【无大学院-筆記試験練習:数据库(データベース問題訓練) と 软件工程(ソフトウェア)(7)】

大学院-筆記試験練習:数据库(データベース問題訓練) と 软件工程(ソフトウェア)(7)

  • 1-前言
  • 2-数据库データベース
    • 問1【データベース・B木操作|相似①】
    • 問2【データベース・B木操作|相似②】
    • 問3【データベース・正規化|予測①】
    • 問4【データベース・SQL|予測②】
  • 3-数据库データベース-答案解析
  • 一、問3(正規化)——❌ 核心概念性错误(必须纠正)
    • 题目回顾(问3)
    • 你写的答案
      • (1)
      • 正确分析(一步一步)
        • ① 先做闭包
      • ✅ 正确结论
      • (2)
        • 正确逻辑是:
      • (3) 你给的分解
      • 为什么错?
      • ✅ 标准满分分解
    • 📌 問3 採点评价
  • 二、問4(SQL)——❌ 结构性错误(但可修)
    • 問4(1)
      • 正确思路(考试要你这样想)
      • ✅ 满分结构(示意)
    • 問4(2)
      • 当前的问题
      • 正确逻辑
      • 正确结构(示意)
    • 📌 問4 採点评价
  • 4-软件工程(ソフトウェア)
      • 【問題1】(软件工程・相似母题)
      • 【問題2】(软件工程・相似母题)
      • 【問題3】(软件工程・预测题)
      • 【問題4】(软件工程・预测题)
  • 5-软件工程(ソフトウェア)答案解析
    • 問題1 评阅(要求定义为什么难)
      • 你的原意(✔ 对)
      • ✅ 本番满分修正版(推荐背)
    • 問題2 评阅(开发模型对比)
      • 理解(✔ 对)
      • 致命扣分点(⚠⚠)
      • ✅ 本番满分修正版
    • 問題3 评阅(是正保守 vs 適応保守)
      • 你的理解(✔ 非常好)
      • 小扣分点(⚠)
      • ✅ 本番满分修正版
    • 問題4 评阅(模块化 / 低耦合)
      • 你的理解(✔ 对)
      • ✅ 本番满分修正版
  • 6-总结

1-前言

为了考上大学院,做了日语版本练习,边学边看边记录

2-数据库データベース

問1【データベース・B木操作|相似①】

次に示す2 次の B 木に対して,以下の操作をこの順に行った後の B 木を,
与えられた図と同様の箱・●ポインタ形式で描け。

(1) キー値18のレコードを挿入する。
(2) (1) の結果に対して,キー値26のレコードを挿入する。
(3) (2) の結果に対して,キー値7のレコードを挿入する。
(4) (3) の結果に対して,キー値21のレコードを挿入する。

ただし,ノードの分割が発生する場合は,
分割の過程および昇格するキーが分かるように図示すること。

(注意)

  • 2 次 B 木における1 ノードあたりのキー数に注意せよ。
  • 境界条件(<,≦)の扱いを誤らないこと。

問2【データベース・B木操作|相似②】

次に示すB+ 木(内部ノードと葉ノードを区別する)に対して,
キー値30を削除する操作を行った。

(1) 削除後の B+ 木を図示せよ。
(2) 再配分または併合が発生するか否かを判定し,
発生する場合はその理由を説明せよ。

ただし,

  • すべての葉ノードは同一深さにあるものとする。
  • 再配分が可能な場合は,併合は行わないものとする。

問3【データベース・正規化|予測①】

次の関係 ( R ) が与えられている。

[
R(\underline{A}, B, C, D, E)
]

また,以下の関数従属が成り立つものとする。

  • ( A \rightarrow B )
  • ( B \rightarrow C )
  • ( AD \rightarrow E )

(1) 候補キーをすべて求めよ。
(2) 関係 ( R ) が第 2 正規形であるか判定し,理由を述べよ。
(3) ( R ) を第 3 正規形に分解せよ。

(注意)

  • 部分関数従属と推移的関数従属を混同しないこと。
  • 不要な分解は減点対象とする。

問4【データベース・SQL|予測②】

次の表を考える。下線は主キーを表す。

  • 学生(学生番号, 学生名, 学科番号, 生年月日)
  • 履修(学生番号, 科目番号, 成績)
  • 科目(科目番号, 科目名, 学期)

