docs:增加系统化学习路径与延伸阅读

This commit is contained in:
zll0622 2026-07-08 00:16:19 +08:00
parent 6ce76f3282
commit c38677c472
1 changed files with 144 additions and 0 deletions

View File

@ -0,0 +1,144 @@
# 高教社杯全国大学生数学建模竞赛 — 系统化学习路径与延伸阅读
***
**发布机构:** 开源教育研究所
**最后更新:** 2026-07-07
**适用比赛:** 高教社杯全国大学生数学建模竞赛CUMCM
***
## 🎯 本指南定位
本文档为数学建模学习者与备赛者提供一条系统化的学习路径,涵盖**思维框架、协作规范、技能提升、官方资源、备赛时间线**等核心模块。无论您是零基础新手还是希望提升的进阶选手,这份路径图都将帮助您高效规划学习节奏。
***
## 一、核心思维与框架(必读)
这是所有建模工作的底层逻辑,建议在备赛初期优先阅读。
| **文档** | **内容说明** | **优先级** |
| ------------------ | --------------------------- | ------- |
| **本仓库:高教社杯备赛专项指南** | 针对高教社杯的选题策略、模型搭配、论文写作与提交规范 | ⭐⭐⭐⭐⭐ |
| **本仓库:备赛战略地图框架摘要** | 从备赛到实战的完整时间线管理框架,帮助团队高效规划赛程 | ⭐⭐⭐⭐⭐ |
***
## 二、标准化协作与过程管理(建议赛前掌握)
这些规范是实现高效、可追溯团队协作的基础,建议在正式比赛前系统学习。
| **文档** | **内容说明** | **优先级** |
| ---------------------- | ----------------------------- | ------- |
| **本仓库:团队协作标准指南** | 基于Git的标准化项目目录结构、双分支模型和核心协作规则 | ⭐⭐⭐⭐⭐ |
| **本仓库:项目目录结构与文件命名规范** | 遵循经实战验证的标准目录与文件管理原则 | ⭐⭐⭐⭐⭐ |
***
## 三、技能提升路径
### 1. 编程语言MATLAB vs Python
| **维度** | **MATLAB** | **Python** |
| --------- | -------------- | ----------- |
| **类型** | 付费商业软件 | 免费开源语言 |
| **工具丰富度** | 工具箱齐全,界面友好 | 生态庞大,第三方库丰富 |
| **应用领域** | 数学建模、科研领域 | 计算机、AI、数据分析 |
| **推荐人群** | 数学建模新手、计划读研科研者 | 计算机/AI从业者 |
**建议:**
* 数学建模新手 **优先学习MATLAB**,工具齐全、上手快
* 计算机或AI方向从业者 **优先学习Python**
* **没有明确方向的新手无脑选MATLAB**
**学习资源推荐B站**
| **课程名称** | **主讲人/机构** | **适合人群** |
| ------------------- | ----------- | ------------ |
| 《数学建模》系列公开课 | 清华大学 | 零基础到进阶 |
| 《Python数据分析与展示》MOOC | 北京理工大学65讲 | Python数据分析入门 |
| 机器学习课程(中文) | 李宏毅(台湾大学) | 机器学习入门首选 |
| 机器学习/深度学习系列 | 吴恩达(斯坦福大学) | 权威入门宝典 |
### 2. 论文写作LaTeX vs Word
| **工具** | **优势** | **适合场景** |
| --------- | ------------- | -------------- |
| **Word** | 可视化操作,易上手 | 首次参赛、时间紧张 |
| **LaTeX** | 排版专业,自动处理参考文献 | 备赛时间充裕、追求高质量排版 |
**学习路径:**
1. **第一步(基础)**:了解文档结构——`\documentclass`、`\begin{document}` 等基本命令
2. **第二步(公式)**:掌握数学公式——`$$`行间公式、`$`行内公式,熟悉常用符号
3. **第三步(进阶)**:学会插入图表和引用——`\includegraphics`、`\begin{figure}`、`\cite`
**捷径:** 不要从零开始写,在 Overleaf 上找数模论文模板直接改。工具推荐 Overleaf在线编辑器无需安装
### 3. 数学基础:线性代数与概率论
**误区提醒:** 很多初学者因“线性代数和概率论还没学完”而不敢开始。这是一个不必要的障碍。
**实际需求:**
* 仅需掌握 **矩阵基本运算** 和 **概率论的基本概念**
* 复杂理论可在遇到具体问题时借助资料与工具**快速学习**
* 竞赛时间足以支持 **针对性补学**
**建议:** 采取**边做边学**的路径,以实际问题驱动学习,避免过多理论准备带来的负担。
***
## 四、官方资料与链接
| **类别** | **位置/说明** |
| ------------ | ------------------------------------- |
| **高教社杯官方规则** | 本仓库 `02_Resources/official_rules/` 目录 |
| **历年高教社杯赛题** | 本仓库 `02_Resources/problem_sets/` 目录 |
***
## 五、备赛时间线建议
| **时间节点** | **学习重点** | **行动建议** |
| ----------- | -------- | ------------------------------------------------------------- |
| **赛前8-12周** | 基础夯实 | 每周精读2篇获奖论文分析模型结构与逻辑完成1-2道往届赛题实战 |
| **赛前4-8周** | 专项突破 | 针对弱点训练编程手刷Kaggle建模手深入学习进阶模型灰色预测、蒙特卡洛模拟等论文手精研LaTeX排版和摘要写作 |
| **赛前2-4周** | 冲刺整合 | 进行1-2次全真模拟赛限时72小时从选题到提交完整流程整理团队常用代码库、论文模板 |
| **赛前1周** | 状态调整 | 工具链检查Git、编程环境、写作模板重温协作规范团队心态调整 |
***
## 六、延伸阅读推荐
### 经典书籍
* **司守奎《数学建模算法与应用》**:国内数模竞赛经典教材
* **姜启源《数学模型》**:建模思维入门必读
* **《数学建模方法与分析》**Mark M. Meerschaert系统化建模方法论
### 在线课程
* **B站**:清华大学《数学建模》公开课(完整课程体系)
* **中国大学MOOC**:各高校《数学建模》精品课程
* **Coursera**Wharton《Business Analytics》、DeepLearning.AI《Machine Learning》
***
## 📜 许可说明
本文档由 **开源教育研究所** 发布,采用 **知识共享 署名-相同方式共享 4.0 国际许可协议 (CC BY-SA 4.0)** 进行许可。您可以自由地分享和改编本指南,但需遵循相同的许可协议。
***
_祝您在学习路径上稳步前行在高教社杯中取得优异成绩_
***
##