精华内容
下载资源
问答
  • 前言在企业经营到一定规模后,经营中涉及到的各类数据由于名称不一致,编码不统一,应用范围不同等客观存在的因素,对经营时业务沟通的流畅性造成一定的负面影响,即企业面临着建设主数据标准和统一管理、分发、应用...

    前言


    在企业经营到一定规模后,经营中涉及到的各类数据由于名称不一致,编码不统一,应用范围不同等客观存在的因素,对经营时业务沟通的流畅性造成一定的负面影响,即企业面临着建设主数据标准和统一管理、分发、应用的需求。本文针对主数据标准化项目,对涉及的各个阶段进行了划分,同时针对关键的难点进行介绍并分享了常规的应对措施。


    当企业经营到一定规模时,对有效管理和科学管理会有更高需求,在正常生产经营的同时,有效合理科学的减少冗余和重复的工作,及时有效的传递准确信息,是现代企业规模化发展的战略方向。基于此,企业信息化建设会被提上日程,开展如OA、HR、PLM 、ERP、MES等信息化建设。


    但在各个信息系统投入运行后,会发现在各部门、各业务之间进行线上沟通时,往往因为名称不一致,编码不统一,应用范围不同等因素,导致如数据无法识别、沟通时间较长,业务沟通不畅,影响业务效率。也就是说,企业的主数据是否一物一码、统一管理、分发、应用,在一定程度上决定了运营时的业务开展是否流畅。这里就出现了进一步的需求,即需要专门针对企业的各类主数据进行统一的管理、分发和应用。



    涉及主数据应用的主要业务环节


    主数据管理系统,正是针对企业的这个需求所产生的一个信息化系统建设,其核心价值及目标主要为:


    搭体系

    旨在搭建符合企业经营活动需求的统一的主数据体系


    定标准

    旨在对企业经营活动中所涉及的各类主数据制定统一数据标准和规范


    建平台

    旨在建立主数据管理平台,对各类主数据进行管理、分发和应用,实现主数据全生命周期的管理


    理数据

    按照最新的标准规范科学梳理企业经营过程中的各类主数据,避免重复、错误等异常,形成一个标准代码明细库


    接服务

    旨在将正确的数据接入至各信息系统,从而使得数据服务于实际应用





    主数据管理系统的核心价值及目标


    基于以上建设目标,将主数据管理系统建设时的一般步骤和常见困难介绍如下,主要分为:



    主数据的立项准备


    主数据的标准建立


    主数据的系统集成


    主数据的管理与运维



    1主数据的立项准备


    强有力项目管理是项目成功的基础


    主数据会一直伴随着企业的经营,大多数情况下是几十年甚至上百年不变,所以在定位上,主数据系统是一个企业级的核心基础管理系统,这也就意味着需要纳入管理的系统比较多,会横跨许多部门或分子公司。而大企业的各部门或分子公司往往有着自己已成型的业务习惯,在推行主数据建设时,系统的调研、部门的协调和沟通,数据清洗工作量巨大,是主数据实施过程的难点之一,需要站在集团层面统一实施、统一管理、统一协调,形成集团层面PMO组织。




    主数据项目的整体战略


    高管领导深度参与和支持是项目成功的关键


    作为一个自上而下的工程,主数据项目涉及的业务范围广、系统影响大、协调事项多。在各部门之间的数据应用环节,过往的纸质文件线下传递、电话沟通、“使用习惯”、“不成文的规定”等,都将是数据标准化建设时会遇到的“关卡”,能有一位有话语权的领导来强力支持和推行主数据的建设将是关键,只有公司高层重视甚至列入工作计划进行跟踪和考核,企业的实施涉及人员才有可能引为重视。


    2主数据的标准建立


    主数据的标准建立环节是主数据建设的核心工作,需要企业抽调专业人员集中精力进行梳理和汇总,建立一套完整的标准体系和代码库,如此才能将有效的主数据分发给各个信息系统应用,从而满足经营和业务的需求。


    组织企业内部专家团队集中办公的工作方式是项目成功唯一之路。


    尤其是在组建内部项目团队时,涉及到的团队人员一般都是各个业务部门的骨干人员,但这些业务骨干平日在部门中担负了重要的职责,而主数据的建设又非常需骨干们的时间和精力支持,所以在平衡和协调上都会有遇到难度,这时就非常需要企业的高层要进行特别指示,以便业务部门在工作任务下,提供骨干人员参与主数据标准规范和数据清洗建设。