次の問い合わせをSQL を用いて記述せよ

(1)
すべての学期において1 科目以上を履修している学生」の
学生番号と学生名を求めよ。

(2)
生年月日が1995 年 1 月 1 日以降の学生のうち,
その学生の成績が同一学科内で最高点である学生の全情報を求めよ。

(注意)

  • WHERE と HAVING の使い分けに注意せよ。
  • 同点が複数存在する場合はすべて出力すること。
  • 集合の包含関係を正しく表現すること。

3-数据库データベース-答案解析

一、問3(正規化)——❌ 核心概念性错误(必须纠正)

这是今天最重要的一点


题目回顾(问3)

关系:
[
R(\underline{A}, B, C, D, E)
]

函数依赖:

  • ( A \rightarrow B )
  • ( B \rightarrow C )
  • ( AD \rightarrow E )

你写的答案

(1)

候補キーはB と D

错误(致命)


正确分析(一步一步)

① 先做闭包
  • ( A^+ = {A, B, C} )
  • ( (A,D)^+ = {A, B, C, D, E} )

👉只有 AD 能决定所有属性

✅ 正确结论

候補キー:AD(唯一)

B 不是键(B 推不出 A、D、E)


(2)

第2正規形ではない
理由:非主属性的部分依赖没有消除

判断对,理由写错一半

正确逻辑是:
  • 主键是AD
  • 非主属性B、C
  • 存在
    [
    A \rightarrow B,\ C
    ]
  • A 是主键的一部分
    部分関数従属

👉 所以不满足第2正規形

⚠️ 你没有明确点出「AD 是主键」,


(3) 你给的分解

R1(A, B, C) R2(A, D, E)

错误(不满足 3NF)


为什么错?

R1(A,B,C)中:

  • 有 ( A → B )
  • 有 ( B → C )

👉仍然存在推移的函数従属

不是第3正規形


✅ 标准满分分解

[
\begin{aligned}
R_1(A, B)
R_2(B, C)
R_3(A, D, E)
\end{aligned}
]

这三个表:

  • 无部分依赖
  • 无推移依赖
  • 无信息丢失

📌 問3 採点评价

小问评价
(1) 候補キー
(2) 正規形判断⚠️(结论对,论证不严)
(3) 分解

👉本番:几乎整题失分

⚠️ 这是「概念没完全站稳」的典型信号
好消息是:这是最好补的那种错误


二、問4(SQL)——❌ 结构性错误(但可修)


問4(1)

「すべての学期において1科目以上履修している学生」



正确思路(考试要你这样想)

这是经典的:

不存在某个学期,该学生没有修任何课

👉 用NOT EXISTS + 二重否定

✅ 满分结构(示意)

SELECTS.学生番号,S.学生名FROM学生 SWHERENOTEXISTS(SELECT*FROM科目 KWHERENOTEXISTS(SELECT*FROM履修 RWHERER.学生番号=S.学生番号ANDR.科目番号=K.科目番号));

問4(2)

「学科内で最高点(同点含む)」


当前的问题

  • ❌ 把子查询最大值写成了结构混乱的 HAVING
  • ❌ 没有按学科分组比较
  • ❌ MAX 的作用域不清晰

正确逻辑

  • 对每个学科算 MAX
  • 与学生成绩比较
  • 同点全部输出

正确结构(示意)

SELECT*FROM学生 SJOIN履修 RONS.学生番号=R.学生番号WHERER.成績=(SELECTMAX(R2.成績)FROM学生 S2JOIN履修 R2ONS2.学生番号=R2.学生番号WHERES2.学科番号=S.学科番号);

📌 問4 採点评价

小问评价
(1)
(2)

4-软件工程(ソフトウェア)

【問題1】(软件工程・相似母题)

問1.
ソフトウェア開発において,要件定義の段階で問題が十分に解決されないまま設計・実装に進むことの問題点を,1つ挙げて説明せよ。

陷阱提示(你自己注意)

  • ❌ 不要写「バグが増える」这种结果
  • ✅ 要写「なぜ工程後半で致命化するか

【問題2】(软件工程・相似母题)

