投稿

数学建模导论：基于Python语言（2022年秋季学期）

15.5万

636

2022-06-05 23:49:43

未经作者授权，禁止转载

正在缓冲...

在数学建模领域开展竞赛、教学等活动已经第三年了也认识了很多校内外的小伙伴最近越来越多的同学跟我说，数模难，学不懂，学不会大一的数学基础不够，大二缺乏实战经验本人根据我将近两年的竞赛教学与实战经验开启了这样一门课程这门课，从高中课本讲起，一直延续到实战手把手教你从高中必修课本一步步走向竞赛实战，写出流畅的代码，通顺的论文手把手教你怎么debug，怎么查文献，怎么分析问题，怎么作图，怎么写作我希望，让数学建模真正走进每个同学的竞赛生涯，不再是谈虎色变我希望，这是一门能够比肩华科组原的数学建模课程我希望，开源这门课程，不收取任何费用，帮到更多人进入这一行业我们在后期也会出matlab版本，以及同步实验 2022年秋季数学建模导论：基于Python语言主讲人就是我配套实验网址：https://github.com/JokerZaia/mathematical_modeling_python 新版24数学建模导论课程也已经上架！

平成最强假面骑士发消息

十年饮冰，难凉热血

课程之前的广告：紫薯卖瓜，马马夸夸

03:30

2024最新版数学建模导论上线B站！比22版新增好多内容

00:40

0.0 python与anaconda的安装

04:13

1.1 线性代数知识的补充与线性规划的引入

34:24

1.2 线性规划的标准形式与求解策略

44:35

1.3 非线性规划及其python实现（内含翻车）

35:00

1.4 规划问题的两个案例

11:32

1.5 整数规划与指派问题的求解

18:25

1.6 动态规划模型的基本思想

26:24

1.7 贪心策略与动态规划的异同

06:13

小贴士：如何写出好的规划模型

23:49

实验1与实验2的任务介绍

03:43

2.1 高等数学知识回顾与微分方程的形式定义

30:20

2.2 常微分方程符号解与数值解的计算

12:23

2.3 偏微分方程及其python解

21:50

2.4 微分方程案例I：人口预测模型与放射性模型

15:12

2.5 微分方程案例II：新冠传播模型与捕食者模型

26:21

2.6 差分方程与人口模型的新讨论

05:58

2.7 几种经典的数值计算方法介绍

15:18

实验3的任务介绍

02:55

小贴士：代码编写的一些小tips

11:34

3.1 什么是数据？什么是数据科学？（内容如果觉得太简单可以跳过）

35:56

3.2 为什么需要数据规约

19:25

3.3 插值方法

10:46

3.4 从线性回归到拟合（内含翻车部分）

23:49

3.5 python数据可视化

08:41

实验4的任务介绍

00:48

小贴士：数据可视化的方法

14:03

4.1 层次分析法及其Python实现

22:46

4.2 熵权法和TOPSIS分析

16:49

4.3 模糊评价方法

05:34

4.4 CRITIC方法定权

04:37

4.5 主成分分析及其Python实现

22:55

4.6 因子分析及其Python实现

13:09

4.7 数据包络分析简介

07:41

实验5的任务介绍

01:02

小贴士：文献检索的常用网站

13:57

5.1 图论的研究对象

21:45

5.2 图论经典问题及其算法

18:05

5.3 TSP问题和VRP问题

04:24

5.4 图论典型问题的python代码

09:01

6.1 时间序列的时序性

23:57

6.2 移动平均法和指数平滑法的python代码

02:19

6.3 灰色预测及其python实现

10:57

6.4 灰色关联及其python实现

07:11

6.5 序列的平稳性

10:50

6.6 AR模型，MA模型和ARIMA模型

07:29

6.7 ARIMA的python代码

03:41

6.8 ARIMAX和SARIMA又是怎么回事

04:57

6.9 组合投资策略

25:06

6.10 组合投资的python代码

01:50

7.1 概率与数理统计知识补充

20:33

7.2 几种典型的假设检验

29:48

7.4 几种典型的回归

11:51

7.5 国产统计软件SPSSPRO介绍与基本使用

14:28

7.6 什么是机器学习

34:02

7.7 机器学习的评价指标、正则化

20:16

7.8 线性回归与逻辑回归

10:55

7.9 从距离的角度看机器学习

09:35

7.10 从凸优化的角度看机器学习

12:12

7.11 从贝叶斯统计的角度看机器学习

13:34

7.12 从树结构的角度看机器学习

11:16

7.13 从集成的角度看机器学习

06:40

7.14 从马尔科夫的角度看机器学习

08:43

7.15 从聚类的角度看机器学习

04:17

7.16 从神经网络的角度看机器学习

06:26

7.17 python实现机器学习代码

13:19

7.18 python实现神经网络代码

08:23

小贴士：python利用pandas读取与处理数据

19:57

8.1 遗传算法

12:03

8.2 蚁群算法

07:50

8.3 粒子群算法

04:24

8.4 模拟退火算法

05:52

9.1 博弈模型

10:08

9.2 元胞自动机

06:06

9.3 关联规则挖掘

14:19

9.4 信号与图像

08:14

最终复习：数学建模的“道”与“理”

01:34:15

2021国赛选讲+最后的叮嘱

01:50:19

顶部