    在实际的工作中,最为繁重的是物资主数据的标准建立,因其涉及面广种类多规格复杂没有统一的维度,所以在整理物资主数据时,一般来讲,我们需要先将实际业务中的物资进行分类整理,按照自然属性或按照用途等一定规则进行分类,进行类别分类,再对每个最低类别进行属性和描述维度设定(即特征量),然后给各个属性赋值,从而得出每个物资的名称及相应的物资代码。




    常见的物资主数据系统编码取值管理示意图


    目标系统代码转化和成果贯标是项目长期的工作,需要有条不紊、有策略的进行现有系统切换。


    在这个阶段,一个非常常见的困难是,企业都是在各类业务系统(如人力、销售、财务、ERP、物流、CRM等)已经构建完毕并已投入运营,同时系统间数据也通过有关方案进行了交互,各个信息系统都有自己的数据平台来处理主数据,这些正在流通的主数据,存在责任部门不清晰、数据定义不明确、维护流程不完整、数据共享不及时、数据状态不可控等诸多问题,而新规划的主数据系统从管理和技术两个角度看,正是来“挑战”原有的数据系统架构。




    主数据建设将涉及的业务部门


    这时主数据建设面临的最大工作是对各个业务系统的主数据梳理、系统改造,而这个工作的影响面将会非常广,业务风险点多,各部门各系统各类人员都需要协调推进,是主数据系统构建时必须建设统一的关键点。


    3主数据的系统集成


    经过专家组多次研讨和商定,建立完成了符合企业需求的主数据管理体系之后,就将进入系统集成阶段,目的是将确定无误的主数据推送到各个业务系统(如OA、HR、ERP等)中去使用,这时就涉及到技术开发层面的系统集成和调试了。



    主数据系统集成和应用示意图


    在系统集成环节,主数据项目负责人的主要职责是协调各个信息系统厂家的工作进度上,尤其是要集成多个信息系统时,各开发团队需要互相配合进行系统集成和调试。对关键时间节点企业要予以把控,及时跟进和督促各个厂商的工作进展,以保障建设工期按时按要求完成。


    4主数据的管理与运维组织


    虽然主数据都经由企业的专家研讨制定了科学的管理规则,但不可避免在实际业务中会出现需要新增、修改或删除的情况,为了满足这个需求,同时也要保障主数据管理系统的统一性,建立主数据管理规范制度是非常有必要的,如:


    《数据管理组织及权责说明》

    用以定义主数据管理组 织的岗位成员及职责,如首席数据官、数据管理员、数据用户等;

    《主数据标准管理规范》

    用以定义主数据标准的建立变更流程和考核制度,以及主数据标准管理的方法、工具;

    《主数据质量管理规范》

    用以定义主数据质量规则的建立、变更流程和考核制度,以及主数据质量管理的方法、工具;

    《主数据集成管理规范》

    用以定义主数据集成规则的建立、变更流程和考核制度,以及主数据集成管理的方法、工具;

    《主数据服务管理规范》

    用以定义主数据共享分发规则的建立、变更流程和考核制度,以及主数据共享管理的方法、工具。




    主数据管理与运维示意图


    建立完成管理体系后,企业需成立相应的代码中心(或者主数据中心),形成专职的和兼职的运营保障团队来维护这套标准体系,以保障主数据能够更好的服务企业的经营活动。


    总结



    本文介绍了主数据作为企业信息系统集中集成核心及基础,主要实施步骤是:搭体系、定标准、建平台、理数据、接服务。之后结合在企业进行主数据建设时的一般步骤和常见困难,就主数据的立项准备阶段、标准建立阶段、系统集成阶段、管理与运维进行了分别介绍,并对常见的困难及应对方案进行了分析。



    展开全文
  • 信息内容这么多,但是还是要整齐美观!-请对齐标准线!造成版面零碎的原因,很可能在于各项内容没有对齐。...版面的划分,有纵向的也有竖向的,请将其对齐在一条直线上!本想做出具有动感的很活泼的设计,在这个过...

