Advertisement

SJTU-SE: 上海交通大学软件工程本科作业

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
SJTU-SE是上海交通大学软件工程本科课程中的作业集合,涵盖编程实践、算法设计与分析等多个方面,旨在培养学生的软件开发能力和团队合作精神。 上海交通大学软件工程本科作业课程中文名:软件基础实践 English name: Solutions Date: 2020.9 - 2021.1 软件基础实践(日期:2020.9 - 2021.1) 重复内容已删除。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • SJTU-SE:
    优质
    SJTU-SE是上海交通大学软件工程本科课程中的作业集合,涵盖编程实践、算法设计与分析等多个方面,旨在培养学生的软件开发能力和团队合作精神。 上海交通大学软件工程本科作业课程中文名:软件基础实践 English name: Solutions Date: 2020.9 - 2021.1 软件基础实践(日期:2020.9 - 2021.1) 重复内容已删除。
  • 研究生PPT
    优质
    本课程为上海交大研究生软件工程项目,提供全面深入的软件开发理论与实践指导,涵盖设计、编码、测试等环节,旨在培养学生的项目管理和团队协作能力。 上海交通大学的软件工程课程面向研究生级别学生设计,旨在深入探讨软件开发理论与实践。这门课程使用PPT授课,并由沈备军教授讲授,内容结合了最新的研究进展及工业界的实践经验。 在学习过程中,我们将首先接触软件开发生命周期(SDLC),它包括需求分析、系统设计、编码、测试和维护等阶段。需求分析涉及明确软件功能与性能要求,通常通过用户沟通及编写需求规格说明书来完成;而系统设计则关注架构设计和模块划分以确保可扩展性和可维护性。 在编码阶段,学生将学习如何使用Java、C++或Python等多种编程语言实现设计方案,并遵循良好的编程规范。测试环节是保证软件质量和可靠性的关键步骤,包括单元测试、集成测试及系统测试等;而上线后的维护工作则涉及修复错误、新增功能以及适应技术环境变化。 课程还将深入讨论软件质量保证和管理的相关内容,如ISO 9001质量管理体系与CMMI模型。此外,敏捷开发方法(例如Scrum和Kanban)也是现代软件开发中的重要趋势,强调迭代式开发及灵活应对变化的能力。 风险管理是软件工程中另一个关键概念,包括识别潜在问题、评估其影响以及制定相应的对策;而版本控制工具如Git的应用则有助于团队协作并追踪代码变更历史记录。理论方面,则可能涵盖软件度量、复杂性理论和人机交互设计等内容,这些知识能够帮助我们更好地理解和改进开发流程。 此外,课程还关注软件项目管理的相关议题,包括时间表制定、资源分配以及团队协调等方面;有效的项目管理工具(如Jira)及方法论(例如瀑布模型与敏捷方法)对于确保项目的成功至关重要。上海交通大学的这门研究生课程全面覆盖了软件开发各个环节的知识点,并注重培养学生的实际技能和对行业动态的理解,为希望在该领域深造的学生提供了宝贵的教育资源。
  • Python课
    优质
    本项目是上海交通大学计算机科学基础课程中的Python语言大作业,涵盖数据分析、Web爬虫及应用开发等主题,旨在提升学生的编程实践能力。 本人的程序设计通识课期末大作业源代码和说明文档供大家参考,欢迎共同学习Python。
  • 线性系统课设计
    优质
    本作业为上海交通大学线性系统课程设计作品,涵盖线性系统的建模、分析与控制策略设计等内容,旨在培养学生的理论联系实际能力和工程实践技能。 上海交大仪器系研究生课程《线性系统分析与设计》的大作业要求使用MATLAB编写代码。
  • C++课
    优质
    本课程件由上海交通大学精心打造,旨在教授学生掌握C++编程语言的核心概念与高级特性,涵盖数据结构、算法及面向对象编程等内容。 交大经典C++课件内容详尽,适合初学者学习,大家可以放心下载。
  • SJTU-RM-CV-2019: RoboMaster 2019赛季视觉代码-源码
    优质
    SJTU-RM-CV-2019是上海交通大学团队在RoboMaster 2019赛季使用的视觉算法和源代码集合,涵盖多种计算机视觉任务,助力机器人竞技表现。 上海交通大学 RoboMaster 2019赛季 视觉代码本代码是上海交通大学RoboMaster2019赛季步兵车辆的视觉部分,分为三个模块:装甲板识别、能量机关以及封装的设备驱动和配置文件。可以提取能量机关以外的模块并修改main函数直接作为哨兵识别代码。该代码统一使用640×480大小的图像进行处理。 运行效果: - 自瞄帧率120(摄像头最大帧率) - 识别距离根据环境不同大约为8米左右(5mm焦距镜头)。
  • SJTU-Anonymous_Forum: 【不予回应】——匿名论坛
    优质
