# 学员语录
源于兴趣,敢于尝试,勤于钻研。
我个人是在本科阶段参加了多次数学建模竞赛,所以这里我主要聊一聊关于竞赛的一些心得体会。
首先我认为,竞赛的目的不完全是只为了提升竞争力,而是源于兴趣。有了兴趣我们才会多尝试,才会勤钻研。除此之外,我们还要明确自己感兴趣的方向,不要“雨露均沾”各类大大小小的竞赛。
因为我一开始就确定好了申研方向是大数据类专业,那么我就可以通过互联网来获取一些竞赛平台的讯息,数据类的竞赛平台有:Kaggle、DataCastle、天池大数据竞赛等;数学建模类竞赛有:国赛、美赛、深圳杯、Mathorcup等。
然后关于竞赛的准备,首先需要找到志同道合的小伙伴们组好队;其次是我们要学会利用“内部资源”,如果学校举行了相关竞赛的培训班,有精力、有能力的条件下一定要积极参加,这样会大大减少我们走的弯路的时间,快速入门竞赛。
我们学校每年就会在数学建模美赛和国赛前举行为期一个月的竞赛讲座培训,由老师们教授基础的数学思想和数学模型,以及讲解往年的参赛例题等等,起到很好地引领“新手”入门的作用。
但“师傅领进门修行在个人”,课余时间我们还需要花精力去获取“外部资源”来自学。这些外部资源其实非常多,在互联网时代,只要我们愿意花时间去检索,都能找到我们想要的学习资源。这里给大家推荐“万能”的学习网站—B站。
我在数学建模国赛的准备过程中,就在B站上看了很多相关课程,自学了常用的基础模型与算法,如评价模型的层次分析法、拟合模型的插值法、图论模型的Dijlstra和Floyd算法、预测模型的灰色预测算法及降维模型的主成分分析法等等;还自学了一些工具软件,如MATLAB,SPSS,Lingo等,和编程语言Python等。
除此之外,我通过课程中分享的各类模型算法的代码,根据可能的现实场景建立了自己的代码仓库,这也使得我在一次国赛比赛中,实现排队论相关模型算法时变得更加得心应手。
最后,在每一次竞赛结果出来时,我还会进行一定的复盘总结,去检索大量的优秀参赛论文,与我们小组完成的论文进行对比,发现自己的不足,总结比赛经验。在复盘的过程中,我们能学习到优秀的数学思想、数学模型;优化的算法代码;规范的文书排版等等,为以后的比赛提供非常大的帮助。所以赛后的复盘既是一种学习,也是一种欣赏。
我本科期间是在大二上学期第一次参加了数学建模美赛,当时是报着试试看的态度报了名,磕磕绊绊地完成了最后的论文。但有了第一次比赛的经验后,我好好准备了一个学期,接着参加了Mathorcup数模竞赛,并取得了一点小小的成绩。
在尝到“胜利”的果实后,大三上学期,我继续参加了数模国赛,最后也算是取得了自己较为满意的成绩。所以对于本科阶段参加的竞赛,我的建议是一定要源于兴趣、敢于尝试、勤于钻研,就能够学有所获、学有所成。
# 项目推荐
香港科技大学 大数据科技硕士
大数据科技硕士
Master of Science in Big Data Technology
学校:香港科技大学
申请要求
雅思6.5(L:5.5,R:5.5,W:5.5,S:5.5)
托福80
具有计算机工程,计算机科学,数学或相关领域背景,其他专业背景需要具备信息技术或数学相关领域相关工作经验
培养目标
大数据科技的兴起,正在改变我们的社会与商业模式,以及工程与科学的发展。理学硕士(大数据科技)课程由香港科技大学工学院计算机科学及数学系合办,把不同的学科整合起来,让学生了解大数据科技的所有重要特点,以及如何把它应用在现实社会中。香港科技大学理学硕士(大数据科技)课程旨在教导学员了解大数据和其相关方面,使学员熟悉大数据系统的作业流程和其对社会的影响。