    9e66b8b92c6a61927efc78b9b83960c1.png

    信息内容这么多,但是还是要整齐美观!-请对齐标准线!

    造成版面零碎的原因,很可能在于各项内容没有对齐。对齐是布局的一项基本工作。把各自的标准线对齐,才能方便读者阅读,从设计层面上让读者感受到“经过认真整理了”。下面介绍一下如何将很多内容美观地对齐的小窍门。

    1/想把版面整理得很清爽-请将子版面的边缘对齐吧!

    0bb0cf1d17fecced1ade638142237b18.png

    版面的划分,有纵向的也有竖向的,请将其对齐在一条直线上!

    本想做出具有动感的很活泼的设计,在这个过程中对图文进行了移动,结果给人一种零零碎碎的印象。

    请将基本框架的边缘对齐,整齐布局吧!

    2/想给人很整洁的印象-请把文字对齐吧!

    7f95688572dde8015f830049e87b2c3d.png

    名片上有很多条类目,将不同区域文字的起始位置对齐,这样看起来很美观。公司LOGO放在左边,如果公司地址,网址及联系方式之类的内容放在中间位置,文字的起始位置就会参差不齐,看起来困难,给人留下不好的印象。

    通过对齐文字的起始位置,人们对名片的印象就从“看了后才知道是好名片”直接升级为“给人留下整洁印象的好名片”。

    3/想让条目看起来漂亮-请把各个条目对齐吧!

    e0947f968e94cbd7818a2703a061292a.png

    如果强调阅读起来较方便,推荐文字左对齐。在分条目罗列时,位于前端的开始符号与后面的文字内容应隔开且排列整齐。符号是独立的,因此即使文字换行,阅读起来也较为容易。

    本篇所示方法对于较长的问答与注释也使用。★◎※这些符号应与开始的文字和正文内容隔开,且分别排列整齐,这样更方便阅读。

    4/想让版面避免参差不齐-请把图片与文字的边缘对齐吧!

    9e992eb75269bad2abe212360f2e95c9.png

    将标题,图片,说明文字等集中起来布局时,应把各自的横向长度对齐,将其巧妙地排在一个大小合适的框架中,这样会使版面更漂亮。

    在类似设计中,如果需要将几个横向图文并列进行布局时,请尽可能对齐图片的纵向长度及文字!纵向也要对齐,这样就完美地完成了布局设计。

    本文“版面设计布局不恰当之“版面零碎不统一”的解决思路”源自于麦子地平面设计培训课程版面设计,更多详细请查阅麦子地网站http://www.vrmaizidi.com教学经验分享!

    谢谢!

    展开全文
  • 首先先多啰嗦几句,也算是给本文定个基调:目标检测中有好多概念,例如两阶段、单阶段、anchor-free、anchor-based等等,但其实这些概念并没有十分严密的理论体系,也没有非常明确的划分标准,这也导致目前目标检测...

    310712b0c9c3be1755d517d57bceede1.png

    这是一篇目标检测算法的进展总结与分享。和以往的很多总结不同,本文不会以论文为中心介绍各种算法,而是尝试以更统一的视角看待目标检测算法及其发展。首先先多啰嗦几句,也算是给本文定个基调:目标检测中有好多概念,例如两阶段、单阶段、anchor-free、anchor-based等等,但其实这些概念并没有十分严密的理论体系,也没有非常明确的划分标准,这也导致目前目标检测领域的研究看起来比较混乱。所以本文尝试理出一条更为清晰的体系框架,来更好的理解现有的目标检测算法,或是给以后的研究提供一个更清晰的思路。

    前言

    从我个人的理解来说,目前基于深度学习的端到端算法大体都由输入+网络+输出组成。遵循这个思路,目标检测算法研究大致也可以大致分为三类,一类从输入的角度入手,研究在训练及测试过程中将怎样的图像输入网络和怎样将图像输入网络,例如多尺度训练和测试、data-augmentation、数据resampling等等;另一类则从输出的角度入手,研究应该怎样对检测问题进行建模,也就是研究网络应该输出怎样的形式,以满足目标检测任务的需求;最后一类则从网络的角度入手,研究怎样的网络结构可以更好的连接输入与输出,根据输入更高效的提取更为有效的特征用以得到更准确的输出,这一类的研究也很多,例如研究FPN等等。当然,虽然上面总结成了三个方面,但并不意味着这三类研究相互独立,实际算法设计时,上面的三个方面可能会相互影响,只有相互匹配才能取得更好的效果。而本文将重点对其中的第二类,也就是从输出形式的角度对目标检测算法进行分析与介绍,这类问题也是目前在目标检测领域我个人看到的最多被研究也是最值得被研究的问题,因为“输入”与“网络”很大程度上会服务于“输出”。

