《数学建模训练》课程教学大纲.docx

《数学建模训练》课程教学大纲.docx

  1. 1、本文档共9页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

《ADDINCNKISM.UserStyle数学建模训练》教学大纲

课程名称:数学建模训练课程编号:1492

英文名称:MathematicalModelingTraining

学时:32学时 学分:2学分

开课学期:第5学期

适用专业:数据科学与大数据技术专业

课程类别:理论课

课程性质:专业核心课

先修课程:《高等数学》、《离散数学》、《算法设计与分析》、《概率论基础》、《数理统计》

一、课程的性质及任务

《数学建模训练》课程是数据科学与大数据技术专业学生的专业核心课,是培养学生运用数学方法和计算机技术解决实际问题的能力。

通过本课程的学习,学生能够根据实际问题构建数学模型,运用数学的理论知识进行模型的分析与求解,并借助计算机软件进行模型的仿真与验证。学生不仅掌握数学建模的基本步骤和技巧,包括问题的识别与定义、假设的提出与简化、模型的建立与求解、结果的解释与验证等,而且注重培养学生的团队合作精神和沟通能力,为他们后续的学习奠定坚实的基础。

依据河北工程大学数据科学与大数据技术专业培养计划,本课程需要培养学生的能力是:

能够利用数学、自然科学、工程基础知识进行大数据工程问题的表述(毕业要求指标1.1)

能够针对大数据工程问题建立数学模型并求解(毕业要求指标1.2)

能够将数学、自然科学、工程基础和大数据技术的专业知识用于复杂工程问题的推演、分析和计算(毕业要求指标1.3)

能够基于数据科学相关科学原理和数学模型方法正确表达大数据应用领域的复杂工程问题(毕业要求指标2.2)

能够对采集到的实验数据进行整理、分析和解释,并能通过信息综合、算法设计得出有效结论(毕业要求指标4.3)

掌握基本的大数据开发环境的配置和应用,熟练掌握软件开发语言(如Python、Java语言等),并能够运用集成开发环境进行复杂程序设计(毕业要求指标5.1)

能够主动与其他学科背景的成员合作开展工作(毕业要求指标9.2)

二、课程目标与要求

2.1课程目标

通过优化模型的学习,深刻认识线性规划、非线性规划、整数规划和动态规划等算法在实际应用中的价值,使学生具有选择合适的优化算法解决复杂问题的能力。

通过微分方程模型的学习,深入理解动态系统和变化过程,分析系统的稳定性和周期性,使学生能够自觉地用数学思维来理解系统的动态行为。

通过概率与统计模型的学习,深入理解不确定性和随机性,使学生能够分析和处理数据、预测变化趋势、评估风险和做出相应的决策。

培养学生的理论知识和实践技能,激发学生对数学和科学的兴趣和热情,展现出学生的创新精神和专业素养。

数学建模训练课程教学大纲

PAGE16

PAGE285

2.2课程目标与毕业要求对应关系

毕业要求二级指标

毕业要求

1

2

3

4

1.1能够利用数学、自然科学、工程基础知识进行大数据工程问题的表述

具有扎实的数学与自然科学知识和工程基础,系统地掌握数据科学与大数据技术领域的基本理论、基础知识,并综合运用所学知识解决复杂工程问题。

1.2能够针对大数据工程问题建立数学模型并求解

1.3能够将数学、自然科学、工程基础和大数据技术的专业知识用于复杂工程问题的推演、分析和计算

2.2能够基于数据科学相关科学原理和数学模型方法正确表达大数据应用领域的复杂工程问题

2.掌握统计与机器学习的基本方法,能够综合运用数学、自然科学和数据科学的基本原理,对复杂的工程系统,识别问题、描述问题并通过文献研究分析与大数据相关的工程问题,以获得有效结论。

4.3能够对采集到的实验数据进行整理、分析和解释,并能通过信息综合、算法设计得出有效结论

4.能够基于数据科学与大数据技术原理并采用科学方法对大数据应用领域的复杂工程问题进行研究,包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。

5.1掌握基本的大数据开发环境的配置和应用,熟练掌握软件开发语言(如Python、Java语言等),并能够运用集成开发环境进行复杂程序设计

5.能够针对大数据应用领域的复杂工程问题,开发、选择与使用恰当的技术、资源、现代信息技术工具,包括对大数据应用领域的复杂工程问题的预测与仿真,并能够理解其局限性。

9.2能够主动与其他学科背景的成员合作开展工作

9.具有健康的体魄和良好的综合素质,能够正确理解多学科背景下团队中个体、团队成员以及负责人的角色,并承担其责任与义务。

2.3课程目标与培养环节对应矩阵

序号

课程目标

理论教学

课后作业

1

通过优化模型的学习,深刻认识线性规划、非线性规划、整数规划和动态规划等算法在实际应用中的价值,使学生具有选择合适的优化算法解决复杂问题的能力。

H

L

2

通过

文档评论(0)

大学教学资料库 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档