2008年下旬公司开始培训Agile-我的笔记

公司流程的改变,这周主要对敏捷的Scrum培训和Daptiv工具 的培训,因为是英语培训,许多东西自己要整理一下。

首先是和开发传统模型(Waterfall)的对比,传统模型随着系统因素(内部和外部因素)的复杂度增加,项目成功的可能性就迅速降低。而scrum模型非常灵活,是一个增量迭代的开发过程。在这个框架整个开发周期由若干个小的迭代周期(Iteration Cycle),每个小的迭代周期称为一个Sprint,每个sprint的周期是1430天。每个sprint inspection process 组成,各个team的成员每天碰一次头review项目进行的活动并做适当的修改。推进迭代过程的需求来自Product Backlogscrum的开发团队拿到一个排列好优先级的需求列表,因此开发的是对客户就有较高价值的需求。每个迭代结束后,都会完成可交付的产品。

 

这里先解释两个术语:

Product Backlog:在项目开始的时候,product owner要准备一个根据商业价值排好序的客户需求列表,这个列表就是product backlog,一个最终会交付给客户的产品特性列表,它们根据商业价值来排列优先级别。Scrum team会根据这个来做工作量的估计。

Product Backlog应该涵盖所有用来构建满足客户需求的产品特性,包括技术上的需求。高优先级的一些产品特性需要足够的细化以便我们做工作量估计和做测试。对于那些可以在下个Sprint中完成的Product Backlog功能点,大约10人天的工作量的粒度就不错了。对于那些以后将要实现的特性可以不够详细。

 

Sprint  BacklogSprint BacklogSprint规划会上产出的一个法宝。当Scrum team选择并承诺了Product Backlog 中要递交的一些高优先级的产品功能后,这些功能点就会被细化成为Sprint Backlog:一个完成Product Backlog功能点的必需的任务列表。这些点会被细化为更小的任务,工作量小于两天。Sprint Backlog完成后,scrum team会根据它重新估计工作量,如果这些工作量和原始设计的工作量有较大差异, scrum teamproduct owner协商,调整合理的工作量到sprint中,以确保sprint的成功实施。

 

Burndown Chart现实了sprint中累积剩余的工作量,它是一个反应工作量完成状况的趋势图。在sprint开始的时候,develop team会表示和估计在这个sprint需要完成的详细的任务。所有这个sprint需要完成,但没有完成的任务的工作量是累积工作量,scrum master会根据进展情况每天更新和积累工作量,如果在sprint结束时,累计工作量降低到0sprint就成功结束。

 

Sprint的会议形式:

Daily Scrum 会议:Scrum组织成员每天要开Daily Scrum会议,用15分钟的时间让大家review项目的进度情况。在会上,每个团队成员需要问3个问题:(What have you done on the project since the last daily Scrum meeting?

What do you plan on doing on this project between now and the next daily Scrum meeting?

What impediments stand in the way of you meeting your commitments to this Sprint and to this project?)就是我昨天做了什么,今天做了什么,遇到哪些障碍。这个会议的目标是监测项目的全局,定位项目成员的要求,实时的调整当天开发计划。Note:不允许非项目内的人发言。

 

Sprint Planning Meetingsprint规划会):参加者有product ownerdevelop teamscrum master。需要要鸡的角色的人参与,第三方提供数据后就可以解散。第一个四个小时的会议来对product backlog进行选择,肯能否在sprint内完成。Product owner在会议之前准备好product backlogproduct owner决定哪些要在sprintdevelop team可以提出建议。然后team再从product owner选好的product backlog中决定哪些在在sprint。第二个四个小时,develop team列出所有的任务,进行时间的评估和分配。

 

Sprint Review meetingsprint 评审会):一个小时准备时间,四个小时的review时间。参加会议的developteam表明已经完成功能,没有完成的team不能参见。会议的开始是develop team演示完成的product backlogsprint backlogdevelop team的成员会讨论在这个sprint中哪些做得好需要保持,哪些需要改进。会议的大部分时间是产品的演示,以及回答stake-holder的问题。功能演示完之后,stakeholders会对此评价,并提出想要改变的东西以及优先级。接下来product owner会和develop teamstakeholdersproductbacklog的反馈进行重现安排和规划。Stakeholders也许会发表自己对演示的想法,或是提出新要增加的product backlog。在会议的最后,会宣布下一次评审会议的时间和地点。

Sprint Retrospective Meeting:设定三个小时,参加者有,develop teamscrummaster product owner可选。所有的develop team需要回答两个问题:上一个sprint哪里做得好,哪里需要改进。Scrummaster会记录所有的回答,并和team一起排列优先顺序。需要改进的项目添加到下一个sprint中作为高优先级非功能性product backlog

 

 

Scrum定义了许多角色,根据Pigchicken的笑话分为两组,pigchicken

猪是全身投入项目和scrum过程的人:Product ownerscrummaster,和Develop Team

Product Owner的职责:

确定产品的功能;

决定发布日期和发布内容;

为产品的ROI负责;

根据市场价值确定功能优先级;

接受或拒绝接受开发团队的工作成果。

 

Develop Team

具有不同特长的团队成员,人数控制在7个左右;

确定sprint目标和具体说明工作成果;

在项目向导范围内有权利做任何事情已确保到sprint的目标。

高度的自我管理能力;

product owner演示产品功能。

 

ScrumMaster

保证团队资源完全可被利用并且全部是高产出的。

保证各个角色及职责的良好协作。

解决团队开发中的障碍。

做为团队和外部的接口,屏蔽外界对团队成员的干扰。

保证开发过程按照计划进行,组织daily scrumsprint reviewsprint planning meetings

NoteScrumMaster is not a project manager the team is self-managing.

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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