    multi-region classification & regression

    那么接下来进入正题,重点对目标检测问题的建模方式进行更为细致的探讨与分析。建模方式之所以会成为目标检测领域的重点问题,主要原因就在于目标检测问题的输出形式更为复杂,具有不确定性,这里可以对照图像分类问题来看,图像分类问题的输出形式就是一个简单的类别,输出形式是与输入无关的;但是目标检测问题则不一样,图片中的物体个数并不确定,可能包含数十个物体,但也可能压根就没有物体,而这种不定数量的输出就会给算法的设计带来很大的问题。因此,我们需要考虑怎样对目标检测问题进行建模,使其输出形式固定下来。而目前广为采纳的建模方式是采用了分治的方式,也就是说在一张图片上预定义若干regions(这些regions在图片的不同位置,具有不同的长宽,也可以相互重叠),然后对每个region逐一进行分类与回归,更具体的解释分类与回归任务就是:这个region附近是否存在物体,如果存在,那么这一物体是什么类别,而它的位置相对于这个region又在哪里。也就是说,目标检测任务被建模成了multi-region classification & regression

    cc0286ac5bca9b544c4548567ac8b8bf.png

    如果我们接纳了这个建模思路,那么接下来我们需要解决的问题就是:1)我们应该怎样设计这个“region”:例如应该设计多少个“region”,每个“region”该长什么样子,这些“region”又该在图片的什么位置?;2)每个“region”应该负责多大的范围?换句话说每个“region”都需要“管辖”它周围的区域,负责找到它周围的物体,但这个“管辖范围”怎样定义? 3)我们怎样更有效的提取每个“region”的特征,完成分类和回归任务,也就是找到它负责区域范围内的物体。接下来我将对这三个问题进行更具体的介绍。

    首先来聊一聊第一个问题,“region”这个概念。

    它的含义很广,在不同的论文方法里也有不同的名字:例如更早期的传统sliding windows检测算法中,它叫做windows;在RetinaNet等anchor-based的算法中,它的名字叫做anchor(在图片中不同位置密集平铺的一系列不同尺度、不同长宽比的框);而在FCOS等anchor-free的算法中,它又代表着anchor point(再解释一下就是,虽然这类anchor-free的算法中没有anchor的概念,但实际上这类算法依旧需要在feature map上的每个位置上进行输出,实际上每个输出依旧隐式地代表了图片中的某个区域,从这个角度说,这类算法和anchor-based方法在思路上没啥太多差别,或者说只是回归时的reference不太一样)。而下一个问题就是这个“region”怎么设计,这个问题可能不能一概而论,而是需要因地制宜。更具体的说,这个“region”的设计更多的反映的是对于所需要解决的问题及场景的先验,例如:如果我们要检测的物体都是瘦长的,比如说行人,那么我们的这个region就可以更多的设计为瘦长的形状;再比如,如果我们知道物体更可能出现在哪个区域,那么我们就可以在这个区域铺设更多的“region”,当然这个场景在目标检测领域不太常出现,但或许我们可以把单目标跟踪任务理解为这种情况。

    接下来再来聊一聊第二个问题,每个“region”应该负责多大的范围。

    这个问题在我个人理解中可能是目标检测领域最难解决的问题之一。每个“region”都应该“管辖”它周围的区域,负责找到它附近的物体,但是问题就在于这个“管辖范围”应该怎样定义:一方面,我们需要保证这个“管辖范围”足够大,足以使得无论物体出现在图片的哪个位置,都会使其至少落入一个“region”的“管辖范围”,这是高recall的必要条件。另一方面,我们又需要保证这个“管辖范围”不太大,最直白的解释就是我们显然不可能让位于图片左上角的region判断图片右下角是否有物体;另外,我们还需要考虑尽可能避免歧义的发生,如果有两个物体出现在一个“region”的周围,那么这个“region”就会困惑究竟应该关注哪个物体。

