某厂软件培训之Java班

本周公司来学校开JAVA班的软件培训课程,主要讲解了软件开发测试流程、敏捷开发、JAVA编程规范、实战演练模拟地铁售票系统(主要实现了深度优先搜索找到最短路径)等;以下为课堂记录摘要;
------------------------------------------------------
Day1

软件:

自底向上发展模型


软件开发流程预览:
[                                设计周期                            ]     [  编码实现    ]
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>     >>>>>>>>>>>

云化:
微服务,分而治之,面向接口

敏捷:
STORY 用户故事 贴近需求

------------------------------------------------------

云计算 分布式 集群服务:

可扩展性 高可用性 


Java编程规范:
String(不可变类型,每次操作都生成一个新对象)  StringBuilder(操作可在同一个对象中无需新创建对象提供效率)  StringBuffer()线程相关


【代码规范  代码安全  提前规避  节省时间就是延长生命】

-------------------------------------------------------
Day2

工匠精神:做就认真做,不然就是对自己生命的一种浪费。

避免编码低级错误  

对象集合(hashSet)的排序是根据对象的哈希码的做哈希的key,在删除集合中的一项时不允许修改该对象的哈希码,不然会找不到

equals  hashCode   重写hashCode的时候也要重写equals,不然hashCode改变了的时候集合的哈希排序失效会导致查找效率低下

hashCode默认返回对象的指针地址

String == 比较 对象的指针是否相等, 基础类型的时候才会用==,其他类型都需要equals去判断,必要时需覆盖equals方法

将不必要在循环体内的操作移到循环体外

代码性能能优化的时候要及时优化    编码能力体现在一行行代码中

涉及到IO代码的时候先定好 是否需要在本方法中释放该资源,如果需要则先要写出try catch finally块其中finally忠要释放资源

try {
//TODO 
} catch () {
//TODO
} finally {
if (fileWriter != null) {
try {
fileWriter.close();
} catch (IOException e) { 
//log 

}
}

类型范围大小  JAVA静态语言 强类型 

高质量代码: 简洁、可靠、高效(最小占用资源)、可维护、可测试、可移植


【代码阅读次数远比写的次数要多的多】

代码量度指标:
圈复杂度:独立路径条数 【1,10】
嵌套层数:【1,4】
有效注释比例:【5%, 20%】
有效代码行数:【1,50】
函数参数个数:【0,5】
函数变量个数:【0,5】
非结构化语句数量:【0,0】


很多状态需要做switch对应处理的时候,可把状态码做一个哈希作为Key,建立一个对应的类来作为value,先初始化对应处理类的一个列表,

然后在switch的时候根据状态吗的哈希值直接去拿到对应对象的实例,这样可不用switch语句(缩短方法代码行数)


把多个条件的组合判断的提前为:不正常的就先退出


if (a && b && c) //

改为
if (!a) return;
if (!b) return;
if (!c) return;
//

注意代码中的魔鬼数字:修改为类的静态常量

【代码读的次数远远多于代码写的次数】


-------------------------------------------------------

代码系统无关,如路径名的分隔符/\
JDK > JRE > JVM

JVM中不同类对象有在堆中的各自的成员变量,但并不包含方法,因为所有的类对象都共享类方法(类方法应该是放在在栈上的)

ArrayList是线程不安全的,如果有多个线程同时操作可能会有异常比如一个在删除一个在添加

------------------------------------------------------
Day3

拥抱变化,保证自我价值

功能性需求 + 质量需求 + 约束


需求分析(抽象能力):
1.识别系统角色:客户、用户、其他的内部/外部用户
2.识别周边系统边界:如周边使用到的其他系统
3.需求收集:始终根据用户、客户使用系统的目的去收集需求,从每一个角色出发,反复询问 系统需要为用户提供什么服务?
4.需求建模:识别用例与参与者(用户与对应动作)-编写用例


用例模板:

用例编号:UC001
用例名称:
用例概述:
参与者:
前置条件:
后置条件:
基本事件流: 步骤1-N - 活动1-N
扩展事件流:
规则与约束:


软件设计与可视化表达:


association 关联(使用到,比如作为函数的参数)
generalization 范化(继承)
dependency  依赖
aggregation 集成,系统与部分的关系,属于依赖关系的一种
composition 组合,比集成更强的依赖关系,系统与组件不可分,生命周期一致


依赖注入:自动加载依赖的对象,如sprint中xml配置了则会在创建类的时候自动创建依赖的类?


---------------------------------------------------------
测试:
等价类:有效等价类、无效等价类
边界值
判定表方法:

--------------------------------------------------------

Day4

单元测试:

语句覆盖

判断覆盖
条件覆盖


工作建议:

代码:多看,多写,多讨论
选对行业、公司、领导
业余时间
借力,学会拒绝
做事以终为始,明确目的是什么
明确自己的优点与缺点






--------------------------------------------------------
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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

打赏作者

denglitong

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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