小白零基础学数学建模系列-引言与课程目录

目录

  • 引言
    • 一、我们的专辑包含哪些内容?
      • 第一周:数学建模基础与工具
      • 第二周:高级数学建模技巧与应用
      • 第三周:机器学习基础与数据处理
      • 第四周:监督学习与无监督学习算法
      • 第五周:神经网络
    • 二、学完本专辑能收获到什么?
    • 三、适合什么样的人群学习?
    • 四、如何学习本专辑?
  • 课程目录
    • 第1周:数学建模基础与工具
      • 第1天:数学建模入门介绍
      • 第2天:数学建模工具介绍
      • 第3天:线性回归与曲线拟合
      • 第4天:线性规划
      • 第5天:动态规划
    • 第2周:高级数学建模技巧与应用
      • 第6天:微分方程模型
      • 第7天:随机建模
      • 第8天:蒙特卡洛模拟
      • 第9天:网络模型
      • 第10天:数据挖掘与机器学习模型
    • 第3周:机器学习基础与数据处理
      • 第11天:机器学习中的数据采集与预处理
      • 第12天:特征工程
      • 第13天:数据编码与处理不平衡数据
      • 第14天:分类与回归问题(有监督)
      • 第15天:线性回归问题(有监督)
    • 第四周:监督学习与无监督学习算法
      • 第16天:逻辑回归问题(有监督)
      • 第17天:支持向量机(SVM)(有监督)
      • 第18天:决策树与随机森林(有监督)
      • 第19天:聚类算法(无监督)
      • 第20天:降维技术(无监督)
    • 第5周:神经网络
      • 第21天:神经网络基础
      • 第22天:卷积神经网络
      • 第23天:循环神经网络
      • 第24天:数学建模案例精讲1
      • 第25天:数学建模案例精讲2

引言

  欢迎大家来到我们的《数学建模教程》系列专辑。这是一份全面的学习资源,旨在帮助您从零开始掌握数学建模的理论和实战技巧。无论您是学生、研究人员,还是在职工程师,这个专辑都能为您提供宝贵的知识和实用技能。

一、我们的专辑包含哪些内容?

  我们精心设计了一个为期五周的课程,每周都有明确的学习目标和内容安排:

第一周:数学建模基础与工具

  我们一起学习数学建模的基本概念和常用方法。并且了解并熟练使用Python及其相关数学建模库,如Numpy、SciPy、Pandas等。

第二周:高级数学建模技巧与应用

  我们一起探索微分方程、随机建模、蒙特卡洛模拟等高级建模技巧。学习图论基础及其在网络优化中的应用。

第三周:机器学习基础与数据处理

  掌握机器学习中的数据采集、预处理和特征工程。了解如何处理不平衡数据,并学习分类与回归问题的解决方法。

第四周:监督学习与无监督学习算法

  深入学习逻辑回归、支持向量机、决策树、随机森林等有监督学习算法。探索K均值聚类、DBSCAN等无监督学习算法及降维技术。

第五周:神经网络

你可能感兴趣的:(数学建模小白到精通系列,数学建模)