    而这个“管辖范围”的设定,也和第一个问题中“region”的设定息息相关,这两个问题通常会被一起考虑与研究。例如,如果“region”稀疏,就需要“管辖范围”一些,而如果“region”密集,“管辖范围”就可以一些。但问题远没有这么简单,我们在设定“region”和“管辖范围”的时候还会遇到很多问题,例如:在图片中,往往有些区域物体很密集,而有些区域又很稀疏,怎样设计可以使其兼顾不同的物体密度的区域?再如:图片中的物体的尺度、形状非常多变,对于各种形态的物体,怎么设计“region”并以统一的规则定义“管辖范围”?还有:“region”的数量直接决定了计算成本,一般来说越多的“region”就意味着越高的计算成本;除此之外,如果“region”设计的很密集,而“管辖范围”又比较小,那么就会导致训练过程中绝大多数的“region”都被定义为负样本,也就需要面对正负样本极端不平衡的问题。

    ddecfa637e1b5e82ac0f093fa5233957.png

    而上述问题在论文中一般被定义为anchor design & label assignment。我们可以看一下现有算法都是怎么做的:RetinaNet在图片上均匀平铺了一系列不同尺度、不同长宽比的region(anchor),并基于gt bbox(ground truth bounding box)和anchor的IoU,定义了“管辖范围”;而FCOS等anchor-free算法中则平铺了一系列anchor point,并采用中心点距离+尺度约束的方式定义了“管辖范围”;ATSS中提出设置自适应的阈值,来定义“管辖范围”;当然上述方案都是静态的设定了“管辖范围”,近年出现了另一类改进方案,诸如FreeAnchor,AutoAssign,PAA等算法中则提出了动态的 “管辖范围”设置方案(即“管辖范围”与网络的输出相关);当然还有很多论文提出了各种各样的方案,这里就不一一列举了,之前也有很多文章对这一部分有过更具体的介绍。

    Dense or Multi-stage refine

    对于anchor design & label assignment的问题,可能还有另一种更巧妙的方式,而这种方式甚至在很早之前就被提出,那就是通过级联的方式来应对这个问题,也就是通过设置多级multi-region classification & regression每一级以上一级的输出结果作为新的region进一步进行refine。这种架构为后续算法的设计提供了极大的便利:首先,可以为每一级设置不同的“管辖范围”规则,由松到严,初始几级保证recall,最后几级保证precision;其次,每一级都可以仅处理上一级的输出中可能包含物体的regions(sparse regions),使得进一步加速水到渠成;除此之外,这一方案还提供了特征对齐的特性(关于这一点AlignDet中有更具体的介绍)。

    51cc9e9e14867ac3b4b99fb1fc1ccfa3.png

    实际上,如果想要得到更理想的检测算法性能,我们就需要研究dense和multi-stage refine之间的折中;在没有任何先验的情况下,sparse & single-stage的方案理论上就存在本质缺陷,一定难以取得最理想的性能。而在此框架下,一切对region和“管辖范围”的改进方案都算是锦上添花,可以进一步推动上述平衡的极限,但仍旧无法进入sparse & single-stage的“禁区”。

    00134d1e52dff9a054563011a65748ef.png

    而近几年的目标检测算法在建模方式上的改进大体也遵循了这个思路:有些致力于解决极端正负样本不平衡问题以使得dense anchor发挥出更大的作用,例如RetinaNet (Focal loss);有些则设计各种多级refine的方案,例如Faster RCNN,Cascade RCNN, RefineDet,RPDet,AlignDet,Guided anchoring,Cascade RPN等;有些则尝试提出更有效的region & label assignment方案,例如FCOS,CenterNet,ATSS,FreeAnchor等。

    最后,再来讨论一下第三个问题,如何有效提取每个region的特征。

    用以完成分类与回归的任务。首先,我们可以考虑多个区域共享由全图提取的特征,而无需逐区域计算特征(Fast R-CNN中提出);其次,CNN可以提取“规范”区域的特征,即落在grid上、长宽比一定的区域的特征;而对于“非规范”区域,可以通过池化/插值的形式得到这些区域的特征(ROI pooling/ROI Align/Deformable Conv w. specified offsets等)。从这个角度说,如果把anchor理解为original proposal,那么faster r-cnn等一系列multi-stage detector中rpn和r-cnn所做的事情并没有本质差别。

