【软件工程】CMMI 能力成熟度模型集成 ( CMMI 过程管理过程域 | CMMI 项目管理过程域 ) ★

简介: 【软件工程】CMMI 能力成熟度模型集成 ( CMMI 过程管理过程域 | CMMI 项目管理过程域 ) ★

文章目录

一、 CMMI 过程管理过程域

3 33 级

4 44 级

5 55 级

二、 CMMI 项目管理过程域

2 22 级

3 33 级

4 44 级





一、 CMMI 过程管理过程域




3 33 级


组织级过程焦点 OPF ( 过程管理过程域 , 3 33 级 )


Organizational Process Focus


基于对 组织过程 与 过程资产 的 强项 与 弱项 的 透彻理解 ,


计划 , 实施 并 部署 组织级过程改进 ;



组织级过程定义 OPD ( 过程管理过程域 , 3 33 级 )


Organizational Process Focus


建立 并 维护 一套可用的 组织级过程资产 , 工作环境标准 , 以及 团队规则与指南 ;



组织级培训 OT ( 过程管理过程域 , 3 33 级 )


Organizational Training


发展人员的 技能与知识 , 使其能够有效且 高效地执行他们的角色 ;




4 44 级


组织级过程性能 OPP ( 过程管理过程域 , 4 44 级 )


Organizational Process Performance


建立并维护 对 从组织标准过程集中 , 所选定 过程性能的 量化理解 ,


以支持达成 质量 与 过程 性能目标 ,


并提供 过程性能数据 , 基线 , 模型 ,


以 量化管理 组织的项目 ;




5 55 级


组织级绩效管理 OPM ( 过程管理过程域 , 5 55 级 )




Organizational Performance Management


主动地 管理组织的 绩效 , 以 满足其业务目标 ;






二、 CMMI 项目管理过程域




2 22 级


需求管理 REQM ( 项目管理过程域 , 2 22 级 )


Requirement Management


管理项目 的 产品 与 产品 组件需求 ,


确保这些 需求 与 项目计划 , 工作产品 , 之间 协调一致 ;



项目计划 PP ( 项目管理过程域 , 2 22 级 )


Project Planning


建立 , 并 维护 , 定义 项目活动计划 ;



项目监督和控制 PMC ( 项目管理过程域 , 2 22 级 )


Project Monitoring and Control


提供对 项目进展 的 了解 ,


以便在项目绩效显著 偏离计划 时 , 可采取适当的 纠正措施 ;



供应合同管理 SAM ( 项目管理过程域 , 2 22 级 )


Supplier Agreement Management


管理从供方 采购产品 与 服务 的活动 ;




3 33 级


集成化项目管理 IPM ( 项目管理过程域 , 3 33 级 )


Integrated Project Management


从 组织的标准过程集 中 , 裁剪得到集成的 已定义过程 ,


并以此为 根据 , 建立 并 管理 项目 , 以及 相关干系人的参与 ;



风险管理 RSKM ( 项目管理过程域 , 3 33 级 )


Risk Management


在项目 潜在的问题发生前 , 对其进行识别 ,


以便在整个 产品 或 项目 生命期 中 ,


计划 并 在需要时 , 启动风险的处理行动 ,


从而 降低 这些潜在问题对达成目标产生的 不利影响 ;




4 44 级


量化项目管理 QPM ( 项目管理过程域 , 4 44 级 )


Quantitative Project Management


量化地管理项目 , 以达成项目 已建立的质量 与 过程性能目标 ;


目录
相关文章
|
3月前
|
API UED 开发者
如何在Uno Platform中轻松实现流畅动画效果——从基础到优化,全方位打造用户友好的动态交互体验!
【8月更文挑战第31天】在开发跨平台应用时,确保用户界面流畅且具吸引力至关重要。Uno Platform 作为多端统一的开发框架,不仅支持跨系统应用开发,还能通过优化实现流畅动画,增强用户体验。本文探讨了Uno Platform中实现流畅动画的多个方面,包括动画基础、性能优化、实践技巧及问题排查,帮助开发者掌握具体优化策略,提升应用质量与用户满意度。通过合理利用故事板、减少布局复杂性、使用硬件加速等技术,结合异步方法与预设缓存技巧,开发者能够创建美观且流畅的动画效果。
80 0
|
3月前
|
开发者 算法 虚拟化
惊爆!Uno Platform 调试与性能分析终极攻略,从工具运用到代码优化,带你攻克开发难题成就完美应用
【8月更文挑战第31天】在 Uno Platform 中,调试可通过 Visual Studio 设置断点和逐步执行代码实现,同时浏览器开发者工具有助于 Web 版本调试。性能分析则利用 Visual Studio 的性能分析器检查 CPU 和内存使用情况,还可通过记录时间戳进行简单分析。优化性能涉及代码逻辑优化、资源管理和用户界面简化,综合利用平台提供的工具和技术,确保应用高效稳定运行。
83 0
|
3月前
|
机器学习/深度学习
【机器学习】模型融合Ensemble和集成学习Stacking的实现
文章介绍了使用mlxtend和lightgbm库中的分类器,如EnsembleVoteClassifier和StackingClassifier,以及sklearn库中的SVC、KNeighborsClassifier等进行模型集成的方法。
55 1
|
4月前
|
机器学习/深度学习 分布式计算 算法
Java中的机器学习模型集成与训练实践
Java中的机器学习模型集成与训练实践
|
5月前
|
机器学习/深度学习 人工智能 Java
Java与AI集成开发:机器学习模型部署
Java与AI集成开发:机器学习模型部署
|
4月前
|
机器学习/深度学习 数据采集 TensorFlow
深度学习与传统模型的桥梁:Sklearn与Keras的集成应用
【7月更文第24天】在机器学习领域,Scikit-learn(Sklearn)作为经典的传统机器学习库,以其丰富的预处理工具、模型选择和评估方法而闻名;而Keras作为深度学习领域的明星框架,以其简洁易用的API,支持快速构建和实验复杂的神经网络模型。将这两者结合起来,可以实现从传统机器学习到深度学习的无缝过渡,充分发挥各自的优势,打造更强大、更灵活的解决方案。本文将探讨Sklearn与Keras的集成应用,通过实例展示如何在Sklearn的生态系统中嵌入Keras模型,实现模型的训练、评估与优化。
121 0
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
【机器学习】集成语音与大型语音模型等安全边界探索
【机器学习】集成语音与大型语音模型等安全边界探索
269 5
|
4月前
|
机器学习/深度学习 PyTorch TensorFlow
在深度学习中,数据增强是一种常用的技术,用于通过增加训练数据的多样性来提高模型的泛化能力。`albumentations`是一个强大的Python库,用于图像增强,支持多种图像变换操作,并且可以与深度学习框架(如PyTorch、TensorFlow等)无缝集成。
在深度学习中,数据增强是一种常用的技术,用于通过增加训练数据的多样性来提高模型的泛化能力。`albumentations`是一个强大的Python库,用于图像增强,支持多种图像变换操作,并且可以与深度学习框架(如PyTorch、TensorFlow等)无缝集成。
|
5月前
|
存储 缓存 安全
LLM应用实战:当图谱问答(KBQA)集成大模型(三)
本文主要是针对KBQA方案基于LLM实现存在的问题进行优化,主要涉及到响应时间提升优化以及多轮对话效果优化,提供了具体的优化方案以及相应的prompt。
357 1
|
4月前
|
机器学习/深度学习 人工智能 分布式计算
Java中的机器学习模型集成与训练
Java中的机器学习模型集成与训练