問2.
ウォーターフォールモデルと比較した場合の,反復型(イテレーティブ)開発プロセスの特徴を1つ述べ,その理由を説明せよ。

陷阱提示

  • ❌ 只写「柔軟」会被判不充分
  • ✅ 必须出现「フィードバック」「要求変更」中的至少一个

【問題3】(软件工程・预测题)

问3.
ソフトウェアの保守作業において,**是正保守(corrective maintenance)適応保守(adaptive maintenance)**の目的がどのように異なるかを説明せよ。

陷阱提示

  • ❌ 把「機能追加」写进去是常见扣分点
  • ✅ 抓住「原因来源不同」

【問題4】(软件工程・预测题)

問4.
モジュール分割を行う際に,結合度を低く保つことが重要とされる理由を,ソフトウェアの品質の観点から説明せよ。

陷阱提示

  • ❌ 不要只写「わかりやすい」
  • ✅ 必须连接到「変更」「影響範囲」「保守性」

5-软件工程(ソフトウェア)答案解析


問題1 评阅(要求定义为什么难)

你的原意(✔ 对)

  • 用户懂业务,不懂系统

  • 要求没说清 → 后期问题多 → 返工、重做

  • 「专业知识不足」写得有点

  • 没明确点出“解釈のズレ”这个关键词

✅ 本番满分修正版(推荐背)

顧客は自らの業務に関する知識を豊富に持っている一方で, システム開発に関する専門知識が十分でない場合が多い。 そのため,要件定義の段階で要求の解釈にずれが生じ, 曖昧な要求が残ったまま開発が進むと, 工程後半で多くの問題が発生し,手戻りや再構築が必要となる。

📌这一题:现在 ≈ 70% → 修正后 ≈ 95%


問題2 评阅(开发模型对比)

理解(✔ 对)

  • 瀑布:前期固定,不灵活
  • 迭代:能应对需求变化

致命扣分点(⚠⚠)

  • 问题问的是「反復型の利点」
  • 你写成了「ウォーターフォールの欠点」

「方向对,但答题焦点偏了」= 会被扣分

✅ 本番满分修正版

反復型開発プロセスでは,開発の途中で顧客からの フィードバックを取り入れながら, 要求の変更や修正に柔軟に対応することができる。 そのため,要求の曖昧さを早期に発見し, 完成度の高いソフトウェアを開発しやすい。

📌这一题:现在 ≈ 50~60% → 修正后 ≈ 100%


問題3 评阅(是正保守 vs 適応保守)

你的理解(✔ 非常好)

  • 是正保守:修正错误、保证正确性
  • 適応保守:适应环境变化

小扣分点(⚠)

  • 「使用方法」有点模糊
  • 少了一个环境变化的具体来源

✅ 本番满分修正版

是正保守の目的は,ソフトウェアに内在する欠陥を修正し, 正しい動作を維持することである。 一方,適応保守の目的は, ハードウェアやOSなどの実行環境の変化に対応し, ソフトウェアを適応させることである。

📌这一题:你已经 ≈ 85~90%


問題4 评阅(模块化 / 低耦合)

你的理解(✔ 对)

  • 影响范围小

  • 修改不影响其他模块

  • 保守性

  • 変更容易性

✅ 本番满分修正版

モジュール分割の目的は, 各モジュールの影響範囲を限定することである。 結合度を低く保つことで, あるモジュールを変更しても他のモジュールに 影響を与えにくくなり, ソフトウェア全体の保守性や変更容易性が向上する。

📌这一题:现在 ≈ 75% → 修正后 ≈ 95%


6-总结

用日语的方式来直接训练,我认为是提示能力的好办法吧,希望从今天开始,每天坚持到考试那天,一直训练。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1150088.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Java死锁原因剖析:面试必看的高薪技巧!