    总结

    总结一下全篇的内容:首先本文将目标检测问题定义为了multi-region classification & regression,然后通过对design of regions and label assignment的分析,引出了如下观点:Dense or Multi-stage refine是提高检测算法性能的关键,合理折中效果更佳

    最后,简单分析一下最近比较热门的DETR算法。首先,DETR仍旧属于本文所述框架,验证了sparse + multi-stage的可行性,只是一次性跨出了很多步,使得给人感觉有些陌生。但这些步究竟是否必要,还有待进一步研究。而从目前出现的几篇DETR改进及相关算法可以看出,寻求dense & multi-stage的折中,依旧是DETR的核心改进方向之一。关于这一系列算法,将在下一篇文章中进行更具体的分析。

    最后的最后,再引一下之前写的同系列的文章,欢迎关注、点赞、收藏。

    https://zhuanlan.zhihu.com/p/121839698zhuanlan.zhihu.com
    展开全文
  • 关于软件的生命周期的划分标准不统一、名称也各不相同,但大致都包含计划、分析、设计、编程、测试和维护这几个阶段。 二、常见的软件开发模型 1.瀑布模型  开发过程完全按照软件的生命周期各阶段的顺序,上一阶段...

    一、软件的生命周期

        软件从最开始被开发直到最后被淘汰的过程称为软件的生命周期。关于软件的生命周期的划分标准不统一、名称也各不相同,但大致都包含计划、分析、设计、编程、测试和维护这几个阶段。

    二、常见的软件开发模型

    1.瀑布模型

        开发过程完全按照软件的生命周期各阶段的顺序,上一阶段完成以后才能开始下一阶段。

        优点:开发郭晨采用规范的方法;规定了各阶段必须提交的文档;每个阶段结束后进行严格的评审工作。

        缺点:过于理想化、不够灵活、当用户的需求发生变更时需付出高额的代价。

        适用范围:用户需求明确并无变更的小型系统的开发。

    2.快速原型模型

        第一步是快速建立一个能够反映用户主要需求的软件原型,让用户去使用,提出意见;然后开发人员参照用户提出的而易见快速去修改原型,然后再次让用户试用……直到用户认为这个原型系统能够满足其所有的需求,然后开发人员便可以根据该原型系统去完成需求文档,并利用文档去开发满足用户真实需求的软件。

        适用范围:需求不够明确的项目。

    3.演化模型

        也是原型开发模型的一种,但与快速原型模型不同。快速原型模型中原型的作用获得用户的真正需求,一旦需求确定,原型即被抛弃。而演化模型是从初始模型逐渐演化为最终软件产品的渐进过程。快速原型模型是“抛弃式”的,演化模型是“渐进式”的。

    4.增量模型

        也是原型开发模型的一种,与上面二者不同,增量模型是“递增式”的。该模型将软件划分成为一系列的增量构件。分别进行设计、编程、集成和测试。每个构件有多个相互作用的模块构成,并且能够完成特定的功能。该模型要求软件体系结构必须是开放的,加入薪构件也是比较容易的。

    5.螺旋模型

        结合瀑布和演化的优点,增加了风险分析。包含4个方面:制定计划、风险分析、实施工程、客户评估。

    6.喷泉模型

        主要用于描述面向对象的开发过程。名称体现了面向对象开发过程的迭代和无间隙特征。无间隙表示开发过程不存在明显的边界,允许开发活动交叉、迭代进行。

    7.基于构件的模型

        构件是功能相对独立课重用的软件单元。基于构件的模型是利用模块化方法,将整个系统模块化,服用构件库中的构件,通过组合构造软件的过程。软件的开发不再一切从头开始,开发过程即是构件的组装,维护就是构件的升级、替换和扩充。

        优点:构件组装导致了软件的复用性,提高了开发的速率;允许多个项目同时开发,降低了费用,提高了可维护性。

        缺点:没有通用的组装标准;可重用性不易协调;构件库的质量会直接影响软件的质量。

    8.快速应用开发模型(RAD)

