（二）本学期课程完成后希望达到的代码量

目标累计代码量提升至15000-18000 行，新增代码聚焦 “跨模块协同”“工程化实践”“兴趣方向进阶” 三大核心。

三、最期待在课程中学习到的知识与收获

1. 软件工程理论与方法知识：希望深入学习软件工程的核心理论知识，如软件需求分析方法、软件设计模式（如单例模式、工厂模式、观察者模式等）、软件测试策略（单元测试、集成测试、系统测试的方法与工具使用）、软件项目管理（如进度规划、风险控制、团队协作流程）等，了解软件开发的标准化流程和最佳实践，树立正确的软件开发理念。
2. 实际项目开发经验：期待通过课程项目实践，参与从需求分析、系统设计到编码实现、测试部署的完整软件开发过程，掌握项目开发中常用的工具（如版本控制工具 Git、项目管理工具 Jira、代码审查工具 SonarQube 等）的使用方法，提升团队协作能力和问题解决能力，能够独立完成小型软件项目的开发，为后续从事计算机视觉方向工程项目开发积累经验。
3. 跨学科知识融合能力：希望在课程学习中，能够将软件工程知识与之前所学的数学、数据结构、编程语言等知识相结合，例如在项目开发中，合理运用数据结构优化程序性能，利用数学知识进行算法设计与分析，同时探索软件工程方法在人工智能领域（尤其是计算机视觉方向）和嵌入式领域的应用 —— 在计算机视觉方向，学习如何对相关软件项目进行需求分析和系统设计；在嵌入式方向，了解如何将软件工程的模块化设计、测试流程应用于嵌入式系统开发，确保嵌入式软件的可靠性与可维护性，实现跨学科知识的融合应用。
4. 嵌入式与软件工程结合的实践思路：期待在课程中接触到嵌入式软件项目的开发案例，学习如何将软件工程的规范（如需求文档编写、版本控制、测试流程）应用于嵌入式开发场景，例如如何对嵌入式设备的控制软件进行需求拆解、如何设计模块化的嵌入式软件架构以适配不同硬件模块、如何通过单元测试保障嵌入式软件的稳定性，为后续将软件工程能力与嵌入式技术结合打下基础。
5. 工程化与团队协作能力：通过课程项目的团队协作，学习项目任务拆解、进度管理、代码审查、冲突解决等实践技能，掌握工程化的文档编写规范与代码管理方法，弥补现有代码 “缺乏系统性、工程化” 的局限，为后续参与中大型项目奠定基础。

四、豆包生成的《软件工程》学习指南及分析

（一）课程核心目标

• 掌握软件工程的基本概念、原理和方法，理解软件开发的完整生命周期，能够从系统的角度看待软件项目开发。​
• 具备软件需求分析、系统设计、编码实现、测试验证、项目管理的基本能力，能够参与小型软件项目的开发与管理工作。​
• 培养良好的软件开发习惯和团队协作意识，熟悉软件开发过程中的规范与标准，为后续从事软件相关工作奠定坚实基础。

（二）分阶段学习计划

1. 基础入门阶段（第1-4周）

• 核心内容：理解软件工程定义、生命周期（瀑布模型、敏捷模型等）、需求分析方法（如用例图、需求文档编写）。
• 学习方法：每周阅读1章教材（如《软件工程导论》），完成2个需求分析案例练习（如“校园图书管理系统”需求梳理），记录核心概念笔记。
• 工具学习：初步了解Visio（画用例图）、Markdown（写需求文档）。

2. 系统设计与编码阶段（第5-10周）

• 核心内容：学习系统架构设计（模块化划分、数据库设计）、编码规范（命名规则、注释要求）、版本控制工具Git的使用。
• 学习方法：小组协作完成1个小型项目设计（如“学生成绩管理系统”），分工完成架构图绘制、数据库表设计、核心模块编码；每周提交1次Git代码，记录代码提交日志。
• 实践任务：针对自己的编码模块，编写单元测试用例（如输入异常值、边界值的测试），提升代码健壮性。

3. 测试与项目交付阶段（第11-16周）

• 核心内容：掌握软件测试方法（黑盒测试、白盒测试）、测试用例设计、项目文档整合（设计文档、测试报告、用户手册）。
• 学习方法：对小组项目进行完整测试，记录Bug并修复；整合所有项目文档，形成标准化交付包；参与班级项目答辩，学习其他小组的设计思路。
• 拓展任务：尝试使用简单测试工具（如JUnit for Java、PyTest for Python），了解自动化测试基础。

（三）关键学习资源

1. 教材：《软件工程导论（第6版）》（张海藩）、《Head First 设计模式》（辅助理解设计原则）。
2. 在线资源：B站“软件工程公开课（哈工大）”、Git官方教程（https://git-scm.com/book/zh/v2）、LeetCode“软件工程相关编程题”（练编码规范）。
3. 工具：Visio（画图）、Git（版本控制）、Jira（简易项目管理，可选）。

（四）常见问题与解决建议

1. 问题：需求分析不全面，后续开发中频繁变更需求。
   建议：前期多与“用户”（如模拟的客户、小组同学）沟通，用思维导图梳理需求边界，形成书面需求文档并确认，避免口头需求。
2. 问题：团队协作中代码冲突频繁。
   建议：规范Git使用流程（如先拉取远程代码再提交、分分支开发），定期召开小组会议同步开发进度，及时解决冲突。
3. 问题：测试阶段遗漏Bug，影响项目质量。
   建议：按“功能点+异常场景”设计测试用例，采用“交叉测试”（小组内成员互测对方模块），确保测试覆盖全面。

五、学习指南合理性与帮助分析

1. 合理性分析

• 符合学习规律：指南按“基础-实践-交付”分阶段设计，与软件工程“需求-设计-编码-测试”的生命周期匹配，从理论到实践逐步深入，避免学习断层，适合有一定编程基础（如C语言、数据结构）的学习者。
• 贴合实际需求：强调Git、测试用例、项目文档等实用技能，这些技能不仅是课程必备，还能直接适配后续AI项目开发（如用Git管理深度学习模型代码、用文档梳理视觉项目需求）与考研复试（复试中可展示课程项目文档与协作经验），与你的考研规划和计算机视觉方向目标契合。
• 资源与问题解决方案具体：推荐的教材、在线课程、工具均为软件工程领域常用资源，且针对需求变更、代码冲突等常见问题给出可操作建议，降低学习难度。

2. 对我的帮助

• 明确学习重点：帮助我聚焦“需求分析”“Git使用”“测试用例设计”等核心技能，避免在学习中盲目刷题、忽视项目流程。
• 支撑考研与技术方向：指南中的小组项目实践可提升我的项目开发能力，后续在考研复试中可作为实践案例展示；Git、文档编写等技能也能适配计算机视觉方向的团队研发（如与他人协作优化图像识别模型代码）。
• 弥补能力短板：指南中“编码规范”“单元测试”等内容，能解决我当前“代码仅能实现功能、缺乏规范性与健壮性”的问题，为后续学习Python、深度学习框架打下规范编程的基础。

六、博客园后台编辑截图