第一次软工作业

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	自我介绍，初步了解协作开发，明确自己学习目标
学号	092300124

一、团队主页地址

https://github.com/Hannezs/404-Team-Not-Found

二、 当前技能树与技术偏好（自我评估）​​

​​1. 目前已具备的专业知识与能力​​

• ​​能力 A：扎实的Python编程基础与数据处理能力​​
  ​​描述​​：熟练掌握Python语法、面向对象编程（OOP）以及常用的数据结构。能够熟练运用NumPy、Pandas进行高效的数据清洗、转换与分析，并使用Matplotlib、Seaborn进行基础的数据可视化。这是我进行任何数据分析或机器学习任务的基础。
• ​​能力 B：经典的机器学习算法理解与实现能力​​
  ​​描述​​：理解监督学习（如线性回归、逻辑回归、决策树、SVM、朴素贝叶斯）和无监督学习（如K-Means、PCA）的核心原理。不仅能够调用Scikit-learn库快速搭建模型，更能从零开始实现其中部分算法（如KNN、线性回归）以加深理解，并具备模型评估与调优（交叉验证、网格搜索）的实践经验。

2. 感兴趣的技术方向​​

• 兴趣方向一：自然语言处理​​
  我对让计算机理解和生成人类语言充满兴趣，特别是大语言模型的微调与应用、文本生成、情感分析等方向。我认为这是当前AI最具潜力和挑战性的领域之一。
• ​​兴趣方向二：AI基础设施与MLOps​​
  我不仅满足于训练出一个高精度的模型，更对如何将模型可靠、高效地部署到生产环境，并对其进行持续监控和维护感兴趣。这涉及到容器化、模型服务化、流水线自动化等知识，是连接算法与商业价值的关键桥梁。
• ​​兴趣方向三：计算机视觉的进阶应用​​
  希望在现有图像分类基础上，进一步探索目标检测、图像分割、生成式对抗网络等更复杂的视觉任务。

3. 自觉缺乏或待加强的能力​​

• 欠缺能力一：大型软件工程的系统化设计与架构能力​​
  ​​描述​​：目前我的编程经验多集中于算法实现和短平快的课程项目，代码规模较小。我非常缺乏设计一个可扩展、可维护的中大型软件系统的经验，包括如何设计清晰的模块接口、如何管理复杂的项目依赖、如何进行高效的团队协作开发等。
• 欠缺能力二：扎实的计算机系统底层知识​​
  ​​描述​​：对操作系统、计算机网络、编译原理等基础知识的理解还不够深入，这导致我在进行性能优化或排查一些深层Bug时感到吃力。例如，对并发编程、内存管理、网络协议等理解多停留在表面。
• 欠缺能力三：数据库与系统设计能力​​
  ​​描述​​：虽然会使用简单的SQL进行查询，但对于数据库的设计原则、索引优化、事务处理等缺乏系统知识。同时，对如何设计一个能支撑高并发的后端系统架构几乎一无所知。

三、 代码量与课程期望​​

​​当前代码量估算​​：累计编写的有效代码（不含作业重复）大约在 ​​8000 - 10000 行​​ 左右，主要集中在机器学习实验、课程作业和小型项目。
​​本学期课程后期望代码量​​：期望通过本课程的项目实践，能新增 ​​3000 - 5000 行​​ 高质量、有完整文档和测试的代码，使总代码量有一个质的提升。

​​四、 对本课程（软件工程）的期望​​

​​最期待学习的知识​​：
​​系统化的开发流程​​：希望从头到尾体验一次标准的软件开发生命周期，包括需求分析、系统设计、编码、测试、部署和维护。
​​团队协作工具与方法​​：深入学习如何使用Git进行高效团队协作，以及敏捷开发等项目管理方法。
​​软件设计模式与原则​​：学习如何写出“优雅”的代码，而不仅仅是“能跑”的代码，了解常用的设计模式和软件设计原则。
​​希望获得的核心收获​​：
​​工程化思维​​：将从一个“脚本小子”或“算法实验员”转变为一个具备“软件工程师”思维的人，考虑软件的健壮性、可扩展性和可维护性。
​​完整的项目经验​​：与团队成员合作，完成一个功能完整、结构清晰的中等规模项目，并将其作为个人作品集的重要组成部分。
​​解决复杂问题的能力​​：提升在多人协作、项目规模扩大时，分析、分解和解决复杂技术问题的能力。

​​五、 关于软件工程学习指南的分析​​

我选择使用​​ChatGPT​​生成一份简单的学习指南，如下所示：
软件工程课程学习指南 (由ChatGPT生成)

1. 掌握基础概念

• 理解软件生命周期（SDLC）、敏捷开发、Scrum等核心方法论。
• 学习需求分析、设计、编码、测试、维护各阶段的任务。

2. 学习建模与设计

• 掌握UML图（用例图、类图、时序图等），用于可视化系统设计。
• 了解设计原则（如SOLID）和常用设计模式。

3. 版本控制与协作

• 精通Git，包括分支策略、合并冲突解决。
• 使用GitHub/GitLab进行团队协作和代码审查。

4. 软件测试

• 学习编写单元测试、集成测试。
• 了解测试驱动开发（TDD）。

5. 项目实践

• 积极参与课程项目，从零开始参与一个完整的小型软件开发。
• 在项目中应用所学工具和方法。

6. 学习资源

• 教材：《软件工程：实践者的研究方法》
• 在线课程：Coursera的Software Engineering专项课程。

​​分析这份学习指南：​​

合理性分析​​：

​​优点​​: 这份指南​​高度合理且全面​​。它清晰地勾勒出了软件工程课程的核心知识骨架，从理论基础（SDLC、敏捷）到实用技能（Git、UML、测试），再到最终的实践项目，逻辑顺序由浅入深，覆盖了软件工程的关键环节。所推荐的书籍和在线资源也是公认的经典，指南结构符合教学大纲。
​​对我是否有帮助​​：
​​有帮助的方面​​：它提供了一个非常好的​​“地图”​​。作为学生，我可以清晰地看到这门课需要学习的模块有哪些，以及它们之间的关联。这有助于我制定学习计划，查漏补缺，特别是在“建模与设计”和“版本控制与协作”方面，它提醒我这正是我当前所欠缺的。
​​存在的不足​​：这份指南的局限性在于它​​过于纲领化和理想化​​。它列出了“需要学什么”，但几乎没有涉及“​​具体怎么学​​”以及“​​学习中可能遇到的真实挑战是什么​​”。例如，它说“精通Git”，但并未指出团队协作中分支管理策略的选择、合并冲突的预防等实际痛点。它更像是一个课程目录，而非一份可操作的学习路径。

​​我的总结​​：

这份指南作为一个​​宏观的学习框架是极佳的​​，它能确保学习方向不跑偏。但要真正掌握软件工程，我需要在这个框架的指导下，通过​​大量的项目实践​​去填充细节，亲身经历并解决指南中未曾提及的、层出不穷的实际问题。本课程正是我进行这种实践的最佳平台。

Markdown编辑器截图：