        是瀑布模型的一个变种,强调极端的开发周期。通过大量使用可重复用的构建,来缩短开发时间。

    9.统一过程方法(UP)

        是统一的软件开发过程,是一个通用的过程框架,基于构件,使用统一的建模语言UML。

        三个特点:用例驱动、以基本架构为中心、迭代和增量。

        四个阶段:初始阶段、细化阶段、构建阶段和交付阶段。四个阶段是一个开发周期,每经过四个阶段就会产生一代软件,但每一次迭代的侧重点都在不同的阶段。

    10.极限编程(XP)

        是敏捷方法中的一种。

        4大价值观:沟通、简单、反馈、勇气

        5大原则:快速反馈、简单性假设、逐步修改、提倡更改、优质工作

        

    展开全文
  • (3)数组长度再程序运行期间可改变。 数组的初始化:在内存中创建一个数组,并向其中赋予一些默认值。 初始化方式:(1)动态初始化(指定长度)。(2)静态初始化(指定内容)。 动态初始化数组的格式: ...
  • 干旱评估标准

    2014-05-07 11:03:18
    为加强对抗旱工作的指导,统一干旱评估方法,规范干旱评估工作,特制定本标准。本标准包括农业旱情旱灾评估和城市干旱等级及预警两部分。生态干旱评估因条件成熟,暂未列入本标准。 农业旱情旱灾评估主要适用于因...
  • 数据流是一组有顺序的,有起点和终点的字节集合,是对输入和输出的总称和抽象。 分为两种 1.输入流 2.输出流 输入流只能读能写,而输出...字符流以字符为基本处理单元,采用统一的编码标准。在某些场合,字符流比
  • 5G已成为各大展会关注的焦点,但是目前5G标准尚未完成,5G频谱尚未明确划分,距离2020年商用的时间点却越来越近,产业链各方都感觉到了前所未有的压力。产业链企业表示,统一频谱划分是产业共同的诉求,用户可以得到...
  • 测试用例编写标准

    2020-07-02 11:49:53
    本篇文章分享用例编写的标准。 1、根据公司要求的统一模板编写; 有些小公司会用Excel编写测试用例,有些公司会使用商业工具,例如禅道、JIRA 等。其实工具不是最重要的,用例的要素基本相似,重点需要掌握如何写出...
  • 测试规范——BUG参考标准

    千次阅读 2010-08-09 09:59:00
    《 BUG 参考标准》一、目的 对 BUG 概念、类型划分、 BUG 状态、 BUG 严重程度等内容进行定义和规范,以便进一步指导我们的测试工作。... 控件排列、格式不统一C. 焦点控制不合理或不全面3、数据处理类A.
  • ▲点击图片,即刻购买很多朋友在买车的时候都在说我要买辆B级车、我要买辆C级车,这些B级、C级的划分标准是什么呢?什么样的车型对应什么级别呢?首先我们明确,国内并没有很统一的车型细分标准,国内私家轿车发展较...
  •  所有文档的统一封面格式如下页所示。 7 物理结构设计 8 数据结构与程序的关系 9 运行设计 9.1 运行模块的组合 9.2 运行控制 9.3 运行时间 10 出错处理设计 10.1 出错输出信息 10.2 出错处理对策:如设置...
  • 会员组权限设置,识别各类用户的权限控制,如供应商设置、分销商设置、VIP客户设置等,同时供应商下能同时实现下一级别会员划分,供应商旗下的分销商,实现会员级别层次化。 二、商品管理 1、自定义商品类型管理,如...
  • 国内比赛可能根据比赛阶段划分多个测试集,由于数据集采样和分布的原因导致训练集和线上测试集可能存在分布不一致的情况,这时候CV无法准确的评估模型在测试集上的效果,导致线上线下不统一,分数上不去。...
  • 首先我们要清楚什么是A刊什么是C刊,说到期刊的级别划分,省级、国家级、核心级这种划分模式想必大家是最熟悉的,这种划分是按照大多数人的认知习惯进行的划分,不是学术界统一标准划分,可以说并权威,但使用...
  • 国家通过制定统一管理规范和技术标准,把信息系统按照重要程度由低到高划分为5个等级,并且分级别实施不同的保护策略。 根据谁主管谁负责、谁运营谁负责、谁使用谁负责的原则,网络运营者成为等级保护的责任主体,...
  • C#中类的概念

