第一次数学建模赛后总结

大家好,这里是七七。

前些日子参加了一次数学建模比赛,赛后总结了一下,发现有很多事情是到了动手操作的时候,才发现问题的。总结了一下,有以下几点。

一、准备

在赛前准备阶段只傻傻的准备了很多学校给我们列举的数学模型和方法,但当到了比赛中时,就发现准备的模型没有用上,相反,用到的只是几个以前没有接触过的模型。思考之后,发现导致出现这样的情况是由于没有去优先掌握主流的模型。

要先去掌握主流模型

二、分工

在准备阶段每个人都有自己的分工,但在比赛时团队的分工在比赛时很不明确,写代码的配合查资料,很乱。分析之后,发现是准备阶段出了些问题。准备阶段每个人真被的东西都是大致相同的,而没有去有针对性的去准备自己应该负责的东西。因此之后应在准备阶段有明确的准备目标。

分工一定要明确,在准备阶段每个人有针对性的准备自己负责的东西

三、实践与理论

学习理论要配合实践,这一点这次算是用事实来告诉我了。准备阶段每个人都只分析某些模型以及一些例子,但没有人实际操作完成某个模型。以为知道了就可以。但在实际操作中,总是会出现这样那样意料之外的问题。对此,解决办法是在以后准备阶段直接准备具体实例,一定要去实现。不知道的理论去查查,不求多少量,但一定要把实例给复现出来。

用实例去学习理论。实例一定要能自己给复现出来

四、工具

赛前以为用matlab就可以了。实际上,python和spss等工具在某些方面具有得天独厚的优势。在比赛中学习使用是很托节奏的。

要多掌握一些工具,并知道它们哪些方面是优势

相关推荐
MoRanzhi12031 天前
12. Pandas 数据合并与拼接(concat 与 merge)
数据库·人工智能·python·数学建模·矩阵·数据分析·pandas
MoRanzhi12031 天前
11. Pandas 数据分类与区间分组(cut 与 qcut)
人工智能·python·机器学习·数学建模·分类·数据挖掘·pandas
Vizio<2 天前
ERT中正问题和逆问题的传统数学推导
学习·数学建模·机器人·触觉传感器
民乐团扒谱机3 天前
PCA 主成分分析:数据世界的 “旅行清单整理师”—— 从 30 维杂乱到 2 维清晰的诗意降维
大数据·数学建模·matlab·pca·主成分分析·数据处理·降维
nju_spy4 天前
2023 美赛C Predicting Wordle Results(上)
人工智能·机器学习·数学建模·数据挖掘·arima·时间序列预测·相关性分析
数模加油站5 天前
最新R(4.4.1)及R-studio保姆级安装配置详细教程及常见问题解答
开发语言·windows·数学建模·r语言
赤壁淘沙7 天前
机器人控制利器:MPC入门与实践解析
数学建模·机器人
less is more_09308 天前
风力发电机输出功率模型综述
笔记·学习·数学建模
铅笔侠_小龙虾8 天前
数学-绝对值(二)
数学建模
统计学小王子10 天前
数模之路获奖总结——数据分析交流(R语言)
数学建模·数据挖掘·数据分析·r语言