文章目录Java死锁原因剖析&#xff1a;面试必看的高薪技巧&#xff01;一、死锁&#xff1a;线程界的“抢椅子游戏”死锁的四个必要条件二、常见死锁场景&#xff1a;代码中的“定时炸弹”场景一&#xff1a;不恰当的锁顺序场景二&#xff1a;数据库中的锁竞争场景三&#xff1…

FunASR语音识别WebUI使用指南|集成speech_ngram_lm_zh-cn提升准确率

FunASR语音识别WebUI使用指南&#xff5c;集成speech_ngram_lm_zh-cn提升准确率 1. 快速开始与环境准备 1.1 镜像信息概览 本文基于以下定制化镜像构建&#xff1a; 镜像名称&#xff1a;FunASR 语音识别基于speech_ngram_lm_zh-cn 二次开发构建by科哥 核心特性&#xff1a…

【人工智能学习-AI入试相关题目练习-第一次】

人工智能学习-AI入试相关题目练习-第一次1-前言2-AI入试相关题目练习3-具体自己做题4-练习&#xff08;日语版本&#xff09;解析确认基准&#xff08;1&#xff09;A*アルゴリズム&#xff08;経路探索&#xff09;题目本质【ア&#xff1a;a&#xff08;E&#xff09;】【イ&…

【Android 美颜相机】第一天:认识Android-GPUImage项目

Android-GPUImage 在移动应用开发中&#xff0c;图像滤镜处理是短视频、图片编辑、相机类APP的核心需求之一。 基于CPU的图像处理往往面临性能瓶颈&#xff0c;而GPU加速的方案能借助OpenGL ES的并行计算能力&#xff0c;实现高效、流畅的实时图像滤镜效果。由CyberAgent, In…

如何快速批量抠图?试试CV-UNet大模型镜像,开箱即用

如何快速批量抠图&#xff1f;试试CV-UNet大模型镜像&#xff0c;开箱即用 1. 引言&#xff1a;AI抠图的工程痛点与新解法 在电商、广告设计、内容创作等领域&#xff0c;图像背景移除&#xff08;抠图&#xff09; 是一项高频且耗时的基础任务。传统方法依赖人工使用Photosh…

Linux(Ubuntu)RIME 中文输入法-朙月拼音

RIME 中文输入法 Rime 确切的说不是一个具体的输入法&#xff0c;它是开源跨平台输入法框架。它在不同的操作系统&#xff08;Windows&#xff0c;MacOS&#xff0c;Linux&#xff09;有不同的实现。 ibus-rime, fctix-rime&#xff08;fctix5-rime&#xff09;输入法&#x…

大数据领域数据产品的成本核算方法

大数据领域数据产品成本核算全攻略&#xff1a;从模糊到清晰的落地指南 引言&#xff1a;为什么你必须搞懂数据产品的成本&#xff1f; 作为数据产品经理&#xff0c;你是否遇到过这些场景&#xff1a; 财务问“这个数据看板每月要花多少钱&#xff1f;”你支支吾吾说不清楚&am…

一键智能抠图实践|基于CV-UNet大模型镜像快速部署批量处理方案

一键智能抠图实践&#xff5c;基于CV-UNet大模型镜像快速部署批量处理方案 在电商产品图处理、AI图像生成、数字内容创作等场景中&#xff0c;高质量的图像抠图能力已成为基础刚需。传统手动抠图效率低&#xff0c;而市面上多数在线工具存在隐私泄露、成本高、无法批量处理等问…

批量抠图与人像分割新选择|基于科哥开发的CV-UNet大模型镜像

批量抠图与人像分割新选择&#xff5c;基于科哥开发的CV-UNet大模型镜像 1. 引言&#xff1a;一键抠图技术的演进与需求升级 随着电商、内容创作、影视后期等行业的快速发展&#xff0c;图像背景移除&#xff08;Image Matting&#xff09;已成为高频刚需。传统手动抠图效率低…

做好项目管理,无非就是三件事:盯、拆、对!