    2010-11-22 10:52:00
    在生活中,常常把一组具有相同特性的事物归为一类,当然根据分类的标准不同,划分的类也是相同的。汽车和人都是独立的类,它们都有各自的特点。汽车这个大类还可以分为卡车,公共汽车,和小轿车等各种小类
  •  代码组织形式是指以代码以什么样的形式存在库中,存在的方式的划分标准并不是统一的。有的是指代码存在不同的文件当中从而形成的逻辑关系或者物理关系,有的是指代码是以面向对象的方式还是函数的方式存在。采取...
  • 中软实习-第九条

    2019-07-22 09:24:15
    然而,使用Maven搭建骨架工程时,模块的划分并没有统一标准,于是我经历过的项目组看到了两个极端的划分。其一:大一统,一个pom模块加一个web模块,基本丧失了模块管理的作用;其二:划分过细,层层嵌套,增加了...
  • ❏ 有的测试用例读起来很笼统,有的测试用例又写得特别细,粒度不统一。由此统一用例编写标准:一、Testlink转化用例模板统一❏ 用例集(Testsuite):用例模块划分,在用例设计时,按模块划分编写。❏ 用例标题...
  • 软件工程基础知识 一

    2019-04-08 15:14:32
    由于生命周期各阶段的划分不统一,所包含的世界内容也不完全相同,以下是具有代表性的4种: 1970年 Boehm定义的软件生命周期​​​​模型 1988年制定和公布的国家标准GB8566生命周期模型 1996年制定和...
  • 软件生命周期  软件生命周期是人们在研究软件开发过程时所发现的一种规律性的事实。如同人的一生要经历婴儿期、少年期、... 不过,目前软件的生命周期中各阶段的划分标准不统一,名称也不一致,但总体上还是包括
  • 中台建设规划(一)

    2020-11-16 17:48:06
    数据中台的核心是数据共享,想要达到这个目标,需要将同企业下孤岛系统中的数据全部汇聚到一起,根据相应的标准,经过一系列的方式方法治理为标准数据,将数据变为数据资产,之后结合业务,统一技术、统一标准统一...
  • 人工智能与机器翻译 自动分词 人工智能与机器翻译- 自动分词2010-10-21 1648 部著作中的词语逐个逐个的切 分出来汉语不象拼音文字那样有自然切分标志,而且词语长短不一,词语的定义也 不统一,语言学中对词的定义多种...
  • 1 显示器的分类显示器的分类根据不同的划分标准,可分为多种类型。本节从两方面划分显示器的类型。1.按尺寸大小分类按尺寸大小将显示器分类是最简单主观的,常见的显示器尺寸可分为19英寸、20英寸、21英寸、...
  • Java项目开发规范参考

    2019-01-24 16:05:54
    为了使软件开发过程顺畅,保证软件质量,于是有了这份开发规范文档。...• 数据库能随意修改,本地数据库须统一 • 有标准的Java代码风格,有良好习惯 • 时刻考虑代码的可复用性 • 每个人需要有每周项目进度报告
  • 全事件类型的划分一样,我想要把他们的日志类型统一划分,先自己定一个事件类型标准,然后将各大厂商的系统日志一条一条地与我分类的事件类型相对应。在这个过程中,我发现这个任务量特别大,需要人工一条一条地...
  • 2020-11-07

    2020-11-07 10:50:45
    标题 禅道 bug缺陷类型...界面优化:排版不整齐、不美观、相同或相近功能风格不统一等 10.其他 :测试人员误操作确认为发现问题 严重程度级别划分:https://blog.csdn.net/ylf20131001/article/details/104820288 ...
  • 现有大数据平台项目知识要点 大数据平台 一定是数据多 而是数据杂 目前可以划分为4个阶段: ...数据来源 各个方面 如:excel 各个数据库 数据...对非标准数据 进行标准化 既是数据清洗 存放在统一的平台 ha...

空空如也

空空如也

1 2 3 4 5 ... 9
收藏数 172
精华内容 68
关键字:

划分标准不统一