    SJTU-Anonymous_Forum是上海交通大学学生发起的一个匿名交流平台,旨在提供一个安全的空间供学生们讨论敏感话题和分享个人看法。该板块【不予回应】意在声明某些议题的官方立场或处理方式。 「无可奉告」上海交大匿名论坛的Android前端已发布。您可以在官方网站查看iOS版本。 更新:此android前端版本暂时无法维护。 「无可奉告」旨在为上海交通大学提供一个无忧无虑的论坛平台,更多信息请在网上查阅我们的官方网站。 致谢 “无可奉告”离不开每个成员的努力和贡献。 该项目源自小组成员的一门软件工程课程项目。我们希望在2020年秋季学期将此项目从课堂作业提升至实际应用层面,因此重新启动了这个项目。用Python重写并完成了后端代码,并改进了Android前端(特别感谢提供关于Android的指导)。完成并优化了数据库,Yiyuan Dong提高了服务器性能。 最衷心地感谢Dong Haichen实施iOS版本“无可奉告”,为后端优化和Web服务做出了巨大贡献。
  • 山东
    优质
    本项目为山东大学大三上学期软件工程课程的期末作业,旨在通过团队协作完成一个完整的软件开发流程,从需求分析到测试交付,提升学生的实践能力和团队合作精神。 在软件工程领域内,风险管理、需求分析、设计、实现、测试及维护是六个核心环节。本段落将着重探讨其中的风险管理和需求分析两个方面。 一、 风险管理 风险管理作为软件项目中的重要组成部分,旨在识别并控制潜在风险以确保项目的顺利推进。它包含一系列步骤:如风险的发现与评估;对已知风险进行深入分析,并根据其可能产生的影响和发生概率给它们排序;制定应对策略;以及持续监控这些措施的有效性。 二、 需求分析 需求分析同样是软件开发不可或缺的一环,它的目标是明确用户的具体要求并据此确定产品的功能特性。这一过程通常包括数据收集、解析客户需求、编写规范文档以及最终验证这四个阶段。 三、 软件设计 在确立了产品的需求之后,接下来的任务就是根据这些信息进行详细的设计工作。此环节中需要考虑的因素众多,比如软件的功能性要求、性能指标及后期维护的便利性等,并且需严格遵守相关的设计准则来保障最终产品的质量与稳定性。 四、 设计评审 设计评审是确保设计方案符合预期的重要步骤之一,在这一阶段里会进行初步以及关键性的审查会议,以确认所有的技术细节都已准确无误地被记录下来并且满足所有既定标准和客户期望值。 五、 软件实现 软件实现是指将上述规划转化为实际代码的过程。这一步骤包括编写程序代码,并通过单元测试及集成测试来保证其正确性与完整性,同时也要确保产品能够达到客户的满意程度。 六、 测试与维护 最后两个步骤是针对已完成的应用进行质量检验和长期支持服务。前者旨在验证软件的各项性能是否达标;后者则专注于解决出现的问题并保持系统的持续运行状态良好。 综上所述,本段落概述了软件工程中的六大核心流程,并强调了它们之间相辅相成的关系以及项目成功所需的技术知识与人际沟通技巧的重要性。
  • SJTU-Beamer:适用于生小组会议和课项目的Beamer模板
    优质
    SJTU-Beamer是一款专为上海交通大学学生设计的LaTeX演示文稿模板。它优化了小组会议与课程项目报告的需求,提供专业且统一的视觉风格,帮助学生高效展示学术成果。 上海交通大学Beamer模板专门为上海交通大学的学生在小组会议或课程项目上发表演讲设计。使用方法是直接从GitHub下载zip文件,然后上传以使用此模板。配置相关信息可以在下载的文件中找到详细指导。
  • 2019-2020年春期基数值计算方法
    优质
    这是一份来自上海交通大学2019-2020年春季学期《基本数值计算方法》课程的学生作业,涵盖了该课程的核心内容和练习题。 《上海交通大学2019-2020春季学期基本数值计算方法作业解析》 数值计算方法是计算机科学与工程领域的重要组成部分,它涵盖了解决实际问题的各种算法设计及分析技术。在该课程中,学生通过学习掌握如何运用Matlab等工具来解决误差理论、寻根问题、数据插值和拟合以及矩阵应用等相关核心概念。 误差理论作为数值计算的基础,主要研究因舍入或截断导致的实际结果与理想情况之间的差异。使用Matlab时,理解并控制这些误差至关重要,因为它们直接影响到最终的精度和可靠性。学生可能会编写程序来分析不同算法产生的绝对、相对误差以及机器精度等。 寻根问题是指寻找非线性方程f(x) = 0的解。在Matlab中,有多种内置函数如fsolve与fzero可供使用以解决这类问题;同时还需要手动实现牛顿法、二分法和Secant法等经典算法来加深理解。 数据插值与拟合是数值分析中的关键任务之一,涉及如何用有限的数据点构造一个连续的近似模型。在Matlab中可以利用polyfit进行多项式拟合,spline函数用于样条插值,并使用lsqcurvefit处理非线性数据拟合问题。 矩阵应用广泛存在于科学计算领域内,包括求解线性代数问题等任务。由于强大的矩阵操作能力,Matlab成为解决此类问题的理想工具之一。学生将学习如何利用高斯消元法或LU分解来解线性方程组,并进行特征值和特征向量的计算以及幂运算、逆运算等内容。 通过作业实践,学生们不仅能够提升编程技巧还能深入理解数值方法背后的原理,为将来科研及工程实践中解决复杂问题奠定坚实的基础。