很多团队一到项目关键期&#xff0c;就开启全员熬夜模式&#xff1a;凌晨三点还在群里人改稿&#xff0c;周末全员线上开会&#xff0c;交付前一周集体住在公司……看起来很拼&#xff0c;但结果呢&#xff1f;要么勉强上线漏洞百出&#xff0c;要么干脆延期&#xff0c;客户不…

提升ASR准确率的关键|深度解析speech_ngram_lm_zh-cn集成方案

提升ASR准确率的关键&#xff5c;深度解析speech_ngram_lm_zh-cn集成方案 1. 背景与挑战&#xff1a;中文语音识别的精度瓶颈 在当前智能语音交互系统中&#xff0c;自动语音识别&#xff08;ASR&#xff09;作为核心组件&#xff0c;其准确性直接决定了用户体验和业务转化效…

如何高效完成图片背景移除?试试CV-UNet大模型镜像,支持单张与批量抠图

如何高效完成图片背景移除&#xff1f;试试CV-UNet大模型镜像&#xff0c;支持单张与批量抠图 1. 引言&#xff1a;AI抠图的工程化落地新选择 在图像处理领域&#xff0c;背景移除&#xff08;Image Matting&#xff09; 是一项高频且关键的任务&#xff0c;广泛应用于电商商…

如何高效实现语义相似度分析?试试GTE中文向量模型镜像

如何高效实现语义相似度分析&#xff1f;试试GTE中文向量模型镜像 在自然语言处理&#xff08;NLP&#xff09;领域&#xff0c;语义相似度分析是构建智能对话系统、推荐引擎、文本去重、问答匹配等应用的核心技术之一。传统方法如TF-IDF、编辑距离等虽然简单易用&#xff0c;…

CV-UNet Universal Matting核心优势解析|附一键抠图实战案例

CV-UNet Universal Matting核心优势解析&#xff5c;附一键抠图实战案例 1. 技术背景与行业痛点 图像抠图&#xff08;Image Matting&#xff09;作为计算机视觉中的经典任务&#xff0c;长期以来在影视后期、电商展示、广告设计等领域扮演着关键角色。传统抠图依赖人工操作&…

【Java毕设全套源码+文档】基于Web的多传感器健康管理系统的设计与实现(丰富项目+远程调试+讲解+定制)

博主介绍&#xff1a;✌️码农一枚 &#xff0c;专注于大学生项目实战开发、讲解和毕业&#x1f6a2;文撰写修改等。全栈领域优质创作者&#xff0c;博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围&#xff1a;&am…

如何高效批量抠图?试试CV-UNet大模型镜像,操作简单速度快

如何高效批量抠图&#xff1f;试试CV-UNet大模型镜像&#xff0c;操作简单速度快 在图像处理领域&#xff0c;抠图&#xff08;Image Matting&#xff09; 是一项高频且关键的任务&#xff0c;广泛应用于电商产品展示、广告设计、影视后期和AI内容生成等场景。传统依赖Photosh…

本地化语音转文字方案|基于科哥二次开发的FunASR镜像实践

本地化语音转文字方案&#xff5c;基于科哥二次开发的FunASR镜像实践 随着AI语音技术的发展&#xff0c;语音识别&#xff08;ASR&#xff09;在会议记录、视频字幕生成、客服系统等场景中广泛应用。然而&#xff0c;许多企业或个人开发者面临数据隐私、网络延迟和成本控制等问…

AI应用架构师如何运用AI算法优化智能财务AI预测系统

AI应用架构师如何运用AI算法优化智能财务AI预测系统 一、引入&#xff1a;财务预测的“生死局”与AI的破局之路 1. 一个真实的痛点故事 某零售企业的财务总监最近愁得睡不着觉&#xff1a; 上季度的营收预测偏差高达25%——原本预计营收1.2亿&#xff0c;实际只做了9000万&…

【Java毕设全套源码+文档】基于springboot的在线教育平台设计与实现(丰富项目+远程调试+讲解+定制)

博主介绍&#xff1a;✌️码农一枚 &#xff0c;专注于大学生项目实战开发、讲解和毕业&#x1f6a2;文撰写修改等。全栈领域优质创作者&#xff0c;博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围&#xff1a;&am…

如何高效部署轻量化多模态模型?基于AutoGLM-Phone-9B的完整实践指南

如何高效部署轻量化多模态模型&#xff1f;基于AutoGLM-Phone-9B的完整实践指南 1. 引言&#xff1a;移动端多模态推理的挑战与机遇 随着AI大模型向终端设备下沉&#xff0c;在资源受限环境下实现高效多模态推理成为智能硬件、边缘计算和移动应用的核心需求。传统大模型因参数…